[發(fā)明專利]一種基于深度學(xué)習(xí)語(yǔ)義分割算法的改進(jìn)系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202011521918.2
• 申請(qǐng)日: 2020-12-21
• 公開(kāi)（公告）號(hào): CN112507338B
• 公開(kāi)（公告）日: 2023-02-14
• 發(fā)明（設(shè)計(jì)）人: 陳純玉;吳忻生;陳安;王博
• 申請(qǐng)（專利權(quán)）人: 華南理工大學(xué)
• 主分類號(hào): G06F21/56
• 分類號(hào): G06F21/56;G06F16/245;G06T7/10;G06N3/04
• 代理公司: 廣州粵高專利商標(biāo)代理有限公司 44102
• 代理人: 何淑珍;江裕強(qiáng)

1.一種基于深度學(xué)習(xí)語(yǔ)義分割算法的改進(jìn)系統(tǒng)，其特征在于：包括總處理器模塊（1）、深度學(xué)習(xí)模塊（2）、信息輸出模塊（3）、無(wú)線傳輸模塊（4）、接收終端模塊（5）、安全檢驗(yàn)?zāi)K（6）、數(shù)據(jù)提交模塊（7）、供電模塊（8）、分割算法模塊（9）、病毒查殺模塊（11）、數(shù)據(jù)記錄模塊（12）；所述總處理器模塊（1）的輸出端、深度學(xué)習(xí)模塊（2）、分割算法模塊（9）依次連接，所述供電模塊（8）的電源輸出端連接所述總處理器模塊（1）的電源輸入端，所述總處理器模塊（1）的外部安裝有數(shù)據(jù)檢驗(yàn)?zāi)K（10）；

所述總處理器模塊（1）的輸出端、信息輸出模塊（3）、無(wú)線傳輸模塊（4）、接收終端模塊（5）、安全檢驗(yàn)?zāi)K（6）、病毒查殺模塊（11）的輸入端依次連接；

所述病毒查殺模塊（11）的輸出端連接所述數(shù)據(jù)檢驗(yàn)?zāi)K（10）的輸入端；所述安全檢驗(yàn)?zāi)K（6）的輸出端連接所述數(shù)據(jù)提交模塊（7）的輸入端，所述數(shù)據(jù)提交模塊（7）的輸出端連接有所述數(shù)據(jù)記錄模塊（12）的輸入端；

所述數(shù)據(jù)檢驗(yàn)?zāi)K（10）的內(nèi)部設(shè)置有符號(hào)檢查模塊（13）、邏輯檢查模塊（14）、關(guān)鍵詞設(shè)置模塊（15）和信息接收模塊（16）；所述符號(hào)檢查模塊（13）、所述邏輯檢查模塊（14）、所述關(guān)鍵詞設(shè)置模塊（15）和所述信息接收模塊（16）的輸入端均與所述數(shù)據(jù)檢驗(yàn)?zāi)K（10）的輸出端連接。

2.如權(quán)利要求1所述的基于深度學(xué)習(xí)語(yǔ)義分割算法的改進(jìn)系統(tǒng)，其特征在于：所述病毒查殺模塊（11）的外部設(shè)置有防火墻模塊（17）、云病毒庫(kù)升級(jí)模塊（18）和智能警示模塊（19）；所述防火墻模塊（17）、所述云病毒庫(kù)升級(jí)模塊（18）和所述智能警示模塊（19）的輸入端均與所述病毒查殺模塊（11）的輸出端連接；所述病毒查殺模塊（11）的輸出端與所述防火墻模塊（17）、所述云病毒庫(kù)升級(jí)模塊（18）和所述智能警示模塊（19）的輸入端連接。

3.如權(quán)利要求2所述的基于深度學(xué)習(xí)語(yǔ)義分割算法的改進(jìn)系統(tǒng)，其特征在于：所述深度學(xué)習(xí)模塊（2）采用卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)方法，所述神經(jīng)網(wǎng)絡(luò)由卷積層、池化層、下采樣層和全連接層構(gòu)成的LcNet-5模型，并使用誤差梯度反向傳播的算法進(jìn)行監(jiān)督式的訓(xùn)練學(xué)習(xí)。

4.如權(quán)利要求3所述的基于深度學(xué)習(xí)語(yǔ)義分割算法的改進(jìn)系統(tǒng)，其特征在于：所述LcNet-5模型引入局部連接、權(quán)值共享、池化；所述LcNet-5模型的每個(gè)神經(jīng)元只與一個(gè)區(qū)域的像素連接，與神經(jīng)元連接的區(qū)域稱為局部感受野；實(shí)現(xiàn)權(quán)值共享是將感受野中的長(zhǎng)寬參數(shù)直接賦值到卷積核中，形成卷積核的參數(shù)即為感受野的大小；將卷積輸出上的固定大小區(qū)域取均值或者最大值，形成池化pooling。

5.如權(quán)利要求4所述的基于深度學(xué)習(xí)語(yǔ)義分割算法的改進(jìn)系統(tǒng)，其特征在于：所述分割算法模塊（9）采用超像素分割算法，通過(guò)對(duì)原圖進(jìn)行超像素分割，得到由相似特征的像素聚合而成的超像素區(qū)域，在分割過(guò)程中融入超像素之間的空間位置信息進(jìn)而提高分割效果。

6.如權(quán)利要求5所述的基于深度學(xué)習(xí)語(yǔ)義分割算法的改進(jìn)系統(tǒng)，其特征在于：防火墻模塊（17）包括判斷病毒是否感染，病毒特征碼掃描和虛擬機(jī)；

判斷病毒是否感染的方式如下：

通過(guò)特征碼掃描法用每一種病毒體含有的特定病毒碼對(duì)被檢測(cè)的對(duì)象進(jìn)行掃描，如果在被檢測(cè)對(duì)象內(nèi)部發(fā)現(xiàn)一種特定病毒碼，則存在該病毒碼所代表的病毒，分析出病毒的特征病毒碼存放于病毒代碼庫(kù)文件中，所述特征碼掃描法分為特征代碼掃描和特征字的掃描，特征代碼指的是所述的特征病毒碼，特征字掃描是從病毒體內(nèi)抽取關(guān)鍵的特征字，組成特征字庫(kù)，在掃描時(shí)將掃描對(duì)象即是特征字與特征代碼相比較，若吻合的則判斷掃描對(duì)象即是特征字感染上病毒；針對(duì)通過(guò)加密的病毒，特征碼掃描法無(wú)法特征碼掃描的掃描檢測(cè)，因此，用軟件虛擬一套Windows運(yùn)行環(huán)境并讓病毒在此環(huán)境下打開(kāi)并攻擊運(yùn)行環(huán)境，即虛擬機(jī)，加密病毒在執(zhí)行時(shí)最終還是要解密，這樣在解密之后通過(guò)特征檢驗(yàn)來(lái)確認(rèn)病毒。