-
公开(公告)号：CN118885827A
公开(公告)日：2024-11-01
申请号：CN202411379898.8
申请日：2024-09-30
Applicant: 厦门理工学院
IPC: G06F18/22 , G06F8/53 , G06N3/0442 , G06N3/0455 , G06N3/042
Abstract: 本发明提供的跨架构二进制代码的相似性检测方法、系统、设备及介质，涉及信息安全技术领域。本发明通过获取待检测的两份二进制代码文件；将两份二进制代码文件进行反汇编，提取得到对应的二进制代码函数信息;将二进制代码函数信息输入预先训练好的基于孪生网络架构的多模态跨架构二进制代码相似性检测模型，输出相似性检测结果。本发明基于K‑BERT深度学习模型生成不同架构下的语义嵌入向量；采用GGNN模型提取出结构嵌入向量；并经MLP多层感知机融合处理后，在孪生网络进行相似性度量，得到相似性检测结果。本发明有效解决了现有技术的局限性，通过多模态信息的有效融合，实现了跨架构特征的统一表达，显著提升了二进制代码相似性检测的精度与鲁棒性。
-
公开(公告)号：CN118609147A
公开(公告)日：2024-09-06
申请号：CN202410511895.9
申请日：2024-04-26
Applicant: 厦门理工学院 , 福建火炬电子科技股份有限公司
IPC: G06V30/412 , G06V30/18 , G06V30/19 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本申请提出了一种基于掩码注意力的电容检验报告表格识别方法，包括：S1、输入含有电容检验报告表格的图像，并对输入的图像进行特征提取；S2、对提取的图像特征进行卷积得到不同尺寸的图像特征，融合不同尺寸的图像特征，并对融合后的图像特征进行反卷积得到适应三个不同尺寸的特征图；S3、对特征图进行n级解码并输出每个单元信息的14个属性。该方法采用了掩码注意力机制的编解码特征学习机制，模型可以直接输出表格的表格结构信息，从而通过后处理可以构造出电容检验报告的完整表格信息，具备准确高效的应用效果，大大提高了电容检验报告分析工作效率和分析报告的准确性。
-
公开(公告)号：CN118144901A
公开(公告)日：2024-06-07
申请号：CN202410279377.9
申请日：2024-03-12
Applicant: 厦门理工学院
Abstract: 本发明涉及取料结构技术领域，且公开了一种侧向取料结构，包括车体，所述车体的外壁开设有方槽，所述方槽的内壁开设有活动槽，所述活动槽的内壁滑动连接有齿条，所述方槽的内壁滑动连接有密封板，所述车体的底部内壁固定装配有支撑腿，所述支撑腿的顶部固定装配有收集壳。通过设置的车体、方槽、密封板、齿条、螺杆结构，使得该取料结构在对物料进行接取的过程中，螺杆转动带动滑块移动，同时还能够带动齿轮转动而让齿条带动密封板与方槽发生错位或者重合，以此保障接料壳能够移动至收集壳的外部来对物料进行接取作业，反之也能够收集壳进行密封，保障外界杂质无法接触接取到的物料，提高了该取料结构的密封性。
-
公开(公告)号：CN117786682B
公开(公告)日：2024-05-14
申请号：CN202410217549.X
申请日：2024-02-28
Applicant: 厦门理工学院
IPC: G06F21/55 , G06F18/214 , G06F18/2415
Abstract: 本发明提供了基于增强框架的物理对抗攻击方法、装置、设备及介质，涉及物理对抗攻击技术领域，在FA(fast autoaugmentation，快速自动增强)的基础上引入了一种高效的增强策略搜索方法，通过学习这些策略来提高鲁棒对抗攻击的泛化性能；同时，在AFA(adversarial fast autoaugmentation，对抗快速自动增强)的基础上，进一步提出了结合MSEM（multi‑sample ensemble method，多样本集成方法）和MLEM（most‑likely ensemble method，最可能集成方法）的对抗性图像攻击，能够在数字和真实世界场景中同时欺骗多个分类器。能够解决现有的物理对抗攻击方案存在不确定性，使得在训练过程中拟合对抗噪声具有新的挑战性，并且在处理大规模攻击数据集时，存在增加人力问题。
-
公开(公告)号：CN117475519B
公开(公告)日：2024-03-12
申请号：CN202311797195.2
申请日：2023-12-26
Applicant: 厦门理工学院 , 厦门瑞为信息技术有限公司
Abstract: 本发明公开了基于孪生网络与多重通道融合的脱机笔迹鉴别方法，将两张输入的笔迹图片进行取反操作，获取其反灰度图片，包括参考图片、测试图片、参考图片的反灰度图片、测试图片的反灰度图片四张笔迹图片；将四张笔迹图片分别进入同一个网络模型提取图像特征向量#imgabs0#，生成相应的四个特征向量；特征向量#imgabs1#经过两次双重笔迹注意力，进行权重加权处理，得到特征向量Y；将四张笔迹图片经过图像处理的128维图片进行融合，融合有512维图片；将融合后的图片经过自注意力与卷积操作，进行判断；将输出的特征向量进行sigmoid操作，将其作为置信度用来判断两张输入图片是否为同一个人书写。
-
Patent Agency Ranking
公开(公告)号：CN117523587A
公开(公告)日：2024-02-06
申请号：CN202311427150.6
申请日：2023-10-31
