-
公开(公告)号：CN113743233A
公开(公告)日：2021-12-03
申请号：CN202110912415.6
申请日：2021-08-10
Applicant: 暨南大学
Abstract: 本发明公开了基于YOLOv5和MobileNetV2的车辆型号识别方法，包括以下步骤：S1、获取含车辆型号标签的公开车辆图片数据集；S2、对图片数据集按YOLOv5方式打标签；S3、为图片进行预处理；S4、进行YOLOv5训练，反复优化得到模型参数；S5、对原始图片数据集按YOLOv5标签的锚框数据进行裁剪，尽可能裁剪至图片仅含车辆信息；S6、修改MobileNetV2模型，拼接训练好的YOLOv5模型和修改后的MobileNetV2模型；S7、使用标签为车辆型号的原始数据集，预处理后对新拼接得到的模型进行训练，反复优化提升模型性能，得到优化训练完成的识别模型并将其用于实际车辆型号识别。本发明方法解决现有模型识别速率低，不足以满足交通系统的实时性、高效性以及在条件受限的情况下识别的准确率偏低的问题。
-
公开(公告)号：CN112434720A
公开(公告)日：2021-03-02
申请号：CN202011141057.5
申请日：2020-10-22
Applicant: 暨南大学
IPC: G06K9/62 , G06F40/289 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图注意力网络的中文短文本分类方法，包括以下步骤：对文本数据进行预处理，得到文本对应的词列表集合；文本特征提取：对本文对应的词列表集合，采用特征嵌入工具进行词嵌入处理，得到对应的词向量；采用图结构进行建图，将文本和文本中的词作为图节点，建立异构图；建立图注意力网络文本分类模型；采用网络开源的带类别标注的中文短文本数据集作为训练语科数据集，采用异构图训练图注意力网络文本分类模型；输出文本所属类别：将节点特征通过softmax分类层得到最终分类的类别；本发明在短文本信息量不足的条件下能够较充分的提取文本特征，并重点关注到对文本分类存在较大价值的信息，有效地提高了分类的准确率。
-
公开(公告)号：CN111885544A
公开(公告)日：2020-11-03
申请号：CN202010684752.X
申请日：2020-07-16
Applicant: 暨南大学
Abstract: 本发明公开了一种车联网中兼顾信任管理和隐私保护的紧急消息散播方法及系统，该方法包括可信机构和路侧单元初始化、车辆注册、声望证书请求、紧急消息散播、声望反馈集合报告、声望信息更新和车辆撤销等步骤。所提方法采用基于布隆过滤器的隐私保护集合求交技术，兼顾了精确的信任管理和强的隐私保护；提供非交互式的散播方法，加快了紧急消息散播和信任评估的速度；支持假名、临时公钥和临时私钥在不同的时间槽的重复利用，其长度能够更短，并节省存储空间和网络带宽；性能不随车辆数量而增长，能够更好地适应于大范围的车联网。
-
公开(公告)号：CN111858933A
公开(公告)日：2020-10-30
申请号：CN202010659957.2
申请日：2020-07-10
Applicant: 暨南大学
IPC: G06F16/35 , G06F40/211 , G06N3/04
Abstract: 本发明公开了一种基于字符的层次化文本情感分析方法及系统，该方法步骤包括：对给定的文本数据进行预处理，包括设计字符集、划分文本中的句子、基于字符集得到数字形式的文本表示；建立字符级别的神经网络模型：将预处理后的文本数据输入字符级别的神经网络模型，依次经过模型嵌入层、卷积神经网络层和解码层，提取并输出文本中每个句子的特征向量；建立句子级别的神经网络模型：以字符级别网络的输出作为输入，依次经过循环神经网络层、注意力层和解码层，输出文本的情感分类的概率分布。本发明从字符级别对文本提取初始特征，句子级别网络既包含了时序信息，又能让网络倾向于对情感分析结果有利的句子，提高了模型的准确度和健壮性。
-
公开(公告)号：CN119377497A
公开(公告)日：2025-01-28
申请号：CN202411476650.3
申请日：2024-10-22
Applicant: 暨南大学
IPC: G06F16/9536 , G06N3/047 , G06N3/0464 , G06N3/042 , G06N3/0895 , G06N3/098
Abstract: 本发明公开了一种基于对比学习辅助推荐系统抵御托攻击的方法及系统，属于推荐系统安全领域，包括：使用交互数据建立交互矩阵，将目标用户的邻居节点作为正样本，非目标用户的邻居节点作为负样本，实现数据增广,建立对比学习模型、用户检测模型和抵御托攻击的推荐模型，通过将三个模型进行联合训练，训练完成后计算用户物品的交互分数，取分数为top20的交互物品形成用户推荐列表。本发明在推荐系统的基础上，结合对比学习和多层感知机，能够检测虚假用户，并利用置信值作为权重实现抵御托攻击的推荐系统方法，该方法解决了检测虚假用户正确率低和托攻击下推荐效果差的问题，有效提升了检测虚假用户准确率和推荐系统抵御托攻击能力。
-
Patent Agency Ranking
公开(公告)号：CN113918952B
公开(公告)日：2024-08-13
申请号：CN202111009625.0
申请日：2021-08-31
