-
公开(公告)号:CN112462346A
公开(公告)日:2021-03-09
申请号:CN202011357009.X
申请日:2020-11-26
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于卷积神经网络的探地雷达路基病害目标检测方法,其包括获取探地雷达仿真及实际采集的原始图像数据;对其分别进行相应预处理得探地雷达预处理图像;标记存储原始及预处理图像中的目标信息;将探地雷达图像与标记信息文件一同构建为PASCAL VOC数据集,并划分为训练集、验证集和测试集;结合标记目标边框纵横比动态设置锚框参数初始值;进而采用训练集训练及验证集微调搭建的Cascade R‑CNN网络得卷积网络模型,使用测试集评价网络模型性能,最终实现探地雷达路基病害目标的准确快速检测。本发明不依赖于人为识别,具有较强泛化能力,可实现路基病害目标的快速且准确检测。
-
公开(公告)号:CN119520060A
公开(公告)日:2025-02-25
申请号:CN202411617700.5
申请日:2024-11-13
Applicant: 西安交通大学
IPC: H04L9/40 , G06F18/23213 , G06F18/2321 , G06F18/231 , G06F18/24 , G06F18/213 , G06N3/0499 , G06N3/088
Abstract: 本申请提供了一种基于流量特征分析的网络未知行为检测方法、装置及设备,涉及网络安全技术领域,旨在解决针对网络行为检测的相关技术难以适应复杂的加密网络环境以及高度依赖人工标签的问题。该方法包括:对待检测网络流量的原始字节数据进行字节编码处理,得到单通道灰度图像形式的目标流量;根据基于无监督训练任务的流量特征提取器,对目标流量进行特征提取;通过聚类算法群和可增量更新式的分类器群对目标流量的特征向量进行聚类和分类;将特征向量、聚类结果和分类结果输入到MLP多层感知机模型中进行训练,根据训练后的度量学习模型对目标流量的特征向量进行转化;对转化后的特征向量进行简单地聚类划分,得到最终的检测结果。
-
公开(公告)号:CN112462346B
公开(公告)日:2023-04-28
申请号:CN202011357009.X
申请日:2020-11-26
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于卷积神经网络的探地雷达路基病害目标检测方法,其包括获取探地雷达仿真及实际采集的原始图像数据;对其分别进行相应预处理得探地雷达预处理图像;标记存储原始及预处理图像中的目标信息;将探地雷达图像与标记信息文件一同构建为PASCAL VOC数据集,并划分为训练集、验证集和测试集;结合标记目标边框纵横比动态设置锚框参数初始值;进而采用训练集训练及验证集微调搭建的Cascade R‑CNN网络得卷积网络模型,使用测试集评价网络模型性能,最终实现探地雷达路基病害目标的准确快速检测。本发明不依赖于人为识别,具有较强泛化能力,可实现路基病害目标的快速且准确检测。
-
公开(公告)号:CN112666552B
公开(公告)日:2023-04-25
申请号:CN202011187461.6
申请日:2020-10-29
Applicant: 西安交通大学
Abstract: 本发明公开了一种探地雷达数据背景杂波自适应去除方法,选取合适的去除背景杂波参数,根据待处理探地雷达目标信号及地表特性,选取合适的去背景参数,即滤波强度,自适应的利用滑动去均值法滤除探地雷达B‑Scan数据中的背景杂波在探地雷达B‑Scan数据上,根据参数滤波强度设置滑动窗口,将窗口在B‑Scan数据上逐道滑动,依次自适应计算窗口内所含A‑Scan数据的均值,再将当前窗口中第一道待处理的A‑Scan数据减去均值。本发明能够实现水平背景杂波信号的实时更新,自适应各种复杂地下地层和目标情况,同时具备实现方法简单、处理速度高效、占用资源较少的特点。
-
公开(公告)号:CN112666552A
公开(公告)日:2021-04-16
申请号:CN202011187461.6
申请日:2020-10-29
Applicant: 西安交通大学
Abstract: 本发明公开了一种探地雷达数据背景杂波自适应去除方法,选取合适的去除背景杂波参数,根据待处理探地雷达目标信号及地表特性,选取合适的去背景参数,即滤波强度,自适应的利用滑动去均值法滤除探地雷达B‑Scan数据中的背景杂波在探地雷达B‑Scan数据上,根据参数滤波强度设置滑动窗口,将窗口在B‑Scan数据上逐道滑动,依次自适应计算窗口内所含A‑Scan数据的均值,再将当前窗口中第一道待处理的A‑Scan数据减去均值。本发明能够实现水平背景杂波信号的实时更新,自适应各种复杂地下地层和目标情况,同时具备实现方法简单、处理速度高效、占用资源较少的特点。
-
-
-
-