CN109492396A - 基于语义分割的恶意软件基因快速检测方法和装置 - Google Patents
基于语义分割的恶意软件基因快速检测方法和装置 Download PDFInfo
- Publication number
- CN109492396A CN109492396A CN201811342373.1A CN201811342373A CN109492396A CN 109492396 A CN109492396 A CN 109492396A CN 201811342373 A CN201811342373 A CN 201811342373A CN 109492396 A CN109492396 A CN 109492396A
- Authority
- CN
- China
- Prior art keywords
- semantic segmentation
- dis
- detected
- picture
- assembling
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
- G06F21/55—Detecting local intrusion or implementing counter-measures
- G06F21/56—Computer malware detection or handling, e.g. anti-virus arrangements
- G06F21/562—Static detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Virology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明提供了一种基于语义分割的恶意软件基因快速检测方法及装置,由基因库训练后的语义分割模型可极大提高实时样本的匹配检测效率,被训练后的语义分割模型不需要携带基因库的特性甚至可嵌入离线实时安全产品中;自动抽象特征提取特性及后续成熟的优化技术可提高恶意变形的基因识别正确率。
Description
技术领域
本发明涉及信息安全技术领域,具体而言,涉及一种基于语义分割的恶意软件基因快速检测方法和装置。
背景技术
恶意软件基因提取及识别技术大概于2008年左右被提出,前期主要将使用的特定个人习惯的代码片段提取为基因用于识别恶意软件开发者或APT组织,后续逐渐扩大加入恶意软件家族基因用于识别其变种迭代和新家族判断。
目前,常规的恶意软件基因匹配技术有两大问题:
1.基因库的规模随恶意软件数量的增加而呈指数级增长,带来常规检索和匹配方式效率低下,甚至无法落地应用;
2.庞大的基因库无法嵌入安全产品或离线部署;
3.常规模糊匹配技术或人工经验形成的预处理技术,对恶意变形的基因识别正确率较差。
发明内容
针对上述现有技术中存在的问题,本发明提供了一种基于语义分割的恶意软件基因快速检测方法和装置。
第一方面,本发明实施例提供了一种基于语义分割的恶意软件基因快速检测方法,所述方法包括:
将待检测样本进行反汇编成待检测反汇编代码;
将待检测反汇编代码转化成待检测图片;
将所述待检测图片输入语义分割模型,输出解析图片;
根据所述解析图片,得到检测结果。
进一步的,所述语义分割模型训练方法包括:
获取基础样本,并对所述基础样本进行反汇编成样本反汇编代码;
将样本反汇编代码转化成样本图片,并且将所述样本图片整理成数据集;
利用上所述数据集训练原有语义分割模型形成语义分割模型。
进一步的,将样本反汇编代码转化成样本图片,并且将所述样本图片整理成数据集,包括:
将所述数据集按7:2:1的比例分为训练集、验证集和交叉测试集。
进一步的,利用上所述数据集训练原有语义分割模型形成语义分割模型,包括:
利用训练集、验证集和交叉测试集来训练测试原有语义分割模型。
进一步的,将所述待检测图片输入语义分割模型,输出解析图片之后,所述方法还包括:
根据待检测反汇编代码和预设标识数组优化解析图片;
第二方面,本发明实施例还提供了一种基于语义分割的恶意软件基因快速检测装置,所述装置包括:
反汇编模块,用于将待检测样本进行反汇编成待检测反汇编代码;
转化模块,用于将待检测反汇编代码转化成待检测图片;
解析模块,用于将所述待检测图片输入语义分割模型,输出解析图片;
检测模块,用于根据所述解析图片,得到检测结果。
进一步的,所述装置还包括训练模块;
所述训练模块用于:
获取基础样本,并对所述基础样本进行反汇编成样本反汇编代码;
将样本反汇编代码转化成样本图片,并且将所述样本图片整理成数据集;
利用上所述数据集训练原有语义分割模型形成语义分割模型。
进一步的,所述训练模块还用于:
将所述数据集按7:2:1的比例分为训练集、验证集和交叉测试集。
进一步的,所述训练模块还用于:
利用训练集、验证集和交叉测试集来训练测试原有语义分割模型。
第三方面,本发明实施例提供了一种计算机存储介质,用于储存为第二方面所述的装置所用的计算机软件指令。
