排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
提出了一种适合低信噪比投影栅的时空二维相移算法。首先设计四步相移正弦光栅条纹图,由DLP投影仪投影到待测物体表面,再由CCD相机采集受物体形貌调制的变形条纹图;然后对其中一幅变形条纹图进行傅里叶变换以确定抽样间隔,再对4幅相移条纹图用相移法求得条纹背景和调制幅度后,对每幅变形条纹图做归一化处理;对每幅相移条纹图在空间域进行下采样抽样和灰度插值,构建相移莫尔条纹图,得到多帧时空域相移条纹图;对多帧时空域相移条纹图按时空二维相移法处理求得莫尔相位,再将莫尔相位与抽样点相位叠加求和得到变形条纹图对应的相位数据;最后,以面膜作为样品进行了实验测量,结果表明,经典四步相移法重构的物体形貌出现明显失真,而本文方法能较好恢复物体的三维形貌。 相似文献
2.
本文提出了基于FP-SSD(Feature Pyramid-Single Shot Detector)算法的多尺度目标检测方法。首先对训练样本进行处理,采用自适应裁剪算法裁剪训练样本,以适应单张图片中不同尺度的目标,同时扩充训练样本数量;然后以resnet网络替代SSD结构中原有的VGG网络,从而使网络的特征提取能力增强;最后在整体网络结构中加入特征金字塔网络(Feature Pyramid Network),实现了上下特征层的信息融合。针对实际巡检图像进行了应用研究。结果表明,本文所提出的目标检测方法,较原始SSD算法而言,在小尺度目标检测方面精度有了明显提高,同时,对大尺度目标保持着良好的检测效果,说明本方法对于多尺度目标检测有着更好的适用性 相似文献
3.
4.
智能合约是一种被大量部署在区块链上的去中心化的应用. 由于其具有经济属性, 智能合约漏洞会造成潜在的巨大经济和财产损失, 并破坏以太坊的稳定生态. 因此, 智能合约的漏洞检测具有十分重要的意义. 当前主流的智能合约漏洞检测方法(诸如Oyente和Securify)采用基于人工设计的启发式算法, 在不同应用场景下的复用性较弱且耗时高, 准确率也不高. 为了提升漏洞检测效果, 针对智能合约的时间戳漏洞, 提出基于数据流传播路径学习的智能合约漏洞检测方法Scruple. 所提方法首先获取时间戳漏洞的潜在的数据传播路径, 然后对其进行裁剪并利用融入图结构的预训练模型对传播路径进行学习, 最后对智能合约是否具有时间戳漏洞进行检测. 相比而言, Scruple具有更强的漏洞捕捉能力和泛化能力, 传播路径学习的针对性强, 避免了对程序整体依赖图学习时造成的层次太深而无法聚焦漏洞的问题. 为了验证Scruple的有效性, 在真实智能合约的数据集上, 开展Scruple方法与13种主流智能合约漏洞检测方法的对比实验. 实验结果表明, Scruple在检测时间戳漏洞上的准确率, 召回率和F1值分别可以达到0.96, 0.90和0.93, 与13种当前主流方法相比, 平均相对提升59%, 46%和57%, 从而大幅提升时间戳漏洞的检测能力. 相似文献
1