-
公开(公告)号:CN114943698A
公开(公告)日:2022-08-26
申请号:CN202210527181.8
申请日:2022-05-16
Applicant: 南京大学
Abstract: 本发明公开一种结合梯度解耦与对比学习的小样本瑕疵检测方法,本发明方法主要包括目标检测数据集的预训练、生成符合瑕疵数据特征的锚点、调整目标检测模型并输入生成的锚点训练和瑕疵的检测四个阶段。预训练阶段使用大规模目标检测数据集训练目标检测模型,可以大幅度减少模型的训练时间,使模型具有目标定位能力,其中梯度解耦模块用于解耦候选框提取网络和候选框预测网络,可在训练时获取更符合网络特征的信息,加强模型学习能力。使用瑕疵数据集和锚点对调整后的目标检测模型进行训练生成瑕疵检测模型,训练冻结骨干网络权重并在候选框预测网络中添加对比分支,对比分支可以使不同类别的候选框特征差距更大,加强模型的分辨能力,精确度更高。
-
-
公开(公告)号:CN112069498A
公开(公告)日:2020-12-11
申请号:CN202010997062.X
申请日:2020-09-21
Applicant: 全球能源互联网研究院有限公司 , 南京大学 , 国网福建省电力有限公司电力科学研究院 , 国家电网有限公司
Abstract: 本申请提供一种SQL注入检测模型构建方法及检测方法,该SQL注入检测模型构建方法包括:获取多个有标签SQL训练样本;得到各有标签SQL训练样本的有标签特征向量;对SQL注入检测模型进行训练;获取多个无标签SQL训练样本;将无标签特征向量集合输入至训练后的SQL注入检测模型中,当确定有至少一个无标签特征向量所对应的置信度属于置信度区间时,提取预设数量的无标签特征向量,将其作为新的有标签特征向量,对SQL注入检测模型进行训练。在节省了有标签SQL训练样本资源的同时,得到了可以精确地对网络环境中的SQL注入语句进行检测的SQL注入检测模型。
-
-