本发明实施例带来了以下有益效果:
本发明实施例提供了一种基于语义分割的恶意软件基因快速检测方法及装置,由基因库训练后的语义分割模型可极大提高实时样本的匹配检测效率,被训练后的语义分割模型不需要携带基因库的特性甚至可嵌入离线实时安全产品中;自动抽象特征提取特性及后续成熟的优化技术可提高恶意变形的基因识别正确率。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明第一实施例所提供的一种基于语义分割的恶意软件基因快速检测方法的流程图;
图2为本发明实施例所提供的一种基于语义分割的恶意软件基因快速检测方法的流程图;
图3为本发明实施例二中所提供的一种基于语义分割的恶意软件基因快速检测方法的流程图;
图4为本发明第三实施例所提供的一种基于语义分割的恶意软件基因快速检测装置的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
由于常规的恶意软件基因匹配技术存在的问题,因此提出一个利用语义分割模型来检测恶意软件基因。
语义分割是计算机视觉中的基本任务,在语义分割中我们需要将视觉输入如图片分为不同的语义可解释类别,这些分类类别在真实世界中是有意义的。例如:将需要区分的图像中属于汽车的所有像素标识成蓝色。与图像分类或目标检测相比,语义分割对图像有更加细致的分类标识。这使其在诸如自动驾驶、机器人以及图像搜索引擎等许多领域成为核心技术。将语义分割技术与恶意软件基因检测相结合能够缓解目前恶意软件基因检测中存在的一些问题。
参见图1所示的一种基于语义分割的恶意软件基因快速检测方法的流程图,该方法应用于具体包括如下步骤:
S101.将待检测样本进行反汇编成待检测反汇编代码;
其中,待检测样本可以为文本形式的文件也可以为二进制代码的文件。
S102.将待检测反汇编代码转化成待检测图片;
具体来说,反汇编代码根据转换规则转化成待检测图片,其中待检测图片为灰度图。转换规则为预先设置好的,例如,反汇编代码中出现“0011”可代表图像有一个正方形块区。
S103.将所述待检测图片输入语义分割模型,输出解析图片;
在语义分割模型中,存在一个基因,数据集的图片中存在这个基因,语义分割模型经由数据集训练之后,识别所述待检测图片中的基因,输出解析图片。
S104.根据所述解析图片,得到检测结果。
具体来说,图片中的基因对应着一段代码,这段代码为软件基因,根据图片中的基因查找器对应的待检测样本中的软件基因,检测出软件基因的位置和功能。
所述语义分割模型训练方法包括:
如图2所示,S11.获取基础样本,并对所述基础样本进行反汇编成样本反汇编代码;
S12.将样本反汇编代码转化成样本图片,并且将所述样本图片整理成数据集;进一步来说,可以对所述数据集中的图片数据进行清洗标注,去掉所述数据集中的杂质数据图片。
S13.利用上所述数据集训练原有语义分割模型形成语义分割模型。
数据集中均包含着一个图形,这个图形成为基因,利用数据集训练语义分割模型的目的在于,利用语义分割模型识别出待检测图片中的基因。
实施例二
参见图3所示的一种基于语义分割的恶意软件基因快速检测的流程图,该方法在实施例一中提供的基于语义分割的恶意软件基因快速检测方法的基础上实现,具体包括如下步骤:
S201.将待检测样本进行反汇编成待检测反汇编代码;
其中,待检测样本可以为文本形式的文件也可以为二进制代码的文件。
S202.将待检测反汇编代码转化成待检测图片;
具体来说,反汇编代码根据转换规则转化成待检测图片,其中待检测图片为灰度图。转换规则为预先设置好的,例如,反汇编代码中出现“0011”可代表图像有一个正方形块区。
S203.将所述待检测图片输入语义分割模型,输出解析图片;
在语义分割模型中,存在一个基因,数据集的图片中存在这个基因,语义分割模型经由数据集训练之后,识别所述待检测图片中的基因,输出解析图片。
S204.根据待检测反汇编代码和预设标识数组优化解析图片;
待检测图片中可能包含不同的多个基因,为了方便区分,可以在解析图片中,根据预设数组对不同的基因进行涂色,例如,可以根据基因对应的软件基因的危害程度对进行涂色,危害程度越高,颜色越醒目。
S205.根据所述解析图片,得到检测结果。
进一步的说,解析图片为一张涂有不同颜色的图片,每个颜色代表一个基因,也对应着一个软件基因,根据图片中的基因查找器对应的待检测样本中的软件基因,检测出软件基因的位置和功能。
实施例三
对于前述实施例所提供的基于语义分割的恶意软件基因快速检测方法,本发明实施例提供了一种基于语义分割的恶意软件基因快速检测的装置,参见图4所示的一种基于语义分割的恶意软件基因快速检测的装置的结构框图,该装置包括如下部分:
反汇编模块41,用于将待检测样本进行反汇编成待检测反汇编代码;
转化模块42,用于将待检测反汇编代码转化成待检测图片;
解析模块43,用于将所述待检测图片输入语义分割模型,输出解析图片;
检测模块44,用于根据所述解析图片,得到检测结果。
