-
公开(公告)号：CN111242017B
公开(公告)日：2024-01-23
申请号：CN202010027072.0
申请日：2020-01-10
Applicant: 北京邮电大学
IPC: G06V20/13 , G06V10/774
Abstract: 本说明书一个或多个实施例提供一种多标线的路面裂缝识别方法、装置、设备及存储介质，包括：获取实际路面图像；获取标线模型和裂缝模型；其中，标线模型基于第一训练路面图像集训练得到，第一训练路面图像集关联有表示标线的第一标签；裂缝模型基于第二训练路面图像集训练得到，第二训练路面图像集集关联有表示裂缝的第二标签；将实际路面图像输入标线模型，得到标线识别结果；将实际路面图像输入裂缝模型，得到裂缝识别结果；裂缝识别结果减去标线识别结果，得到实际路面裂缝最终识别结果。本发明利用神经网络模型和深度学习的方式进行实际路面图像识别，提升识别准确率，识别速度极快，通过模型叠加，使得识别结果受环境影响小，提高识别效果。
-
公开(公告)号：CN111553381A
公开(公告)日：2020-08-18
申请号：CN202010206983.X
申请日：2020-03-23
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于多网络模型的网络入侵检测方法、装置及电子设备，该网络入侵检测方法包括：获取待处理数据，并对待处理数据进行预处理；对预处理后的数据进行特征提取，得到特征向量；将所述特征向量分别作为预先训练的多个分类网络模型的输入向量，分别得到多个分类网络模型的输出概率值；将多个分类网络模型的输出概率值拼接成一维矩阵信息，作为预先训练的决策模型的输入向量，根据决策模型的输出概率值判断所述待处理数据是否为入侵数据。该基于多网络模型的网络入侵检测方法将多种模型算法有效地结合在一起，共同发挥各自的优势，提高了识别准确率。
-
公开(公告)号：CN111242017A
公开(公告)日：2020-06-05
申请号：CN202010027072.0
申请日：2020-01-10
Applicant: 北京邮电大学
Abstract: 本说明书一个或多个实施例提供一种多标线的路面裂缝识别方法、装置、设备及存储介质，包括：获取实际路面图像；获取标线模型和裂缝模型；其中，标线模型基于第一训练路面图像集训练得到，第一训练路面图像集关联有表示标线的第一标签；裂缝模型基于第二训练路面图像集训练得到，第二训练路面图像集集关联有表示裂缝的第二标签；将实际路面图像输入标线模型，得到标线识别结果；将实际路面图像输入裂缝模型，得到裂缝识别结果；裂缝识别结果减去标线识别结果，得到实际路面裂缝最终识别结果。本发明利用神经网络模型和深度学习的方式进行实际路面图像识别，提升识别准确率，识别速度极快，通过模型叠加，使得识别结果受环境影响小，提高识别效果。
-
公开(公告)号：CN111553381B
公开(公告)日：2022-11-18
申请号：CN202010206983.X
申请日：2020-03-23
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于多网络模型的网络入侵检测方法、装置及电子设备，该网络入侵检测方法包括：获取待处理数据，并对待处理数据进行预处理；对预处理后的数据进行特征提取，得到特征向量；将所述特征向量分别作为预先训练的多个分类网络模型的输入向量，分别得到多个分类网络模型的输出概率值；将多个分类网络模型的输出概率值拼接成一维矩阵信息，作为预先训练的决策模型的输入向量，根据决策模型的输出概率值判断所述待处理数据是否为入侵数据。该基于多网络模型的网络入侵检测方法将多种模型算法有效地结合在一起，共同发挥各自的优势，提高了识别准确率。
-
-
-
Search Results
4
records
(took 0.015 seconds)
