-
公开(公告)号：CN116881903A
公开(公告)日：2023-10-13
申请号：CN202310870371.4
申请日：2023-07-14
Applicant: 暨南大学
Abstract: 本发明涉及溯源图入侵检测技术领域，提出一种面向溯源图入侵检测的恶意行为子图分级提取方法及系统，其中包括以下步骤：将溯源图G中的恶意顶点以其在恶意顶点集合中的层级为基线进行排序，得到层级排序后的恶意顶点集合AN；根据层级排序后的恶意顶点集合AN，在溯源图G上逐层级进行锚顶点剪枝，得到由若干恶意行为子图组成的恶意行为子图集合；对经过锚顶点剪枝的所述恶意行为子图依次进行迭代锚顶点剪枝，直至所述恶意顶点集合AN中的顶点元素全部被删除，得到相应锚顶点层级的恶意行为子图，用于对溯源图规则库的自动扩充。
-
公开(公告)号：CN115100681B
公开(公告)日：2024-10-15
申请号：CN202210721153.X
申请日：2022-06-24
Applicant: 暨南大学
IPC: G06V40/10 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种衣着识别方法、系统、介质及设备，该方法包括下述步骤：获取多场景下的摄像头视频，将其中的黑白视频着色，整合得到全彩色的图像数据库，对图像数据库进行解帧和标注，构建衣着数据集，基于YOLOv5模型构建衣着识别网络，在主干网络层尾部增加坐标注意力模块，在Neck网络层将YOLOv5模型中的拼接模块替换为Concat_bifpn模块；基于衣着数据集训练衣着识别网络；进行复合检测，基于YOLOv5模型对测试集中的人物进行识别，裁剪提取得到人像结果集，输入衣着识别网络得到衣着识别结果图像集。本发明解决了摄像头环境下目标检测难的问题，实现了精度与速度平衡的高效目标检测效果。
-
Patent Agency Ranking
公开(公告)号：CN116703108A
公开(公告)日：2023-09-05
申请号：CN202310740495.0
申请日：2023-06-20
Applicant: 暨南大学
IPC: G06Q10/0631 , G06Q10/10 , G06N5/025 , G06F16/901
Abstract: 本发明提供一种基于top‑k结构洞的众包问题选择方法和系统，方法包括：获取众包问题集合并设置对应的初始收益；根据问题集合构造概率传播图；根据概率传播图计算图中的top‑k结构洞，获得top‑k结构洞集合；在问题集合中随机选择一个众包问题，遍历top‑k结构洞集合，若所选的众包问题为top‑k结构洞集合中的问题，则对所选的众包问题附加定量权重；计算每个所选问题的收益增量；将每个收益增量与初始收益最大的众包问题的收益增量进行比较，若大于，则将对应问题加入结果集合；重复上述步骤，将迭代更新后的结果集合作为最终的众包问题选择结果；本发明能够降低评估成本和提高准确度，同时提高众包效率，显著改善众包工作者的工作体验。
-
公开(公告)号：CN115100681A
公开(公告)日：2022-09-23
申请号：CN202210721153.X
申请日：2022-06-24
Applicant: 暨南大学
Abstract: 本发明公开了一种衣着识别方法、系统、介质及设备，该方法包括下述步骤：获取多场景下的摄像头视频，将其中的黑白视频着色，整合得到全彩色的图像数据库，对图像数据库进行解帧和标注，构建衣着数据集，基于YOLOv5模型构建衣着识别网络，在主干网络层尾部增加坐标注意力模块，在Neck网络层将YOLOv5模型中的拼接模块替换为Concat_bifpn模块；基于衣着数据集训练衣着识别网络；进行复合检测，基于YOLOv5模型对测试集中的人物进行识别，裁剪提取得到人像结果集，输入衣着识别网络得到衣着识别结果图像集。本发明解决了摄像头环境下目标检测难的问题，实现了精度与速度平衡的高效目标检测效果。
-
公开(公告)号：CN116703108B
公开(公告)日：2024-03-08
申请号：CN202310740495.0
申请日：2023-06-20
Applicant: 暨南大学
IPC: G06Q10/0631 , G06Q10/10 , G06N5/025 , G06F16/901
-
公开(公告)号：CN116881903B
公开(公告)日：2024-02-06
申请号：CN202310870371.4
申请日：2023-07-14
Applicant: 暨南大学
Abstract: 本发明涉及溯源图入侵检测技术领域，提出一种面向溯源图入侵检测的恶意行为子图分级提取方法及系统，其中包括以下步骤：将溯源图G中的恶意顶点以其在恶意顶点集合中的层级为基线进行排序，得到层级排序后的恶意顶点集合AN；根据层级排序后的恶意顶点集合AN，在溯源图G上逐层级进行锚顶点剪枝，得到由若干恶意行为子图组成的恶意行为子图集合；对经过锚顶点剪枝的所述恶意行为子图依次进行迭代锚顶点剪枝，直至所述恶意顶点集合AN中的顶点元素全部被删除，得到相应锚顶点层级的恶意行为子图，用于对溯源图规则库的自动扩充。
-
公开(公告)号：CN113283616A
公开(公告)日：2021-08-20
申请号：CN202110398156.X
申请日：2021-04-14
Applicant: 暨南大学
Abstract: 本发明公开了一种废旧产品拆解序列与拆解深度集成决策方法，包括以下步骤，S1、构建零件回收综合评价指标体系；S2、数据收集及预处理；S3、利用Choquet积分计算零件的回收评价值；S4、构造废旧产品的拆解优先图并赋予节点对应的零件的回收评价值；S5、采用拓扑排序的方法结合零件回收评价值确定完全拆解序列；S6、构造拆解深度价值曲线；S7、进行拆解深度决策。本发明方法与传统的优化方法相比，在保证解的质量的同时极大的缩短了求解废旧产品最佳拆解序列与拆解深度的速度，并且通过合理评价零件的回收效益提高了求得解的可靠性。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