进一步的,所述装置还包括训练模块45;
所述训练模块45用于:
获取基础样本,并对所述基础样本进行反汇编成样本反汇编代码;
将样本反汇编代码转化成样本图片,并且将所述样本图片整理成数据集;
利用上所述数据集训练原有语义分割模型形成语义分割模型。
进一步的,所述训练模块45还用于:
将所述数据集按7:2:1的比例分为训练集、验证集和交叉测试集。
进一步的,所述训练模块45还用于:
利用训练集、验证集和交叉测试集来训练测试原有语义分割模型。
本发明实施例还提供了一种计算机存储介质,用于储存为上述实施例提供的装置所用的计算机软件指令。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
需要说明的是,在本发明所提供的实施例中,应该理解到,所揭露***和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明提供的实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种基于语义分割的恶意软件基因快速检测方法,其特征在于,所述方法包括:
将待检测样本进行反汇编成待检测反汇编代码;
将待检测反汇编代码转化成待检测图片;
将所述待检测图片输入语义分割模型,输出解析图片;
根据所述解析图片,得到检测结果。
2.根据权利要求1所述的方法,其特征在于,所述语义分割模型训练方法包括:
获取基础样本,并对所述基础样本进行反汇编成样本反汇编代码;
将样本反汇编代码转化成样本图片,并且将所述样本图片整理成数据集;
利用上所述数据集训练原有语义分割模型形成语义分割模型。
3.根据权利要求2所述的方法,其特征在于,将样本反汇编代码转化成样本图片,并且将所述样本图片整理成数据集,包括:
将所述数据集按7:2:1的比例分为训练集、验证集和交叉测试集。
4.根据权利要求3所述的方法,其特征在于,利用上所述数据集训练原有语义分割模型形成语义分割模型,包括:
利用训练集、验证集和交叉测试集来训练测试原有语义分割模型。
5.根据权利要求1所述的方法,其特征在于,将所述待检测图片输入语义分割模型,输出解析图片之后,所述方法还包括:
根据待检测反汇编代码和预设标识数组优化解析图片。
6.一种基于语义分割的恶意软件基因快速检测装置,其特征在于,所述装置包括:
反汇编模块,用于将待检测样本进行反汇编成待检测反汇编代码;
转化模块,用于将待检测反汇编代码转化成待检测图片;
解析模块,用于将所述待检测图片输入语义分割模型,输出解析图片;
检测模块,用于根据所述解析图片,得到检测结果。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括训练模块;
所述训练模块用于:
获取基础样本,并对所述基础样本进行反汇编成样本反汇编代码;
将样本反汇编代码转化成样本图片,并且将所述样本图片整理成数据集;
利用上所述数据集训练原有语义分割模型形成语义分割模型。
8.根据权利要求7所述的装置,其特征在于,所述训练模块还用于:
将所述数据集按7:2:1的比例分为训练集、验证集和交叉测试集。
9.根据权利要求8所述的装置,其特征在于,所述训练模块还用于:
利用训练集、验证集和交叉测试集来训练测试原有语义分割模型。
10.一种计算机存储介质,其特征在于,用于储存为权利要求6至9任意一项所述的装置所用的计算机软件指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811342373.1A CN109492396B (zh) | 2018-11-12 | 2018-11-12 | 基于语义分割的恶意软件基因快速检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811342373.1A CN109492396B (zh) | 2018-11-12 | 2018-11-12 | 基于语义分割的恶意软件基因快速检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109492396A true CN109492396A (zh) | 2019-03-19 |
CN109492396B CN109492396B (zh) | 2021-02-26 |
Family
ID=65695702
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811342373.1A Active CN109492396B (zh) | 2018-11-12 | 2018-11-12 | 基于语义分割的恶意软件基因快速检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109492396B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112860932A (zh) * | 2021-02-19 | 2021-05-28 | 电子科技大学 | 抵御恶意样本攻击的图像检索方法、装置、设备及存储介质 |
