-
公开(公告)号：CN119806502A
公开(公告)日：2025-04-11
申请号：CN202411857009.4
申请日：2024-12-17
Applicant: 广东工业大学
IPC: G06F8/33 , G06F8/41 , G06F18/15 , G06F18/213 , G06F18/25 , G06N3/0455 , G06N3/0499 , G06N3/0442 , G06N3/045 , G06N3/084
Abstract: 本发明公开的属于代码补全技术领域，具体为一种基于检索增强与多模态相结合的代码补全方法，包括具体步骤如下：构建代码补全数据集、构建代码补全模型、划分代码补全数据集并训练代码补全模型、应用代码补全模型进行代码补全。本发明对待补全代码进行检索增强，检索出相似的代码片段来辅助待补全代码进行补全，能够很好地利用代码的外在相似性，提高代码补全效率。提取从抽象语法树的叶子节点到待补全节点的路径特征，能够很好的利用路径上的语法结构信息，同时也能够一定程度上缓解路径爆炸问题。
-
公开(公告)号：CN118314525B
公开(公告)日：2024-11-22
申请号：CN202410727107.X
申请日：2024-06-06
Applicant: 广东工业大学
IPC: G06V20/52 , G06V20/70 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/774 , G01J5/00 , G01J5/48 , G01R31/00 , H02J13/00
Abstract: 本发明属于设备状态检测技术领域，并公开了一种变电站设备状态检测方法，包括：获取待测变电站的设备红外图像，对所述设备红外图像中的各设备进行标注，得到带有边界框的设备红外图像，基于带有边界框的设备红外图像构建变电站设备红外图像数据集；将所述变电站设备红外图像数据集输入设备状态检测模型中进行分类预测，得到变电站设备状态信息；其中，所述设备状态检测模型由依次连接的多通道特征提取模块，加权空间金字塔池化模块和检测层构成。本发明所述技术方案能够自动化快速准确地判断变电站设备状态，解决了变电站设备状态检测效率低，漏判错判，时效性不足的问题。
-
公开(公告)号：CN118314442B
公开(公告)日：2024-09-20
申请号：CN202410741672.1
申请日：2024-06-11
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于深度学习的输电杆塔异物隐患识别方法，包括：构建输电杆塔异物原始数据集并进行预处理，获得处理后的输电杆塔异物数据集；构建基于深度学习的输电杆塔异物隐患识别模型，基于处理后的输电杆塔异物数据集对输电杆塔异物隐患识别模型进行训练，获得训练后的输电杆塔异物隐患识别模型；基于训练后的输电杆塔异物隐患识别模型对输电杆塔中的异物进行识别，获得识别结果。本发明有效提升了在复杂环境下的异物检测准确率和系统的计算效率，还增强了模型在处理不规则和多尺度特征时的适应性和鲁棒性，显著提高了输电杆塔异物隐患别模型的实用性和可靠性。
-
公开(公告)号：CN118332528B
公开(公告)日：2024-08-30
申请号：CN202410767432.9
申请日：2024-06-14
Applicant: 广东工业大学
IPC: G06F21/14 , G06F40/253 , G06N3/0455 , G06N3/08 , G06F21/60
Abstract: 本发明属于代码混淆技术领域，并公开了一种基于深度学习的代码混淆方法、系统、设备及介质，包括：对分支语句进行预处理，得到AST语法树的节点‑编号序列和叶子节点值‑编号序列；基于序列数据构建AST语法树中根节点到各叶子节点的路径集合；将路径集合输入代码混淆模型中，得到第一密文；基于DES算法对第一密文进行二次加密，得到第二密文；构建解密模型，基于解密模型构建解密函数；将第二密文输入解密函数中进行解密，先得到对应的第一密文，然后解密第一密文，最后得到对应分支语句的判断条件；将分支语句的判断条件替换为对解密函数的调用，实现代码混淆。本发明技术方案能够让混淆的代码更具隐蔽性，提高程序抗逆向分析能力。
-
公开(公告)号：CN118332528A
公开(公告)日：2024-07-12
申请号：CN202410767432.9
申请日：2024-06-14
Applicant: 广东工业大学
IPC: G06F21/14 , G06F40/253 , G06N3/0455 , G06N3/08 , G06F21/60
Abstract: 本发明属于代码混淆技术领域，并公开了一种基于深度学习的代码混淆方法、系统、设备及介质，包括：对分支语句进行预处理，得到AST语法树的节点‑编号序列和叶子节点值‑编号序列；基于序列数据构建AST语法树中根节点到各叶子节点的路径集合；将路径集合输入代码混淆模型中，得到第一密文；基于DES算法对第一密文进行二次加密，得到第二密文；构建解密模型，基于解密模型构建解密函数；将第二密文输入解密函数中进行解密，先得到对应的第一密文，然后解密第一密文，最后得到对应分支语句的判断条件；将分支语句的判断条件替换为对解密函数的调用，实现代码混淆。本发明技术方案能够让混淆的代码更具隐蔽性，提高程序抗逆向分析能力。