Applicant: 厦门理工学院
IPC: G06V30/242 , G06V30/19 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0442
Abstract: 本发明涉及一种基于字符敏感编辑距离的零样本汉字识别方法。汉字图像经过编码器，得到特征向量；特征向量分别经过解码器、部首计数模块，得到预测的汉字表意描述序列以及预测部首数量；汉字表意描述序列中的部首数量与预测部首数量相比较，形成代价门控用来约束编辑距离中的插入代价和删除代价。通过查找结构、笔画数、偏旁和四角号码字典信息，获得每个部首对之间的相似度作为替换代价；汉字表意描述序列和IDS字典中的每个候选序列经过编辑距离获得相似得分；选取相似得分最高的候选序列所对应的汉字为最终汉字。本发明方法消除了模型错误识别成相似部首和模型过解析或欠解析造成的部首序列失匹配的影响，有效地提高了对未见汉字的识别能力。
-
公开(公告)号：CN117197157A
公开(公告)日：2023-12-08
申请号：CN202310059519.6
申请日：2023-01-16
Applicant: 厦门理工学院
Abstract: 本发明涉及基于网格区域指导的交互式图像分割方法，包括，步骤S1:获取待处理图像，并根据分割目标属性选择网格大小；步骤S2:在待处理图像上覆盖步骤S1选择的相应大小的网格区域；步骤S3:在交互选择时，实时判断点击行为和移动轨迹，记录并可视化反馈用户选择的网格区域;步骤S4：确认完成所有选择后，将记录的选择区域转化为高斯距离图，生成正负指导，和原图拼接后，得到输入数据；步骤S5:构建分割网络并训练，将训练好的分割网络根据输入数据对目标进行分割，返回初始的分割结果；步骤S6:基于初始的分割结果，根据预设大小的正方形框对错误区域进行校正框选；步骤S7:根据校正框选的区域对交互指导做出修改，重新输入网络分割，并返回细化结果。
-
公开(公告)号：CN116798008A
公开(公告)日：2023-09-22
申请号：CN202310751516.9
申请日：2023-06-25
Applicant: 厦门理工学院
IPC: G06V20/54 , G06V10/74 , G06V10/80 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明提出一种基于代表性空间特征的车辆重识别方法，通过分析基于代表性空间方向的有效细微表征特征，分离车辆的代表性空间SRS信息和非空间区域的辨别信息，来完成车辆重识别任务，包括以下步骤；步骤一、选择并训练用于提取车辆关键点信息的识别网络，并通过关键点信息捕捉到有代表性的局部空间区域；步骤二、利用局部空间区域的代表性空间特征和非空间区域的区分性特征来消除空间转移产生的干扰，同时增强识别网络的模型稳健性；步骤三、结合全局鉴别性信息、代表性空间信息进行车辆再识别，以提高模型的性能；本发明能够明显提高车辆识别任务的性能，有效地提高了模型对空间视角信息变化的处理能力，解决了各种时空状态下的物体匹配问题。
-
公开(公告)号：CN116778384A
公开(公告)日：2023-09-19
申请号：CN202310751151.X
申请日：2023-06-25
Applicant: 厦门理工学院
IPC: G06V20/40 , G06V20/52 , G06V10/80 , G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于多帧交互与多层融合的视频行人重识别方法及系统，该方法包括以下步骤：1）从数据集中抽取多个行人的视频序列，形成由视频序列组成的训练数据集；2）构建基于多帧交互与多层融合的视频行人重识别网络模型，所述视频行人重识别网络模型主要包括帧内空间交互模块、多帧时序交互模块、多级别局部增强模块、分割策略模块和多帧分类头结合模块；通过使用训练数据集对视频行人重识别网络模型进行训练，得到网络模型参数；3）将训练好的视频行人重识别网络模型用于检索测试视频中含有该行人的视频，实现视频行人重识别。该方法及系统有利于获得更加稳定、鲁棒、准确的视频行人重识别结果。
-
公开(公告)号：CN115187997B
公开(公告)日：2023-07-28
申请号：CN202210823652.X
申请日：2022-07-13
Applicant: 厦门理工学院
IPC: G06V30/18 , G06V30/19 , G06V30/28 , G06V10/44 , G06V10/75 , G06V10/764 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提出一种基于关键偏旁部首分析的零样本汉字识别方法，包括以下步骤；步骤S1：获取汉字图像建立汉字识别数据集；步骤S2：把数据集中的每个汉字表示为唯一的树状结构，进行先序遍历，获取汉字表意描述序列；步骤S3：建立汉字表意描述序列生成模型；步骤S4：使用汉字识别数据集对汉字表意描述序列生成模型进行深度学习训练；步骤S5：以深度学习训练后的汉字表意描述序列生成模型经汉字表意描述序列生成模型，生成汉字的表意描述序列；步骤S6：建立关键偏旁部首分析模型；步骤S7：根据生成的汉字表意描述序列，使用关键偏旁部首分析模型对汉字类别进行预测。本发明能将汉字识别问题转化为不确定性消除问题，提高模型对预测表意描述序列的利用能力。
-
-
-
-
-
-
-
-
-
Search Results
205
records
(took 0.027 seconds)
