-
公开(公告)号：CN117828618B
公开(公告)日：2024-05-03
申请号：CN202410251367.4
申请日：2024-03-06
Applicant: 电子科技大学(深圳)高等研究院 , 电子科技大学
Abstract: 本发明涉及智能合约技术领域，尤其涉及一种许可链智能合约漏洞的检测方法，该方法包括：获取许可链智能合约的源代码，并根据所述源代码构建程序依赖图；对所述程序依赖图进行切片处理，得到切片集；对所述切片集进行符号执行处理，得到所述许可链智能合约的漏洞信息。该方法通过程序切片技术可以将复杂的许可链智能合约简化为多个切片，同时维持切片的可执行性，以删除不必要分析的分支和语句。再使用符号执行技术对每个切片进行漏洞探测，缓解由于传统符号执行技术考虑所有可能执行路径，导致分析规模过度膨胀、形成路径爆炸和内存过度消耗的问题，进而提高许可链智能合约漏洞的检测效率。
-
公开(公告)号：CN117828618A
公开(公告)日：2024-04-05
申请号：CN202410251367.4
申请日：2024-03-06
Applicant: 电子科技大学(深圳)高等研究院 , 电子科技大学
Abstract: 本发明涉及智能合约技术领域，尤其涉及一种许可链智能合约漏洞的检测方法，该方法包括：获取许可链智能合约的源代码，并根据所述源代码构建程序依赖图；对所述程序依赖图进行切片处理，得到切片集；对所述切片集进行符号执行处理，得到所述许可链智能合约的漏洞信息。该方法通过程序切片技术可以将复杂的许可链智能合约简化为多个切片，同时维持切片的可执行性，以删除不必要分析的分支和语句。再使用符号执行技术对每个切片进行漏洞探测，缓解由于传统符号执行技术考虑所有可能执行路径，导致分析规模过度膨胀、形成路径爆炸和内存过度消耗的问题，进而提高许可链智能合约漏洞的检测效率。
-
公开(公告)号：CN118351292B
公开(公告)日：2024-12-20
申请号：CN202410498185.7
申请日：2024-04-24
Applicant: 电子科技大学
IPC: G06V10/25 , G06V10/20 , G06V10/40 , G06V10/52 , G06V10/764 , G06V10/82 , G06N3/0464 , G06V10/44 , G06N3/08
Abstract: 本发明公开了基于特征平衡网络的SAR图像船舰目标检测方法及系统，包括以下步骤：对预处理后的SAR图像进行特征提取；将多层级特征输入FPN网络中，得到多尺度特征图；将多尺度特征图输入RPN网络，获取船舰目标的水平候选框；将水平候选框的坐标信息映射到多尺度特征图中，通过ROI Align算法计算候选框区域特征，将计算结果池化生成目标框特征向量；通过RCNN检测头对目标框特征向量进行预测，得到船舰目标检测结果。本发明融合了可变形卷积的局部特征与基于注意力的全局特征，可以更好地为船舰检测提供图像特征，采用多阶段目标旋转框表示预测，可以更平滑地预测目标旋转框的信息，更好地提取船舰特征，提高检测精度。
-
公开(公告)号：CN118379552B
公开(公告)日：2024-12-10
申请号：CN202410519826.2
申请日：2024-04-28
Applicant: 电子科技大学
IPC: G06V10/764 , G06V10/40 , G06V10/82 , G06T7/00 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明公开了基于卷积神经网络的青光眼图像分类方法及系统，方法包括以下步骤：通过滚动窗口从每张B‑scan图像中选取平均像素值最高的窗口作为保留图像；将所有保留图像组合为三维立体图像；在Y轴方向对三维立体图像中的所有保留图像进行间隔采样，得到若干视图变换后的图像；对每张视图变换后的图像进行裁剪，对应得到若干裁剪后的图像；将同一组待分类的OCT图像对应的所有裁剪后的图像作为卷积神经网络的输入，将卷积神经网络的输出作为该待分类的OCT图像组的分类结果。本发明解决了OCT图像本身存在的二义性问题和数据冗余大的问题，提高了神经网络对不同病程青光眼图像的分类性能。
-
公开(公告)号：CN118485692B
公开(公告)日：2024-10-15
申请号：CN202410939179.0
申请日：2024-07-15
Applicant: 电子科技大学(深圳)高等研究院
Abstract: 本发明公开了一种随机性人体运动预测方法、终端设备及存储介质，解决了现有技术预测的未来运动不够准确，且无法实现语义可控预测。涉及人体运动分析技术领域。其步骤包括：将获取的过去人体骨架序列对应的条件特征与根据查询条件得到的可学习运动查询向量耦合，得到耦合特征；将耦合特征进行拓扑空间压缩，抽象出全局特征；通过全局特征预测潜在空间中构建的正交基的系数；将预测的系数与正交基进行线性组合，将线性组合结果与条件特征耦合，将耦合结果解码，得到预测的多个未来人体骨架序列。本发明有效解决了现有技术预测不够准确且无法语义可控预测的问题。
-
Patent Agency Ranking