-
Patent Agency Ranking
公开(公告)号：CN119862275A
公开(公告)日：2025-04-22
申请号：CN202411933203.6
申请日：2024-12-26
Applicant: 广东工业大学
IPC: G06F16/335 , G06F16/334 , G06F16/35 , G06F40/30 , G06N3/048 , G06N3/0499
Abstract: 本发明公开的属于知识追踪技术领域，具体为一种结合难度特征和时间相关性特征的知识追踪方法，包括具体步骤如下：筛选学生数据，构建学生答题数据集，对学生数据进行预处理；构建知识追踪模型，用于预测学生答题情况并输出学生知识掌握水平；训练知识追踪模型；应用模型，为学生个性化推荐问题，本发明通过问题与各知识点的关联权重和问题难度，增强了题目嵌入的难度特征信息，并根据不同学生的知识掌握水平，给出了符合学生知识水平的个性化问题难度；通过学生做题用时、做题时间间隔和答题情况得到学生答题表现，再结合个性化问题难度计算学生的知识获取程度，丰富了知识获取程度的语义信息。
-
公开(公告)号：CN118963824A
公开(公告)日：2024-11-15
申请号：CN202410973813.2
申请日：2024-07-19
Applicant: 广东工业大学
IPC: G06F8/73 , G06F8/41 , G06N3/0442 , G06N3/0455 , G06N3/045
Abstract: 本发明公开的属于代码注释生成技术领域，具体为一种基于语法优化和上下文增强的代码注释生成的方法，包括具体步骤如下：构建函数代码/参考注释对、分割数据集、函数代码预处理、构建代码注释词库、构建多模态模型、模型训练、生成目标代码函数注释。本发明通过将代码表示为抽象语法树及程序依赖图，并提出两种算法来简化AST的结构及扩充PDG节点的信息，通过这些改造，生成了两种新的模态：VFO‑AST和Context‑PDG，这些改进旨在降低AST的复杂性，丰富PDG节点的语义信息，并通过多模态方法融合不同的代码表示形式，以获取更丰富的代码表示，从而生成更高质量的代码注释。
-
公开(公告)号：CN118314053B
公开(公告)日：2024-10-15
申请号：CN202410741565.9
申请日：2024-06-11
Applicant: 广东工业大学
IPC: G06T5/73 , G06N3/0464 , G06N3/082 , G06T5/60
Abstract: 本发明公开了一种基于神经网络的对无人机巡检航拍图像去雾方法，属于图像处理领域，该方法包括以下步骤：基于无人机巡检航拍图像构建图像数据集；构建启发式感知去雾神经网络，基于图像数据集对启发式感知去雾神经网络进行训练得到训练好的启发式感知去雾神经网络；将待去雾处理的无人机巡检航拍图像输入训练好的启发式感知去雾神经网络进行处理得到无雾清晰航拍图像。本发明能够在去雾的同时尽可能地保留原始图像中的细节和纹理，给巡检工作人员对去雾图像的分析工作带来便利。
-
公开(公告)号：CN118314525A
公开(公告)日：2024-07-09
申请号：CN202410727107.X
申请日：2024-06-06
Applicant: 广东工业大学
IPC: G06V20/52 , G06V20/70 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/774 , G01J5/00 , G01J5/48 , G01R31/00 , H02J13/00
Abstract: 本发明属于设备状态检测技术领域，并公开了一种变电站设备状态检测方法，包括：获取待测变电站的设备红外图像，对所述设备红外图像中的各设备进行标注，得到带有边界框的设备红外图像，基于带有边界框的设备红外图像构建变电站设备红外图像数据集；将所述变电站设备红外图像数据集输入设备状态检测模型中进行分类预测，得到变电站设备状态信息；其中，所述设备状态检测模型由依次连接的多通道特征提取模块，加权空间金字塔池化模块和检测层构成。本发明所述技术方案能够自动化快速准确地判断变电站设备状态，解决了变电站设备状态检测效率低，漏判错判，时效性不足的问题。
-
公开(公告)号：CN118314442A
公开(公告)日：2024-07-09
申请号：CN202410741672.1
申请日：2024-06-11
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于深度学习的输电杆塔异物隐患识别方法，包括：构建输电杆塔异物原始数据集并进行预处理，获得处理后的输电杆塔异物数据集；构建基于深度学习的输电杆塔异物隐患识别模型，基于处理后的输电杆塔异物数据集对输电杆塔异物隐患识别模型进行训练，获得训练后的输电杆塔异物隐患识别模型；基于训练后的输电杆塔异物隐患识别模型对输电杆塔中的异物进行识别，获得识别结果。本发明有效提升了在复杂环境下的异物检测准确率和系统的计算效率，还增强了模型在处理不规则和多尺度特征时的适应性和鲁棒性，显著提高了输电杆塔异物隐患别模型的实用性和可靠性。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.109 seconds)
