跨域小样本的识别模型的训练方法、识别方法及设备

    公开(公告)号:CN118675017A

    公开(公告)日:2024-09-20

    申请号:CN202411144032.9

    申请日:2024-08-20

    摘要: 本申请公开了一种跨域小样本的识别模型的训练方法、识别方法及设备,训练方法包括:获取任意源域图像的振幅特征和任意目标域图像的振幅特征,将源域图像的振幅特征替换为目标域图像的振幅特征,获得类目标域图像;将多张源域图像、多张目标域图像和多张类目标域图像作为训练集;利用训练集对识别模型进行训练,其中在利用源域图像和类目标域图像进行训练的过程中,将源域图像的注意力矩阵和类目标域图像的注意力矩阵替换为目标域图像的注意力矩阵,以对源域图像和类目标域图像的特征矩阵进行重建。本申请能够实现目标域的信息感知,从而能够增强源域图像的表达能力,能更好丰富样本特征。

    不完全多模态行人重识别方法及系统

    公开(公告)号:CN118570878A

    公开(公告)日:2024-08-30

    申请号:CN202411031140.5

    申请日:2024-07-30

    摘要: 本发明实施例公开了一种不完全多模态行人重识别方法及系统,所述方法包括:数据集构建步骤:构建三种模态配对的行人图像数据集;模型构建步骤:构建基于互学习的不完全多模态行人重识别模型;训练步骤:使用所述数据集的数据训练所述模型,得到训练好的模型;识别步骤:将任意模态组合的行人图像输入训练好的模型,提取目标行人的外观特征,并与图库中的行人特征计算相似度,按照相似度排序输出结果,完成行人重识别。本发明同时利用可见光‑近红外‑热红外中的互补信息,在复杂光照条件和恶劣天气下表现良好。此外,本发明实现了缺失模态特征的精细化补偿,提高了模态完备和模态缺失两种场景下的性能。

    许可链智能合约漏洞的检测方法、装置、设备及存储介质

    公开(公告)号:CN117828618B

    公开(公告)日:2024-05-03

    申请号:CN202410251367.4

    申请日:2024-03-06

    IPC分类号: G06F21/57 G06F21/56 G06F11/36

    摘要: 本发明涉及智能合约技术领域,尤其涉及一种许可链智能合约漏洞的检测方法,该方法包括:获取许可链智能合约的源代码,并根据所述源代码构建程序依赖图;对所述程序依赖图进行切片处理,得到切片集;对所述切片集进行符号执行处理,得到所述许可链智能合约的漏洞信息。该方法通过程序切片技术可以将复杂的许可链智能合约简化为多个切片,同时维持切片的可执行性,以删除不必要分析的分支和语句。再使用符号执行技术对每个切片进行漏洞探测,缓解由于传统符号执行技术考虑所有可能执行路径,导致分析规模过度膨胀、形成路径爆炸和内存过度消耗的问题,进而提高许可链智能合约漏洞的检测效率。

    一种跨域目标检测模型训练方法、目标检测方法及装置

    公开(公告)号:CN118570610A

    公开(公告)日:2024-08-30

    申请号:CN202411001398.0

    申请日:2024-07-25

    摘要: 本发明公开了一种跨域目标检测模型训练方法、目标检测方法及装置,涉及目标检测技术领域,解决了目标检测模型的泛化能力弱,在面对自动驾驶场景下复杂多变的实际场景检测效果差的技术问题。该方法包括:根据所述领域训练样本进行训练,得到初始检测模型;构建领域判别模块,通过所述领域判别模块与所述初始检测模型进行对抗训练,由所述领域判别模块输出对抗结果;获取所述领域训练样本的前景权重信息,给所述对抗结果施加前景权重信息的约束,构建得到前景感知模块;通过所述领域判别模块和前景感知模块对所述初始检测模型进行交替训练,得到跨域目标检测模型。本发明的检测模型泛化能力强,检测效果好。

    随机性人体运动预测方法、终端设备及存储介质

    公开(公告)号:CN118485692A

    公开(公告)日:2024-08-13

    申请号:CN202410939179.0

    申请日:2024-07-15

    摘要: 本发明公开了一种随机性人体运动预测方法、终端设备及存储介质,解决了现有技术预测的未来运动不够准确,且无法实现语义可控预测。涉及人体运动分析技术领域。其步骤包括:将获取的过去人体骨架序列对应的条件特征与根据查询条件得到的可学习运动查询向量耦合,得到耦合特征;将耦合特征进行拓扑空间压缩,抽象出全局特征;通过全局特征预测潜在空间中构建的正交基的系数;将预测的系数与正交基进行线性组合,将线性组合结果与条件特征耦合,将耦合结果解码,得到预测的多个未来人体骨架序列。本发明有效解决了现有技术预测不够准确且无法语义可控预测的问题。

