← 返回设计浏览
项目说明
该项目在代码编辑器中运行 main.py,终端依次输出数据加载与特征提取流程。第一步加载 data/train、data/test、data/val 数据集,显示训练集 7459 张、测试集 957 张、验证集 923 张,恶意代码家族数 25,并列出家族名称列表。第二步为提取 HOG 与 GIST 特征并级联融合,终端显示提取进度。编辑器标签页还打开多张 PNG 图片,项目目录含 data、models、results、src 等文件夹。
PROJECT · VIDEO
项目演示视频
基于图像特征融合的恶意代码检测模型 在 B站打开 ↗
基于图像特征融合的恶意代码检测模型 · 01
基于图像特征融合的恶意代码检测模型 · 02
基于图像特征融合的恶意代码检测模型 · 03
基于图像特征融合的恶意代码检测模型 · 04
基于图像特征融合的恶意代码检测模型 · 05
基于图像特征融合的恶意代码检测模型 · 06
基于图像特征融合的恶意代码检测模型 · 07
基于图像特征融合的恶意代码检测模型 · 08
基于图像特征融合的恶意代码检测模型 · 09
基于图像特征融合的恶意代码检测模型 · 10
基于图像特征融合的恶意代码检测模型 · 11
基于图像特征融合的恶意代码检测模型 · 12
基于图像特征融合的恶意代码检测模型 · 13
基于图像特征融合的恶意代码检测模型 · 14
基于图像特征融合的恶意代码检测模型 · 15
基于图像特征融合的恶意代码检测模型 · 16
基于图像特征融合的恶意代码检测模型 · 17
基于图像特征融合的恶意代码检测模型 · 18
基于图像特征融合的恶意代码检测模型 · 19
基于图像特征融合的恶意代码检测模型 · 20