-
公开(公告)号：CN115017511A
公开(公告)日：2022-09-06
申请号：CN202210469716.0
申请日：2022-04-28
Applicant: 武汉工程大学 , 武汉引行科技有限公司
Abstract: 本发明提供一种源代码漏洞检测方法、装置以及存储介质，属于代码检测技术领域，方法包括：S1：分别对各个原始源代码数据的数据预处理得到预处理后源代码数据；S2：按照预设比例对多个预处理后源代码数据的划分得到训练集，验证集和测试集；S3：对训练集的代码图编码得到多个代码图数据；S4：根据多个代码图数据、验证集和测试集对训练模型的模型分析得到检测模型；S5：通过检测模型对待检测源代码数据的检测分析得到检测结果。本发明实现了函数级的自动代码漏洞检测，能在源代码中快速、高效地完成代码漏洞检测任务，解决了代码静态分析工具进行漏洞检测上存在的误报率高、漏报率高的技术问题。
-
公开(公告)号：CN114926898A
公开(公告)日：2022-08-19
申请号：CN202210494498.6
申请日：2022-05-07
Applicant: 武汉工程大学 , 武汉引行科技有限公司
IPC: G06V40/20 , G06V10/75 , G06T7/136 , G06T7/194 , G06V10/762 , G06V10/764 , G06V10/44 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种手势识别模型训练及手势识别方法、装置、设备及介质，涉及计算机视觉技术领域，手势识别模型训练方法包括：拍摄手部配戴有红色系手套的多张手势图像，对每张手势图像依次进行从RGB色彩空间转换成YCrCb空间、图像前景背景划分、二值化处理，得到手势分割图像；构建卷积神经网络结构，利用多张手势分割图像对卷积神经网络结构进行训练，得到手势识别模型。手势识别方法为：将待识别的图片或视频输入手势识别模型中，利用手势识别模型对待识别的图片或视频进行手势识别。本发明对图像中的手势分割效果好，通过本发明进行手势识别的识别准确率可明显提高。
-
公开(公告)号：CN114783053A
公开(公告)日：2022-07-22
申请号：CN202210300414.0
申请日：2022-03-24
Applicant: 武汉工程大学
Abstract: 本发明公开了一种基于空间注意力和分组卷积的行为识别方法及系统，该方法包括：稀疏采样：将输入的视频切帧后进行稀疏采样；构建网络结构，网络结构包括时空激励模块和运动激励模块两个分支：对于时空激励模块来说，首先将基于时序上的分组卷积加入到模块中，用于融合时序上的信息并且降低网络参数量；然后将空间注意力加入到模块中，使图像中较为重要的特征得到更好的提取；对于运动激励模块来说，使用多帧之间的差值来代替光流信息对运动特征进行建模；网络结构嵌入：利用网络结构替换resnet‑50中的残差块，得到行为识别模型；最后训练模型并利用模型进行行为识别。本发明所提出的行为识别方法优于其他的行为识别算法，能更有效地执行行为识别任务。
-
公开(公告)号：CN114611530A
公开(公告)日：2022-06-10
申请号：CN202210162374.8
申请日：2022-02-22
Applicant: 武汉工程大学 , 武汉逸锦科技有限公司
IPC: G06F40/56 , G06F40/242 , G06F16/33 , G06V30/142 , G06V30/413 , G06V10/82
Abstract: 本申请涉及一种阅读交互装置、方法、计算机设备和阅读笔，属于图像处理技术领域。装置包括图像采集模块和雾端连接模块；图像采集模块，用于获取包括目标文字区域的图像；雾端连接模块，用于和外接雾端建立连接，通过外接雾端中的学习软件对包括目标文字区域的图像进行相应的处理；其中，外接雾端为存储有学习软件的平台，学习软件为基于自然语言处理技术的算法模型。本申请通过与外接雾端建立连接，可以利用外接雾端中的学习软件对获取的包括目标文字区域的图像进行相应的处理，不占用阅读交互装置自身的资源。学习软件为基于自然语言处理技术的算法模型，可具备不同的处理方式，使得本申请中阅读交互装置的应用场景更加丰富，用户体验感更好。
-
公开(公告)号：CN110490236B
公开(公告)日：2021-08-24
申请号：CN201910690299.0
申请日：2019-07-29
Applicant: 武汉工程大学 , 武汉引行科技有限公司 , 武汉创逸灵科技有限公司
Abstract: 本发明涉及一种基于神经网络的自动图像标注方法、系统、装置和介质，利用预先训练好的卷积神经网络模型提取实验数据集的图像特征；根据图像特征，在训练集中计算得到待标注图像的邻域图像集和对应的第一标签域；构建第一标签域与训练集对应的第二标签域之间的标签语义关联模型，根据标签语义关联模型，在第二标签域中计算得到与每个第一标签相关联的第三标签域；计算待标注图像与每个邻域图像之间的相似度，根据所有相似度得到每个第一标签成为目标标签的第一概率，并根据所有第一概率和标签语义关联模型得到每个第三标签成为目标标签的第二概率；根据所有相似度、所有第一概率和所有第二概率，得到目标标签，并根据目标标签完成标注。