    许可链智能合约漏洞的检测方法、装置、设备及存储介质

    公开(公告)号:CN117828618A

    公开(公告)日:2024-04-05

    申请号:CN202410251367.4

    申请日:2024-03-06

    IPC分类号: G06F21/57 G06F21/56 G06F11/36

    摘要: 本发明涉及智能合约技术领域,尤其涉及一种许可链智能合约漏洞的检测方法,该方法包括:获取许可链智能合约的源代码,并根据所述源代码构建程序依赖图;对所述程序依赖图进行切片处理,得到切片集;对所述切片集进行符号执行处理,得到所述许可链智能合约的漏洞信息。该方法通过程序切片技术可以将复杂的许可链智能合约简化为多个切片,同时维持切片的可执行性,以删除不必要分析的分支和语句。再使用符号执行技术对每个切片进行漏洞探测,缓解由于传统符号执行技术考虑所有可能执行路径,导致分析规模过度膨胀、形成路径爆炸和内存过度消耗的问题,进而提高许可链智能合约漏洞的检测效率。

    面向不平衡数据的IgA肾病的预测分析系统

    公开(公告)号:CN115565681A

    公开(公告)日:2023-01-03

    申请号:CN202211294731.2

    申请日:2022-10-21

    摘要: 本发明提供了面向不平衡数据的IgA肾病的预测分析系统,涉及数据处理分析技术领域;包括数据收集模块、数据预处理模块、数据归一化模块、模型训练模块以及模型预测模块;所述数据预处理模块,连接在数据收集模块上,对临床检查数据和病理检查数据进行预处理,构成临床数据F;数据归一化模块,连接在数据预处理模块上,将得到的IgA肾病患者的临床数据F进行数据归一化操作;模型训练模块,与所述数据归一化模块连接,用于训练面向不平衡数据的IgA肾病预测模型;模型预测模块,与模型训练模块相连接,预测临床样本的IgA肾病恶化概率;本发明的有益效果是:提高IgA肾病患者恶化概率的预测效率。

    基于SAM模型的多模态医学图像分割方法及系统

    公开(公告)号:CN118537567A

    公开(公告)日:2024-08-23

    申请号:CN202411012059.2

    申请日:2024-07-26

    摘要: 本发明实施例公开了一种基于SAM模型的多模态医学图像分割方法及系统,所述方法包括:构建步骤:构建用于分割多模态医学图像的SAM模型,所述模型包括图像编码器、掩膜解码器、提示编码器、模态编码器和模态感知模块;训练步骤:使用交叉熵损失和Dice损失来训练所述SAM模型;分割步骤:所述SAM模型根据点击提示或者物体框提示输出对多模态医学图像中各个对象的分割结果。本发明通过引入轻量级的模态编码器和模态感知模块,实现了对SAM模型的多模态拓展,避免了对于每一种多模态任务都重新训练大模型的巨大计算开销,提升了医学图像的分割性能,从而实现了SAM在多模态医学图像分割任务中的高效应用,进而提高了诊断的准确性和可靠性。

    用于医学图像的模型训练方法、分割方法及设备

    公开(公告)号:CN118230098B

    公开(公告)日:2024-08-02

    申请号:CN202410645363.4

    申请日:2024-05-23

    摘要: 本申请公开了一种用于医学图像的模型训练方法、分割方法及设备,模型训练方法包括如下步骤:获取多个医学图像数据,将多个医学图像数据分为第一训练集和第二训练集;利用第一训练集对第一模型进行预训练,获取第二模型;对第二训练集进行数据增强,获取第三训练集;对第二训练集进行切片处理,获得多组第一切片数据;对第三训练集进行切片处理,获得多组第二切片数据;利用多组第一切片数据和多组第二切片数据对第二模型进行实时调整至第二模型收敛,获得第三模型。本申请能够显著减少对大量标记数据的依赖,同时能够较好地利用医学图像数据中连续切片的空间信息,从而能够提高模型在医学临床场景下实时处理跨模态数据的准确性。