-
公开(公告)号:CN116661604A
公开(公告)日:2023-08-29
申请号:CN202310660614.1
申请日:2023-06-06
Applicant: 安徽大学
Abstract: 本发明公开了一种基于Media Pipe框架采集手势的人机交互识别系统,包括手势设计、手掌检测器、屏幕交互映射和手部关键点检测器;所述手势设计基于手势识别的首要工作是先设计好能被识别的手势;所述手掌检测器部分基于部分由Media Pipe模块中的手掌检测模型Blaze Palm Detector直接实现;屏幕交互映射部分对手势坐标进行捕获时;手部关键点检测器基于手节点,操作手掌检测模型Blaze palm定义的手部图像区域本发明涉及人机交技术领域,具体为具体为一种基于Media Pipe框架采集手势的人机交互识别系统。
-
公开(公告)号:CN120030550A
公开(公告)日:2025-05-23
申请号:CN202510120148.7
申请日:2025-01-25
Applicant: 安徽大学
IPC: G06F21/57 , G06F18/25 , G06F18/213 , G06N3/045 , G06N3/0442 , G06N3/042 , G06N3/08
Abstract: 本发明涉及一种基于双向门控图神经网络的软件漏洞检测方法、系统及产品。基于双向门控图神经网络的软件漏洞检测方法包括以下步骤:S1、将源代码解析为代码属性图CPG;S2、提取第m个v的类型特征,得到类型特征向量#imgabs0#提取第m个v的语义特征,得到语义特征向量#imgabs1#将#imgabs2#和#imgabs3#进行拼接,得到第m个v的初始特征向量#imgabs4#本发明引入了双向门控图神经网络结构,通过双向消息传递机制,既能捕捉前向依赖关系,也能捕捉后向依赖关系。与传统单向图神经网络相比,本发明增强了对代码上下文和全局依赖的理解能力,确保信息得到充分共享和更新,避免了上下文信息在传播过程中丢失或受限,从而提升了漏洞检测的准确性、鲁棒性和检测精度。
-
公开(公告)号:CN116863328A
公开(公告)日:2023-10-10
申请号:CN202310655933.3
申请日:2023-06-05
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/20 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于ResNet网络的立体遥测数据3D大气污染融合和分析方法,至少包括以下步骤S1:对收集到的空气质量数据进行预处理;S2:进行梯度生成节点,度生成阶段,S3:进行模型训练和测试。本发明涉及消防设备技术领域,具体为具体为基于ResNet网络的立体遥测数据3D大气污染融合和分析方法。
-
公开(公告)号:CN116861232A
公开(公告)日:2023-10-10
申请号:CN202310660616.0
申请日:2023-06-06
Applicant: 安徽大学
IPC: G06F18/214 , G06F18/2411 , G06N3/04 , G06N3/08
Abstract: 本发明公开了基于DBN‑OCSVM的空气质量数据异常检测模型,包括数据处理阶段、数据异常检测阶段、模型分析阶段;所述数据处理系阶段包括数据的预处理、特征分析以及回归模型分析数据并计算数据影响因子的相关性关系;所述数据异常检测包括数据的整理分析、将提取的时空特征输入到DBN神经网络中,进行监督学习,作为分类器使用;所述模型分析阶段主要包括:首先进行了基于OCSVM高维异常检测,通过运用分类混淆矩阵(Confusion Matrix)来分析其结果。本发明新型涉及空气检测技术领域,具体为具体为基于DBN‑OCSVM的空气质量数据异常检测模型。
-
-
-