-
公开(公告)号：CN117195237A
公开(公告)日：2023-12-08
申请号：CN202311256715.9
申请日：2023-09-26
Applicant: 哈尔滨工程大学 , 哈尔滨工程大学三亚南海创新发展基地 , 海南俊码数据研究院有限公司
IPC: G06F21/57 , G06F18/2431 , G06F18/2413 , G06F18/214 , G06N3/045 , G06N3/0442
Abstract: 本发明涉及一种面向智能合约的漏洞检测系统及方法，该系统包括：数据预处理模块，用于收集智能合约，将所述智能合约进行无用信息删除、以获取包含与漏洞形成有关的智能合约切片，将所述智能合约切片进行不同漏洞种类标注，获取标注结果；特征提取模块，用于基于所述标注结果，构建智能合约漏洞检测模型，基于所述智能合约漏洞检测模型，获取检测结果；分类模块，用于对所述检测结果进行分类，完成漏洞检测；所述数据预处理模块、所述特征提取模块和所述分类模块依次连接。本发明通过对智能合约的源代码进行切片检测，降低了输入信息的长度，减少了训练的工作量，使代码片段中有用的部分更加密集，提升了智能合约漏洞检测系统的可靠性和准确性。
-
公开(公告)号：CN116091929A
公开(公告)日：2023-05-09
申请号：CN202310043710.1
申请日：2023-01-29
Applicant: 哈尔滨工程大学
IPC: G06V20/10 , G06V10/26 , G06V10/764 , G06V10/82 , G06V10/42 , G06N3/08 , G06N3/048 , G06N3/0455 , G06N3/0464
Abstract: 结合Unet和Transformer的遥感图像语义分割方法。属于遥感图像语义分割技术领域。本发明为解决目前遥感图像语义分割方法存在不同地物边界分类精度低、多尺度目标识别效果差的问题。本发明保留Unet的U型编码器‑解码器结构，在编码器中结合了Transformer结构用于全局特征提取，在解码器的基础上增加了一个辅助上采样结构用于上下文特征融合。输入的遥感图像首先经过深度卷积结构主要提取局部特征，然后送入Transformer结构提取全局特征，最后解码器利用编码器编码的特征作为输入，通过两个上采样结构和跳跃连接结构进行充分的信息融合后，解码出最后的预测结果。Unet和Transformer的结合充分地利用了两者的优势，可以有效提高遥感图像的语义分割精度。
-
公开(公告)号：CN110264474B
公开(公告)日：2021-04-06
申请号：CN201910527212.8
申请日：2019-06-18
Applicant: 哈尔滨工程大学
Abstract: 一种SAR遥感图像的水陆分割方法，它属于SAR遥感图像的水陆分割技术领域。本发明解决了现有水陆分割方法的分割准确率低以及分割效率低的问题。本发明利用矩形窗口在整个SAR遥感图像上依次滑动，计算矩形窗口内的区域一致性来对水体候选区域进行粗提取，再利用水体候选区域的面积和矩形窗口重叠度对水体候选区域做进一步的筛选，去除误检区域，最终得到SAR遥感图像的水陆分割结果，与现有方法相比，本发明方法在提高分割效率的基础上，可以有效提高SAR遥感图像分割结果的准确率。本发明可以应用于SAR遥感图像的水陆分割技术领域。
-
公开(公告)号：CN110210133A
公开(公告)日：2019-09-06
申请号：CN201910477745.X
申请日：2019-06-03
Applicant: 哈尔滨工程大学
Abstract: 一种EDIF网表级组合逻辑电路的自动故障注入方法，本发明涉及电路的自动故障注入方法。本发明的目的是为了解决现有基于模拟的故障注入需要解决与EDA仿真软件的接口问题。过程为：一、对原始网表文件进行处理；二、选择1个网线注入Sa-0，设置故障点；三、进行前向遍历；四、进行后向传播；五、生成故障等效电路，判断是否注入Sa-1，否转六；是转七；六、判断是否还有未设置故障的网线，是转二至六；否故障注入结束；七、对二中网线注入Sa-1，设置故障点；进行前向遍历；八、进行后向传播判断输入值是否影响逻辑门的功能；十、判断是否还有未设置故障的网线，是转七至十；否故障注入结束。本发明用于电路的自动故障注入领域。
-
公开(公告)号：CN104077771B
公开(公告)日：2017-06-20
申请号：CN201410276568.6
申请日：2014-06-19
Applicant: 哈尔滨工程大学
Abstract: 本发明属于图像处理领域，具体涉及一种加权法实现空间限制的混合模型图像分割方法。本发明包括：读入一幅自然场景图像，确定图像分割的类别数目；采用K‑均值聚类算法获得图像的初始分割结果；设置每个像素的初始权值；对进行平滑滤波得以上次分割结果作为初始值，开始下一轮的似然加权EM计算；对收敛后的做平滑滤波，做归一化处理；输出原图像的分割结果图像。由于模型是建立在独立混合模型基础上，参数的EM算法可获得闭式解，同时权值中融合了邻近像素的位置信息，因此是以较低的代价引入了像素的空间位置限制信息。
-
Patent Agency Ranking
公开(公告)号：CN104036503B
公开(公告)日：2017-02-22
申请号：CN201410246912.7
申请日：2014-06-05
Applicant: 哈尔滨工程大学
IPC: G06T7/11
Abstract: 本发明公开了一种基于空间位置信息的图像分割方法。包括以下几个步骤：读入图像，将图像分成固定大小且互不重叠的小区域，确定图像分割的类别数目K；令每个小区域内的像素来源于同一类别分量，确定观测值与其来源的联合概率的似然函数；利用EM算法求解似然函数；将每个小区域的后验概率的熵值 与阈值 比较，如果 将当前小区域分裂为四个相等的小区域；检查相邻的没有分裂的小区域，如果它们的类别相同则进行合并，直到没有可以合并的小区域为止，得到一个新的小区域划分；重复步骤二～步骤六，直到没有符合继续分裂的小区域为止；根据每个像素点的类别分量的标(56)对比文件向日华 等.一种基于高斯混合模型的距离图像分割算法《.软件学报》.2003,第14卷(第7期),全文.RIHUA XIANG et al.Range ImageSegmentation Based on Split-MergeClustering《.Proceedings of the 17thInternational Conference on PatternRecognition》.2004,全文.
