-
公开(公告)号:CN116071677A
公开(公告)日:2023-05-05
申请号:CN202211570964.0
申请日:2022-12-08
Applicant: 浙江工商大学
Abstract: 本发明公开了一种基于级联扩散模型的深度学习视频动作识别方法及系统,本发明通过对视频分别提取水平光流帧、垂直光流帧、RGB帧和级联扩散模型处理的帧;将n帧的光流帧、RGB帧和经级联扩散模型处理的帧分别进行叠加;三者的叠加帧分别通过时间路径、空间路径和级联扩散模型路径进行特征提取,提取后的特征分别经过下采样、平均池化、重构维度和转置操作,最后输入BERT和全连接层得到动作识别结果。本发明运用级联扩散模型,提高了低分辨率视频中的动作的可识别性,利用自注意力BERT能将提取到的特征图进一步提取特征,从而提高识别准确率。对分辨率低的视频动作类给予更多的细节关注,降低出现无法识别或者识别错误的几率。
-
公开(公告)号:CN115798048A
公开(公告)日:2023-03-14
申请号:CN202211565744.9
申请日:2022-12-07
Applicant: 浙江工商大学
Abstract: 本发明公开了一种基于相位谱运动显著性检测的动作识别方法及系统,本发明通过提取待识别视频的RGB帧、光流帧和运动显著性帧,将RGB帧和运动显著性帧逐帧堆叠,又将垂直光流帧和水平光流帧堆叠,得到空间和时间路径的输入特征图,将两个特征图分别输入各自的路径,并对输出进行1维度的拼接,送入自注意力模块使用BERT进一步提取时空特征,对最终输出进行判断,得到预测动作类别。本发明在RGB帧和运动显著性帧的堆叠帧上进行特征提取,有效改进传统双流网络和3D卷积网络对无关背景动作比较敏感的缺点,使模型更加关注视频中的主要动作信息。通过自注意力模块进一步的提取时空特征,可以有效增强最终动作识别准确率。
-
公开(公告)号:CN115422541B
公开(公告)日:2025-05-23
申请号:CN202211157768.0
申请日:2022-09-22
Applicant: 浙江工商大学
IPC: G06F21/56 , G06F21/57 , G06N3/0464
Abstract: 本发明公开了一种基于AST多维特征融合的智能合约代码克隆检测方法,能够有效地解决智能合约代码克隆检测问题。本发明通过将智能合约代码转换为抽象语法树AST,分别对AST横向和纵向两个方向进行分析,提取相应的语法信息和语义信息,然后利用编码器得到AST横向和纵向的融合特征向量;最后通过相似性检测算法计算两个不同合约函数块融合特征向量的相似度。本发明方法通过融合语法和语法特征,能够更加精准地实现智能合约的代码克隆检测,具有良好的前瞻性和参考性。
-
公开(公告)号:CN115422541A
公开(公告)日:2022-12-02
申请号:CN202211157768.0
申请日:2022-09-22
Applicant: 浙江工商大学
Abstract: 本发明公开了一种基于AST多维特征融合的智能合约代码克隆检测方法,能够有效地解决智能合约代码克隆检测问题。本发明通过将智能合约代码转换为抽象语法树AST,分别对AST横向和纵向两个方向进行分析,提取相应的语法信息和语义信息,然后利用编码器得到AST横向和纵向的融合特征向量;最后通过相似性检测算法计算两个不同合约函数块融合特征向量的相似度。本发明方法通过融合语法和语法特征,能够更加精准地实现智能合约的代码克隆检测,具有良好的前瞻性和参考性。
-
-
-