-
公开(公告)号:CN118840322A
公开(公告)日:2024-10-25
申请号:CN202410825920.0
申请日:2024-06-25
申请人: 广东工业大学
IPC分类号: G06T7/00 , G06V20/17 , G06V20/10 , G06V10/25 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464
摘要: 本发明公开的属于道路病害检测技术领域,具体为一种基于深度学习的道路病害检测方法,包括利用RDDA算法进行检测的步骤,具体如下:道路病害数据集构建、构建图像特征提取模块、设计深度可分离无参注意力机制卷积模块、提取特征图深层特征、设计空间金字塔自适应池化融合模块、使用FPN模块进行特征融合、设计NWD‑EIoU损失函数、使用Head检测头检测、模型的训练和验证、将模型进行应用,本发明有效的解决了当前道路病害检测算法参数量大、小目标病害检测精度不足、复杂背景下道路病害检测效果差的问题,从而使得本发明的算法参数量更低,能够适合边缘设备的部署,满足道路病害检测的轻量化和实时性需求。
-
公开(公告)号:CN118887543A
公开(公告)日:2024-11-01
申请号:CN202410957334.1
申请日:2024-07-17
申请人: 广东工业大学
IPC分类号: G06V20/10 , G06V10/774 , G06V10/764 , G06V10/82
摘要: 本发明公开的属于输电走廊山火识别技术领域,具体为一种基于深度学习的输电走廊山火识别方法,包括具体步骤如下:构建输电走廊山火图像数据集;对输电走廊山火图像数据集中的输电走廊山火图像进行特征增强;构建了一种基于深度学习的输电走廊山火识别模型,将输电走廊山火图像输入模型中,模型自动识别输电走廊图像中的山火;划分输电走廊山火图像数据集,训练并验证输电走廊山火识别模型;应用输电走廊山火识别模型,本发明通过多层次特征图信息提取,使得模型能够更准确地提取山火特征从而有效提升了在复杂的输电走廊环境下的山火识别准确率,并且通过不断的学习和训练,可以进一步提高山火识别的准确性和效率。
-
公开(公告)号:CN118781479A
公开(公告)日:2024-10-15
申请号:CN202410716377.0
申请日:2024-06-04
申请人: 广东工业大学
IPC分类号: G06V20/10 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
摘要: 本发明公开了一种基于位置注意力和多尺度残差特征的遥感影像建筑物提取方法,涉及建筑物提取技术领域。本发明包括以下步骤:Step1:预处理遥感影像数据集,获取遥感影像数据集,根据得到的遥感影像数据集制作遥感影像样本标签,将RGB遥感影像数据集与对应的遥感影像单通道数字标签分别进行垂直翻转的数据增强操作。本发明通过遥感影像建筑物提取模型FCM‑Net构建的特征解码模块中使用跳跃连接和深度监督设计。跳跃连接将来自不同尺度特征图的高级语义和低级语义相结合,减少编码器和解码器之间的语义差距;深度监督设计为在特征解码模块的第0层的每一个输出块(X0,1、X0,2、X0,3和和X0,4)后添加1×1卷积和FPReLu激活函数,以缓解梯度消失问题,加快收敛速度。
-
公开(公告)号:CN118332528B
公开(公告)日:2024-08-30
申请号:CN202410767432.9
申请日:2024-06-14
申请人: 广东工业大学
IPC分类号: G06F21/14 , G06F40/253 , G06N3/0455 , G06N3/08 , G06F21/60
摘要: 本发明属于代码混淆技术领域,并公开了一种基于深度学习的代码混淆方法、系统、设备及介质,包括:对分支语句进行预处理,得到AST语法树的节点‑编号序列和叶子节点值‑编号序列;基于序列数据构建AST语法树中根节点到各叶子节点的路径集合;将路径集合输入代码混淆模型中,得到第一密文;基于DES算法对第一密文进行二次加密,得到第二密文;构建解密模型,基于解密模型构建解密函数;将第二密文输入解密函数中进行解密,先得到对应的第一密文,然后解密第一密文,最后得到对应分支语句的判断条件;将分支语句的判断条件替换为对解密函数的调用,实现代码混淆。本发明技术方案能够让混淆的代码更具隐蔽性,提高程序抗逆向分析能力。
-
公开(公告)号:CN118332528A
公开(公告)日:2024-07-12
申请号:CN202410767432.9
申请日:2024-06-14
申请人: 广东工业大学
IPC分类号: G06F21/14 , G06F40/253 , G06N3/0455 , G06N3/08 , G06F21/60
摘要: 本发明属于代码混淆技术领域,并公开了一种基于深度学习的代码混淆方法、系统、设备及介质,包括:对分支语句进行预处理,得到AST语法树的节点‑编号序列和叶子节点值‑编号序列;基于序列数据构建AST语法树中根节点到各叶子节点的路径集合;将路径集合输入代码混淆模型中,得到第一密文;基于DES算法对第一密文进行二次加密,得到第二密文;构建解密模型,基于解密模型构建解密函数;将第二密文输入解密函数中进行解密,先得到对应的第一密文,然后解密第一密文,最后得到对应分支语句的判断条件;将分支语句的判断条件替换为对解密函数的调用,实现代码混淆。本发明技术方案能够让混淆的代码更具隐蔽性,提高程序抗逆向分析能力。
-
公开(公告)号:CN118196396A
公开(公告)日:2024-06-14
申请号:CN202410467026.0
申请日:2024-04-18
申请人: 广东工业大学
IPC分类号: G06V10/25 , G06V10/44 , G06V10/80 , G06V10/774 , G06V10/766 , G06V10/82 , G06V20/05 , G06N3/0464 , G06N3/045 , G06N3/0985 , G06N3/048 , G06V10/764
摘要: 本发明提供了一种基于深度学习的水下目标检测方法,包括以下步骤:采集水下目标检测数据集,对数据集进行预处理,筛选合格的图像数据,平衡各个类别水下目标样本数量,并对所构建的数据集进行标注;本发明通过结合注意力机制和PReLU激活函数,我们构建了一种全新的目标检测头,称为PRHead。这个PRHead具有动态的特性,能够更好地适应不同目标检测任务的需求。利用注意力机制可以使模型更加集中地关注重要的目标区域,而PReLU激活函数则能够提高模型的非线性拟合能力,进一步增强了PRHead的表达能力,使用本发明提出的方法训练的水下目标检测模型具有更高的检测精度,模型的参数量和计算量更少,满足水下目标检测任务对模型轻量化和高实时性的要求。
-
-
-
-
-