公开(公告)号：CN119048884B

公开(公告)日：2025-02-11

申请号：CN202411546683.0

申请日：2024-10-31

Applicant: 北京科技大学

Inventor： 杨春 ,  孙伟淳

IPC: G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/40 ,  G06V10/74

Abstract: 本公开提供一种基于深度学习的移动应用截图来源识别方法和系统，涉及人工智能领域。方法包括数据采集和模型构建与训练两个步骤：数据采集步骤构建移动应用样本库；模型构建与训练步骤包括四个步骤：步骤1，改进MobileNetV3网络并构建相应损失函数形成改进的MobileNetV3‑Large网络；步骤2，利用设置的对比损失函数训练内核参数，得到训练好的移动应用匹配模型；步骤3，移动应用样本库中的图片进行处理；步骤4，利用所述训练好的移动应用匹配模型，计算所述特定特征与移动应用特征库中的每个特征的欧式距离，得到所有欧氏距离中的最小值，如果低于阈值，则返回与之对应的移动应用名称，能够持续实现对最新移动应用的准确识别能力。

公开(公告)号：CN119048884A

公开(公告)日：2024-11-29

申请号：CN202411546683.0

申请日：2024-10-31

Applicant: 北京科技大学

Inventor： 杨春 ,  孙伟淳

IPC: G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/40 ,  G06V10/74

Abstract: 本公开提供一种基于深度学习的移动应用截图来源识别方法和系统，涉及人工智能领域。方法包括数据采集和模型构建与训练两个步骤：数据采集步骤构建移动应用样本库；模型构建与训练步骤包括四个步骤：步骤1，改进MobileNetV3网络并构建相应损失函数形成改进的MobileNetV3‑Large网络；步骤2，利用设置的对比损失函数训练内核参数，得到训练好的移动应用匹配模型；步骤3，移动应用样本库中的图片进行处理；步骤4，利用所述训练好的移动应用匹配模型，计算所述特定特征与移动应用特征库中的每个特征的欧式距离，得到所有欧氏距离中的最小值，如果低于阈值，则返回与之对应的移动应用名称，能够持续实现对最新移动应用的准确识别能力。