公开(公告)号：CN117974520A

公开(公告)日：2024-05-03

申请号：CN202410035148.2

申请日：2024-01-10

Applicant: 南京大学

Inventor： 刘钦 ,  赵凤山 ,  李薛成 ,  凌翊宸

IPC: G06T5/90 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/0895 ,  G06N3/084 ,  G06N3/088

Abstract: 一种基于半监督学习用于重建HDR视频的方法1)准备少量有标签的样本数据；2)将两种样本分别输入光流估计网络，分别得到对齐的LDR帧；3)将对齐后的LDR帧分别输入归并网络，通过混合空洞卷积模块得到特征序列，再通过注意力模块给予关键区域更多的权重来纠正特征序列；4)修正后的特征序列将被串联，并输入编码‑解码器，编码‑解码器通过计算所有输入帧的每像素所占的权重得到输出结果，通过该输入帧平均加权值的输出结果重建得到最终的HDR帧；5)两种样本分别进行的流程可看作两条分支，即有监督分支与无监督分支，通过计算与比较两条分支下的训练损失函数，进行半监督学习。

公开(公告)号：CN119537233A

公开(公告)日：2025-02-28

申请号：CN202411650905.3

申请日：2024-11-19

Applicant: 南京大学

Inventor： 李薛成 ,  赵祖威 ,  汤恩义 ,  陈鑫 ,  陆一飞 ,  李重 ,  李宣东

IPC: G06F11/3668 ,  G06N5/04 ,  G06N7/02

Abstract: 本发明提出了一种结合符号执行的人工智能制导生成程序测试方法，通过结合符号执行的严格推理能力和人工智能模型的模糊推理能力对人工智能制导自动化生成的代码进行有效测试，结合利用人工智能技术对符号执行所收集的程序路径约束进行增强求解，生成更多高质量的、高覆盖的测试用例，从而提高测试覆盖率和测试结果的正确性，发现传统测试框架难以捕捉的程序错误，提高测试覆盖率和检测代码错误的能力，且无论待测程序是否有基准实现与预定义输出，本测试方法均可以成功实施，可以帮助开发人员更好地利用人工智能制导生成的程序，提高程序的可靠性。