公开(公告)号：CN116704307A

公开(公告)日：2023-09-05

申请号：CN202310817591.0

申请日：2023-07-05

Applicant: 重庆邮电大学

Inventor： 林峰 ,  孙裕琛 ,  蒋建春 ,  彭涛

IPC: G06V10/80 ,  G06V10/40 ,  G06V10/82 ,  G06V10/44 ,  G06N3/0464 ,  G06V10/764 ,  G06T7/73

Abstract: 本发明涉及一种基于图像虚拟点云与激光点云融合的目标检测方法及系统，属于目标检测技术领域。本发明通过采集激光雷达的原始点云、相机的图像，以及激光雷达与相机的标定参数；利用原始点云处理得到的点云深度图将图像转化为稠密的虚拟点云；利用点云密度将稠密的虚拟点云采样为稀疏的虚拟点云；将原始点云和稀疏的虚拟点云进行融合，获得目标点云；将目标点云通过融合三维和二维的稀疏特征提取网络生成点云融合特征；将点云融合特征输入目标检测网络中，得到目标检测结果。本发明通过虚拟点云的采样方法增强了虚拟点云的鲁棒性，减少了虚拟点云的计算消耗，融合三维和二维的稀疏特征提取网络提高了特征的对齐精度和聚合效果。

公开(公告)号：CN119109633A

公开(公告)日：2024-12-10

申请号：CN202411154869.1

申请日：2024-08-22

Applicant: 重庆邮电大学

Inventor： 林峰 ,  彭涛 ,  蒋建春

IPC: H04L9/40 ,  H04L41/16 ,  G06N3/0455 ,  G06N3/08 ,  G06F18/23213 ,  G06F18/241 ,  G06F18/25

Abstract: 本发明涉及一种基于深度学习的网络入侵检测方法，该方法包括：获取待检测的网络流量数据，将其输入训练后的变分自编码器中的编码器网络，提取表征向量；将表征向量输入训练后的分类器网络中进行分类，输出入侵类别的最终检测结果；分类器网络的训练后过程包括：获取带有特定标签的第二训练数据集，经过预处理后输入训练后的变分自编码器中的编码器网络，提取表征向量；分别对所述表征向量进行聚类、过滤和过采样处理，得到增强后的表征向量；对增强后的表征向量分别进行特征提取和特征融合；将融合特征输入分类器网络中进行分类预测，计算分类损失，根据分类损失迭代优化分类器网络。本发明可以提升网络入侵检测的检测性能。