CN113282917A (zh) * | 2021-06-25 | 2021-08-20 | 深圳市联软科技股份有限公司 | 基于机器指令结构的安全进程识别方法及*** |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102346829A (zh) * | 2011-09-22 | 2012-02-08 | 重庆大学 | 基于集成分类的病毒检测方法 |
US20160203380A1 (en) * | 2015-01-13 | 2016-07-14 | Xerox Corporation | Annotation free license plate recognition method and system |
CN106096411A (zh) * | 2016-06-08 | 2016-11-09 | 浙江工业大学 | 一种基于字节码图像聚类的Android恶意代码家族分类方法 |
CN106803040A (zh) * | 2017-01-18 | 2017-06-06 | 腾讯科技(深圳)有限公司 | 病毒特征码处理方法及装置 |
CN107392019A (zh) * | 2017-07-05 | 2017-11-24 | 北京金睛云华科技有限公司 | 一种恶意代码家族的训练和检测方法及装置 |
CN107564025A (zh) * | 2017-08-09 | 2018-01-09 | 浙江大学 | 一种基于深度神经网络的电力设备红外图像语义分割方法 |
CN107577942A (zh) * | 2017-08-22 | 2018-01-12 | 中国民航大学 | 一种用于Android恶意软件检测的混合特征筛选方法 |
CN108063768A (zh) * | 2017-12-26 | 2018-05-22 | 河南信息安全研究院有限公司 | 基于网络基因技术的网络恶意行为识别方法及装置 |
CN108171059A (zh) * | 2017-12-26 | 2018-06-15 | 中国人民解放军战略支援部队信息工程大学 | 基于软件基因的恶意代码检测与识别方法及装置 |
CN108491889A (zh) * | 2018-04-02 | 2018-09-04 | 深圳市易成自动驾驶技术有限公司 | 图像语义分割方法、装置及计算机可读存储介质 |
CN108734012A (zh) * | 2018-05-21 | 2018-11-02 | 上海戎磐网络科技有限公司 | 恶意软件识别方法、装置及电子设备 |
-
2018
- 2018-11-12 CN CN201811342373.1A patent/CN109492396B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102346829A (zh) * | 2011-09-22 | 2012-02-08 | 重庆大学 | 基于集成分类的病毒检测方法 |
US20160203380A1 (en) * | 2015-01-13 | 2016-07-14 | Xerox Corporation | Annotation free license plate recognition method and system |
CN106096411A (zh) * | 2016-06-08 | 2016-11-09 | 浙江工业大学 | 一种基于字节码图像聚类的Android恶意代码家族分类方法 |
CN106803040A (zh) * | 2017-01-18 | 2017-06-06 | 腾讯科技(深圳)有限公司 | 病毒特征码处理方法及装置 |
CN107392019A (zh) * | 2017-07-05 | 2017-11-24 | 北京金睛云华科技有限公司 | 一种恶意代码家族的训练和检测方法及装置 |
CN107564025A (zh) * | 2017-08-09 | 2018-01-09 | 浙江大学 | 一种基于深度神经网络的电力设备红外图像语义分割方法 |
CN107577942A (zh) * | 2017-08-22 | 2018-01-12 | 中国民航大学 | 一种用于Android恶意软件检测的混合特征筛选方法 |
CN108063768A (zh) * | 2017-12-26 | 2018-05-22 | 河南信息安全研究院有限公司 | 基于网络基因技术的网络恶意行为识别方法及装置 |
CN108171059A (zh) * | 2017-12-26 | 2018-06-15 | 中国人民解放军战略支援部队信息工程大学 | 基于软件基因的恶意代码检测与识别方法及装置 |