-
Patent Agency Ranking
公开(公告)号：CN112966542A
公开(公告)日：2021-06-15
申请号：CN202011454449.7
申请日：2020-12-10
Applicant: 武汉工程大学
Abstract: 本发明公开了一种基于激光雷达的SLAM系统和方法，该系统包括：点云处理模块，用于进行地面提取，点云分割，特征提取；里程计优化模块，用于进行标签匹配，L‑M优化；闭环检测模块，用于采用描述符网络进行点云段匹配；全局位姿和地图优化模块，当闭环检测模块检测到闭环出现时，系统后端全局位姿优化，能够消除大部分的累计误差，精确逼近地面真实情况。本发明对激光雷达点云数据进行处理，通过配准平面点和边缘点优化激光雷达里程计的估计值，再耦合上闭环检测模块进行全局位姿和地图的优化。提高定位精度和建图准确性。
-
公开(公告)号：CN112651926A
公开(公告)日：2021-04-13
申请号：CN202011412270.5
申请日：2020-12-04
Applicant: 武汉工程大学
Abstract: 本发明公开了一种基于递归注意力机制的裂纹检测的方法，包括以下步骤：采集裂纹图片，通过U‑Net的编码部分对裂纹图片进行下采样，得到不同尺度下采样图片的特征信号；将不同尺度下采样图片的特征信号输入到相应的RAM模块中，RAM模块中包含有递归模块，输出相应的下采样特征信号；输入U‑Net的编码部分的l层特征信号和解码部分的l‑1层门控信号；输出U‑Net的编码部分的下采样输出信号和通过门控信号关注得到显著区域的特征信号；构建U‑Net的上采样模块，将RAM模块输出的显著区域的特征信号与通过反卷积得到的上采样的特征信号拼接后进行上采样，得到裂纹检测图片。本发明通过递归残差块和注意力模块，将RAM整合到了裂纹分割的任务中，提高了图像裂纹检测算法的性能。
-
公开(公告)号：CN112069983A
公开(公告)日：2020-12-11
申请号：CN202010917093.X
申请日：2020-09-03
Applicant: 武汉工程大学
Abstract: 本发明公开了一种基于多任务特征融合共享学习的低光照行人检测方法及系统，获取正常、低光照行人数据集；利用正常、低光照行人数据集对图像光照增强网络进行预训练；利用正常光照行人数据集对行人检测网络进行预训练；设计能够融合上下游任务之间特征的多任务特征融合模块，对两个网络进行特征融合与共享，构建多任务特征融合共享学习的低光照行人检测网络；将两个预训练模型导入低光照行人检测网络，并利用正常、低光照数据集进行训练，得到多任务特征融合共享学习的低光照行人检测模型；利用多任务特征融合共享学习的低光照行人检测模型对被检测图像进行检测，得到图像中行人的位置。本发明能够准确、高效的在低光照的图像中检测出行人的位置。
-
公开(公告)号：CN111709319A
公开(公告)日：2020-09-25
申请号：CN202010466840.2
申请日：2020-05-28
Applicant: 武汉工程大学 , 武汉引行科技有限公司
Abstract: 本发明提供一种铁路工机具清点方法及装置，方法包括：从公共数据库中读取多个工机具样本图像，并对多个所述工机具样本图像进行预处理，通过经预处理后的多个所述工机具样本图像得到训练图像数据集；构建目标检测网络，通过所述训练图像数据集对所述目标检测网络进行训练处理，得到目标检测模型；通过拍摄设备对出工现场进行图像采集，得到待处理图像；根据所述目标检测模型对所述待处理图像进行比对分析，得到遗失工机具类别的名称和数量。本发明实现了对工机具的准确检测与清点，可满足实际应用需求，且不需要人工提取工机具的图像特征，节省了时间的同时也提高了实时性和准确率，为智能铁路运维奠定了技术基础。
-
公开(公告)号：CN111531582A
公开(公告)日：2020-08-14
申请号：CN202010343392.7
申请日：2020-04-27
Applicant: 武汉工程大学
Abstract: 本发明提供一种基于视觉的工业机器人故障检测方法及系统，其中，方法包括以下步骤：S1:获取工业机器人正常工作下的作业视频，并根据所述作业视频计算最长公共哈希子序列，所述最长公共哈希子序列包含多个哈希值，所述最长公共哈希子序列用于表示工业机器人的周期性动作模式，执行S2；S2:实时采集工业机器人的工作图像，分离出工业机器人，形成第二作业图像，计算所述第二作业图像的哈希值，记为h1,执行S3；S3:将所述哈希值h1与所述最长公共哈希子序列进行顺序极近似值匹配，若匹配成功，则执行S2,若匹配失败，则检测到异常动作，控制工业机器人急停，通过采集作业图像的方式对工业机器人进行故障检测，不仅成本低、采集难度小，抗干扰能力强。
-
-
-
-
-
-
-
-
-
Search Results
215
records
(took 0.027 seconds)
