-
公开(公告)号：CN109977893B
公开(公告)日：2020-12-25
申请号：CN201910257114.7
申请日：2019-04-01
Applicant: 厦门大学
Abstract: 基于层次显著性通道学习的深度多任务行人再识别方法，涉及计算机视觉技术。准备行人再识别方向数据集；设计层次显著性通道特征学习的深度多任务行人再识别网络模型，通过该网络模型提取行人更具判别力的特征；在大规模图像数据上，利用反向传播算法对主干网络ResNet50网络进行预训练，得到预训练模型；在预训练模型的基础上，使用行人图像训练数据集，计算模型两个分支的分类损失和，利用反向传播算法对整个构建好的模型进行端到端训练，得到最终训练好的模型；利用训练好的模型进行行人重识别，将最终网络模型的输出特征作为行人图像的特征表示以进行接下来的相似性度量和排序。
-
公开(公告)号：CN109977893A
公开(公告)日：2019-07-05
申请号：CN201910257114.7
申请日：2019-04-01
Applicant: 厦门大学
Abstract: 基于层次显著性通道学习的深度多任务行人再识别方法，涉及计算机视觉技术。准备行人再识别方向数据集；设计层次显著性通道特征学习的深度多任务行人再识别网络模型，通过该网络模型提取行人更具判别力的特征；在大规模图像数据上，利用反向传播算法对主干网络ResNet50网络进行预训练，得到预训练模型；在预训练模型的基础上，使用行人图像训练数据集，计算模型两个分支的分类损失和，利用反向传播算法对整个构建好的模型进行端到端训练，得到最终训练好的模型；利用训练好的模型进行行人重识别，将最终网络模型的输出特征作为行人图像的特征表示以进行接下来的相似性度量和排序。
-
公开(公告)号：CN119227081A
公开(公告)日：2024-12-31
申请号：CN202411290884.9
申请日：2024-09-14
Applicant: 厦门大学
IPC: G06F21/57 , G06N3/042 , G06N3/0464 , G06F18/2411 , G06F18/213 , G06F18/214
Abstract: 基于黎曼图卷积的端到端智能合约漏洞检测方法，涉及智能合约技术领域。由于现有的方法难以充分学习智能合约图的无尺度和深层次结构性，限制了其在漏洞检测上的表现。为此，提出基于黎曼图卷积的端到端学习网络的智能合约漏洞检测系统。首先将智能合约构建成富含结构和语法语义信息的合约图。接着，使用词嵌入网络进行节点语义特征提取，同时黎曼流形图卷积网络在负曲率空间中对合约图执行结构特征提取和邻域聚合，并且退火混淆图对比学习模块提供一个学习信号以降低噪声标签对模型的干扰，最终形成一个端到端学习网络。各模块相互促进，能够更深入细致地对漏洞特征进行挖掘。
-
-
Search Results
3
records
(took 0.022 seconds)