CN108491889A (zh) * | 2018-04-02 | 2018-09-04 | 深圳市易成自动驾驶技术有限公司 | 图像语义分割方法、装置及计算机可读存储介质 |
CN108734012A (zh) * | 2018-05-21 | 2018-11-02 | 上海戎磐网络科技有限公司 | 恶意软件识别方法、装置及电子设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112860932A (zh) * | 2021-02-19 | 2021-05-28 | 电子科技大学 | 抵御恶意样本攻击的图像检索方法、装置、设备及存储介质 |
CN113282917A (zh) * | 2021-06-25 | 2021-08-20 | 深圳市联软科技股份有限公司 | 基于机器指令结构的安全进程识别方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN109492396B (zh) | 2021-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112434721B (zh) | 一种基于小样本学习的图像分类方法、***、存储介质及终端 | |
US11003941B2 (en) | Character identification method and device | |
KR20190142286A (ko) | 가중치 기반의 유사 문제 필터링 방법 | |
CN101354569B (zh) | 信息处理装置、信息处理方法 | |
CN106815192A (zh) | 模型训练方法及装置和语句情感识别方法及装置 | |
CN109800413A (zh) | 新闻事件的识别方法、装置、设备及可读存储介质 | |
CN112052813B (zh) | 染色体间易位识别方法、装置、电子设备及可读存储介质 | |
CN114861836B (zh) | 一种基于人工智能平台的模型部署方法及相关设备 | |
CN111275060A (zh) | 识别模型更新处理方法、装置、电子设备及存储介质 | |
CN114419363A (zh) | 基于无标注样本数据的目标分类模型训练方法及装置 | |
CN110210478A (zh) | 一种商品外包装文字识别方法 | |
CN112528934A (zh) | 一种基于多尺度特征层的改进型YOLOv3的交通标志检测方法 | |
CN105117740A (zh) | 字体识别方法及装置 | |
CN111091131B (zh) | 基于多任务学习的自适应车牌字符识别***及识别方法 | |
CN109492396A (zh) | 基于语义分割的恶意软件基因快速检测方法和装置 | |
CN110443174A (zh) | 一种基于解耦自适应判别性特征学习的行人重识别方法 | |
CN117036843A (zh) | 目标检测模型训练方法、目标检测方法和装置 | |
CN112101346A (zh) | 一种基于目标检测的验证码识别方法及装置 | |
CN112017162A (zh) | 病理图像处理方法、装置、存储介质和处理器 | |
CN110929057A (zh) | 图像处理方法、装置和***、存储介质及电子装置 | |
CN112380861B (zh) | 模型训练方法、装置及意图识别方法、装置 | |
CN110309825A (zh) | 一种复杂背景下的维吾尔文检测方法、***及电子设备 | |
CN111898570A (zh) | 基于双向特征金字塔网络的图像中文本识别方法 | |
CN111539390A (zh) | 一种基于Yolov3的小目标图像识别方法、设备和*** | |
CN115713669B (zh) | 一种基于类间关系的图像分类方法、装置、存储介质及终端 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: No. 188, Lianhui street, Xixing street, Binjiang District, Hangzhou City, Zhejiang Province Applicant after: Hangzhou Anheng Information Technology Co.,Ltd. Address before: 310000 15-storey Zhejiang Zhongcai Building, No. 68 Tonghe Road, Binjiang District, Hangzhou City, Zhejiang Province Applicant before: Hangzhou Anheng Information Technology Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |