公开(公告)号：CN112306730A

公开(公告)日：2021-02-02

申请号：CN202011260163.5

申请日：2020-11-12

Applicant: 南通大学

Inventor： 陈翔 ,  贾焱鑫 ,  林浩 ,  葛骅 ,  陈雪娇 ,  杨光 ,  许健

IPC: G06F11/07 ,  G06F16/906 ,  G06F40/279 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了基于历史项目伪标签生成的缺陷报告严重程度预测方法，解决的技术问题是使用伪标签技术从历史项目中选出与目标项目中缺陷报告最为相似的缺陷报告，从而可以有效扩充构建模型时所需的训练数据量。本发明的有益效果为：借助伪标签技术，通过有效利用历史项目的缺陷报告来提升缺陷报告严重程度预测模型的预测性能。

公开(公告)号：CN112395964A

公开(公告)日：2021-02-23

申请号：CN202011229245.3

申请日：2020-11-06

Applicant: 南通大学

Inventor： 张晓峰 ,  王梅 ,  陈哲 ,  欧垚君 ,  丁红 ,  叶竹文 ,  魏浩坤 ,  皇甫嘉琪 ,  许健

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明提供了一种基于深度学习的能见度估计方法，包括以下步骤：步骤一：选用3D ResNet18卷积神经网络；步骤二：选用多层感知器进行融合；步骤三：将上述3D ResNet18卷积神经网络和多层感知器(MLP)模型进行融合和步骤四：在测试集上进行了模型的精度评估。本发明的有益效果为：本发明主要是将3D ResNet18卷积神经网络与多层感知器(MLP)结合起来进行基于深度学习的能见度估计，对视频数据进行特征向量提取，对提取的特征向量进行分类，实现分类估计，相比于传统方法中只选取少量视频、截取图像中的某些固有特征的局限性，它充分利用视频的连续信息，并添加多层感知器进行分类估计，提高了估计精度。

公开(公告)号：CN112306730B

公开(公告)日：2021-11-30

申请号：CN202011260163.5

申请日：2020-11-12

Applicant: 南通大学

Inventor： 陈翔 ,  贾焱鑫 ,  林浩 ,  葛骅 ,  陈雪娇 ,  杨光 ,  许健

IPC: G06F11/07 ,  G06F16/906 ,  G06F40/279 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了基于历史项目伪标签生成的缺陷报告严重程度预测方法，解决的技术问题是使用伪标签技术从历史项目中选出与目标项目中缺陷报告最为相似的缺陷报告，从而可以有效扩充构建模型时所需的训练数据量。本发明的有益效果为：借助伪标签技术，通过有效利用历史项目的缺陷报告来提升缺陷报告严重程度预测模型的预测性能。