Applicant: 暨南大学
Abstract: 本发明公开了C或C++代码漏洞检测方法、系统、计算机及存储介质，方法包括：S1、将包括训练集和待检集的C或C++代码集合进行预处理，使得该C或C++代码集合转化为符号表示；S2、训练集的每一部分代码的符号表示根据代码自身属性打上标签，若代码存在漏洞，则标签置为1，否则置为0；S3、通过打上标签的训练集训练漏洞检测模型；S4、将已转化为符号表示的C或C++代码集合中的待检集作为输入，通过已完成训练的漏洞检测模型进行检测，并输出漏洞检测结果。本发明采用深度学习和自然语言处理结合的方式进行源代码漏洞检测，相比传统的静态分析方法，不需要人工专家手工定义匹配规则，显著降低漏洞误报率和漏报率。
-
公开(公告)号：CN111858933B
公开(公告)日：2024-08-06
申请号：CN202010659957.2
申请日：2020-07-10
Applicant: 暨南大学
IPC: G06F16/35 , G06F40/211 , G06N3/0464
Abstract: 本发明公开了一种基于字符的层次化文本情感分析方法及系统，该方法步骤包括：对给定的文本数据进行预处理，包括设计字符集、划分文本中的句子、基于字符集得到数字形式的文本表示；建立字符级别的神经网络模型：将预处理后的文本数据输入字符级别的神经网络模型，依次经过模型嵌入层、卷积神经网络层和解码层，提取并输出文本中每个句子的特征向量；建立句子级别的神经网络模型：以字符级别网络的输出作为输入，依次经过循环神经网络层、注意力层和解码层，输出文本的情感分类的概率分布。本发明从字符级别对文本提取初始特征，句子级别网络既包含了时序信息，又能让网络倾向于对情感分析结果有利的句子，提高了模型的准确度和健壮性。
-
公开(公告)号：CN112434720B
公开(公告)日：2023-08-29
申请号：CN202011141057.5
申请日：2020-10-22
Applicant: 暨南大学
IPC: G06F16/35 , G06F40/289 , G06F40/216 , G06N3/045 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于图注意力网络的中文短文本分类方法，包括以下步骤：对文本数据进行预处理，得到文本对应的词列表集合；文本特征提取：对本文对应的词列表集合，采用特征嵌入工具进行词嵌入处理，得到对应的词向量；采用图结构进行建图，将文本和文本中的词作为图节点，建立异构图；建立图注意力网络文本分类模型；采用网络开源的带类别标注的中文短文本数据集作为训练语科数据集，采用异构图训练图注意力网络文本分类模型；输出文本所属类别：将节点特征通过softmax分类层得到最终分类的类别；本发明在短文本信息量不足的条件下能够较充分的提取文本特征，并重点关注到对文本分类存在较大价值的信息，有效地提高了分类的准确率。
-
公开(公告)号：CN113743233B
公开(公告)日：2023-08-01
申请号：CN202110912415.6
申请日：2021-08-10
Applicant: 暨南大学
IPC: G06V20/54 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于YOLOv5和MobileNetV2的车辆型号识别方法，包括以下步骤：S1、获取含车辆型号标签的公开车辆图片数据集；S2、对图片数据集按YOLOv5方式打标签；S3、为图片进行预处理；S4、进行YOLOv5训练，反复优化得到模型参数；S5、对原始图片数据集按YOLOv5标签的锚框数据进行裁剪，尽可能裁剪至图片仅含车辆信息；S6、修改MobileNetV2模型，拼接训练好的YOLOv5模型和修改后的MobileNetV2模型；S7、使用标签为车辆型号的原始数据集，预处理后对新拼接得到的模型进行训练，反复优化提升模型性能，得到优化训练完成的识别模型并将其用于实际车辆型号识别。本发明方法解决现有模型识别速率低，不足以满足交通系统的实时性、高效性以及在条件受限的情况下识别的准确率偏低的问题。
-
公开(公告)号：CN116311254A
公开(公告)日：2023-06-23
申请号：CN202310579491.9
申请日：2023-05-23
Applicant: 暨南大学
IPC: G06V20/70 , G06V10/30 , G06V10/36 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种恶劣天气情况下的图像目标检测方法、系统及设备，该方法包括下述步骤：采集在恶劣天气环境下的原始图像，预处理后得到雾霾图像和暗光图像，经过图像去噪滤波器得到对应的清晰化图像，经过掩码自编码器掩码编码再解码还原得到原图，构建正样本集合进行对比学习，更新编码器的参数，对图像数据集中的图像数据进行Prompt文本描述得到文本描述，文本描述经过Bert模型编码得到Prompt向量编码，将Prompt向量编码与有标签的图像数据输入更新参数后的编码器进行训练，待检测的恶劣天气环境图像输入至目标检测模块得到图像分类信息与定位信息。本发明提高恶劣天气条件下图像目标检测的鲁棒性以及识别准确率。
-
-
-
-
-
-
-
-
-
Search Results
89
records
(took 0.026 seconds)