-
公开(公告)号：CN104036503A
公开(公告)日：2014-09-10
申请号：CN201410246912.7
申请日：2014-06-05
Applicant: 哈尔滨工程大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于空间位置信息的图像分割方法。包括以下几个步骤：读入图像，将图像分成固定大小且互不重叠的小区域，确定图像分割的类别数目K；令每个小区域内的像素来源于同一类别分量，确定观测值与其来源的联合概率的似然函数；利用EM算法求解似然函数；将每个小区域的后验概率的熵值与阈值比较，如果将当前小区域分裂为四个相等的小区域；检查相邻的没有分裂的小区域，如果它们的类别相同则进行合并，直到没有可以合并的小区域为止，得到一个新的小区域划分；重复步骤二～步骤六，直到没有符合继续分裂的小区域为止；根据每个像素点的类别分量的标注，输出图像。本发明使得分割后的区域具有良好的完整性和平滑性。
-
公开(公告)号：CN102737244B
公开(公告)日：2014-04-16
申请号：CN201210184510.X
申请日：2012-06-06
Applicant: 哈尔滨工程大学
Inventor： 刘咏梅
Abstract: 本发明提供的是一种标注图像中区域与标注对应关系的确定方法。首先，将视觉描述转换为标注字的权值，代表与视觉的相关程度，利用Topic模型提取场景类别，并将场景内图像的区域聚类为视觉概念。然后在不同场景中，采用信度传播方法降低视觉概念的标注不确定性，即在不同场景间寻找相同或同义的标注字，令其在视觉相似的区域间传播。最后，构建每个场景下的贝叶斯网络，获得视觉概念的标注结果。通过对图像分割区域的标识结果进行融合，最终可以获得图像物体语义级的分割与识别结果。本发明避免了对单幅图像的每个区域单独进行标注，能够有效地提高算法效率。能够方便有效地实现非标注图像的语义内容分析。
-
公开(公告)号：CN102436583A
公开(公告)日：2012-05-02
申请号：CN201110287729.8
申请日：2011-09-26
Applicant: 哈尔滨工程大学
Inventor： 刘咏梅
Abstract: 本发明提供的是一种基于对标注图像学习的图像分割方法。分为两个过程；过程1首先对标注好的训练样本进行学习，包括对训练图像的分割、训练图像的场景分类以及特定场景下的标注字与分割区域的联接建立；过程2利用过程1学习到得模型参数确定待分割区域的标注字，并通过区域的标注信息进行信息融合，完成分割。本发明通过对标注图像的学习将图像分割和识别过程相融合，将标注字作为图像分割和物体识别的联系纽带，在低级的视觉刺激与代表高级语义信息的标注字之间建立联接，来指导图像分割过程，以提高图像分割结果的认知能力。可以直接应用到自动图像标注、医学图像的计算机辅助诊断、遥感图像的分割和分类以及多媒体信息检索等实际应用领域。
-
公开(公告)号：CN101963995B
公开(公告)日：2012-02-01
申请号：CN201010517074.4
申请日：2010-10-25
Applicant: 哈尔滨工程大学
Inventor： 刘咏梅
IPC: G06F17/30
Abstract: 本发明提供的是一种基于特征场景的图像标注方法。1、采用图像分割算法对用于学习的标注图像进行分割，获得图像区域的视觉描述；2、对用于学习的标注图像进行自动的语义场景聚类；3、对每个场景语义类别生成特征场景空间；4、对每个特征场景空间建立相应的语义树；5、对待标注图像向各个特征场景空间投影，并采用投影后的视觉特征对混合模型的拟合程度确定待标注图像的语义类别；对确定语义内容的图像，通过语义树，获得图像的最终标注。本发明充分利用了学习图像的标注字信息，对学习用的标注图像库进行自动的特征场景分类，确保在特定场景下的获得比较完善的视觉描述，从而提高通过图像视觉特征进行自动语义标注的可靠性。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.03 seconds)