公开(公告)号：CN118570878B
公开(公告)日：2024-10-11
申请号：CN202411031140.5
申请日：2024-07-30
Applicant: 电子科技大学(深圳)高等研究院
Abstract: 本发明实施例公开了一种不完全多模态行人重识别方法及系统，所述方法包括：数据集构建步骤：构建三种模态配对的行人图像数据集；模型构建步骤：构建基于互学习的不完全多模态行人重识别模型；训练步骤：使用所述数据集的数据训练所述模型，得到训练好的模型；识别步骤：将任意模态组合的行人图像输入训练好的模型，提取目标行人的外观特征，并与图库中的行人特征计算相似度，按照相似度排序输出结果，完成行人重识别。本发明同时利用可见光‑近红外‑热红外中的互补信息，在复杂光照条件和恶劣天气下表现良好。此外，本发明实现了缺失模态特征的精细化补偿，提高了模态完备和模态缺失两种场景下的性能。
-
公开(公告)号：CN118534922A
公开(公告)日：2024-08-23
申请号：CN202410998670.0
申请日：2024-07-24
Applicant: 电子科技大学(深圳)高等研究院
IPC: G05D1/46 , G05D109/20
Abstract: 本申请公开了一种面向无人机编队飞行的任务管控方法及系统。解决无法对无人机编队进行任务管控的问题。其中，任务管控计算机包括白方子系统、红方子系统和蓝方子系统；所述红方子系统与所述蓝方子系统相互不感知对方配置信息；所述白方子系统用于展示所述红方子系统的任务全局态势；所述红方子系统用于管控无人机编队执行飞行任务，所述蓝方子系统用于管控靶车配置及通信干扰区配置。本申请可以对无人机编队进行任务管控，对各任务执行情况可视化，做到实时、精确显示无人机编队的飞状态和智能决策载荷状态，从而保障关键任务动作指令的正确下发和回传。
-
公开(公告)号：CN118365658A
公开(公告)日：2024-07-19
申请号：CN202410793240.5
申请日：2024-06-19
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06T7/10 , G06T7/00 , G06T5/40 , G06T5/90 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/09
Abstract: 本发明提供了一种用于糖尿病视网膜病变的多病灶分割方法，主要应用于医学影像分析、人工智能和机器视觉领域。旨在解决糖尿病视网膜病变的多病灶分割难题，提高早期筛查的效率和准确性，该方法通过数据预处理、图像增强、数据增强、网络预训练和多病灶分割等步骤，实现了对糖尿病视网膜病变中微血管瘤、出血、硬性渗出和软性渗出四种主要病变类型的准确分割。其创新点包括采用对比度限制自适应直方图均衡化和色彩与对比度增强算法进行图像增强，使用残差可分离卷积模块扩展的U‑Net网络进行特征提取，以及双分支结构和特征交互模块实现多病灶分割。
-
公开(公告)号：CN115860110A
公开(公告)日：2023-03-28
申请号：CN202211508439.6
申请日：2022-11-29
Applicant: 电子科技大学
IPC: G06N3/094 , G06N3/086 , G06N3/045 , G06V10/774 , G06V10/82 , G06V10/764 , G06V10/94
Abstract: 本发明公开了一种针对深度神经网络的物理对抗攻击方法，该方法在数字和物理环境下都具有鲁棒的对抗攻击能力和对抗攻击迁移性，能够实施白盒条件与黑盒条件下鲁棒的对抗攻击。该方法包括以下步骤：S1，利用电脑模拟生成激光点，形式化激光点的物理参数；S2，利用遗传算法寻找最具有攻击性的激光点的物理参数；S3，基于激光点的物理参数，用激光笔投射激光点到目标物体上，得到物理对抗样本。本发明的物理对抗攻击方法能够攻击未知的分类器，且实验结果表明，该方法在数字和物理环境下都具有鲁棒的对抗攻击能力和对抗攻击迁移性，能够实施白盒条件与黑盒条件下鲁棒的对抗攻击。因此，适宜推广应用。
-
公开(公告)号：CN111814722B
公开(公告)日：2022-04-19
申请号：CN202010697220.X
申请日：2020-07-20
Applicant: 电子科技大学
IPC: G06V30/413 , G06V30/146 , G06V30/148 , G06V30/19 , G06K9/62 , G06N3/04
Abstract: 本发明提供了一种图像中的表格识别方法、装置、电子设备及存储介质，通过获取待识别的图像；基于深度学习和直线检测的级联矫正；基于深度学习的表格区域检测；从表格区域图像中检测出行列表格线，重建出表格结构；基于深度学习的文本识别模型对单元格内的文本进行识别；识别结果格式化输出。本发明通过以上设计，同时解决各种不同类型表格如全框线表格、部分框线表格、无框线表格等的识别问题，提高表格结构和内容的识别准确性。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.03 seconds)
