-
公开(公告)号：CN114580566A
公开(公告)日：2022-06-03
申请号：CN202210289086.9
申请日：2022-03-22
Applicant: 南通大学
IPC: G06K9/62 , G06V10/764
Abstract: 本发明涉及小样本图像分类技术领域，具体涉及一种基于间隔监督对比损失的小样本图像分类方法，包括：利用一种新颖的间隔监督对比损失函数在基类数据集上对模型进行预训练，固定预训模型中编码器中的参数，对新类数据集中的支持图像样本提取特征并训练SVM分类器，最后利用SVM对查询样本进行分类决策。本发明中的间隔监督对比损失函数对基类样本之间的对比性关系建立数学模型，而不是只关注于基类样本所属的类别，所预训练的骨干网络更具有迁移性。本发明中的监督对比损失函数通过增加间隔参数，能够进一步缩小类内数据的距离，增大类间距离，从而进一步提高分类性能。
-
公开(公告)号：CN114580565A
公开(公告)日：2022-06-03
申请号：CN202210281818.X
申请日：2022-03-22
Applicant: 南通大学
Abstract: 本发明公开一种基于知识蒸馏的谷物自动识别方法，该方法首先加载基于ImageNet训练好的ResNet101作为教师网络，使用基于输出和特征的知识蒸馏算法对学生网络而完成预训练模型的压缩；然后离线收集若干关于谷物的图像，构建谷物图像数据集，移除学生网络中的输出层和Softmax层，添加谷类分类器，利用谷类数据集对网络中的参数进行微调；最后利用微调后的学生网络对谷物图像进行在线测试。本发明利用知识蒸馏技术对识别谷物的卷积神经网络进行压缩，网络中参数量减小，能够使得基于卷积神经网络的谷类识别方法更适用于嵌入式设备。
-
公开(公告)号：CN111159504A
公开(公告)日：2020-05-15
申请号：CN201911322043.0
申请日：2019-12-19
Applicant: 南通大学
IPC: G06F16/906 , G06Q30/06 , G07C9/37
Abstract: 本发明公开了一种家用物品智能管理系统。该系统主要包括家用物品的分类存储、智能查询、人性化服务、隐私管理和资源共享等五大模块。该系统由手机APP实现操作，用户可在APP中进行存储空间分类规划，存放物品时，可通过文字或图像识别加以命名；当用户需要寻找物品时，可直接通过语音或文字输入进行智能查询；在人性化服务模块中，主要实现物品有效期提醒、天气变化时雨具和衣物提醒等；隐私管理模块中，配合声纹锁实现存储空间的家庭成员隐私权限管理；对于长期闲置物品，可发布二手市场进行交易，在同一社区内也可以进行家用工具等资源共享。该系统通过手机实现多种功能，能够满足日常生活中家用物品管理需求，操作简单方便。
-
公开(公告)号：CN105668495A
公开(公告)日：2016-06-15
申请号：CN201610018642.3
申请日：2014-09-17
Applicant: 南通大学
IPC: B67C9/00
Abstract: 本发明公开了一种结构合理的高压舱细胞培养试剂自动倾倒装置，高压舱的舱门设在顶部，舱体侧面设置电气贯穿件，电气控制系统包括位于舱外的驱动机构以及位于舱内的两相混合式步进电机，通过电气贯穿件将舱外的信号线连接到电机的信号端上；传动机构连接器将两相混合式步进电机的电机轴与储液机构连接起来，连接器带动储液机构旋转相同的角度，从而将其中一组试管中的试剂成功倒入细胞培养皿中；储液架上有多个试管放置位，相连两组储液架呈一定角度放置，并且不同组的试管放置位错开分布。本发明结构合理，能够在高压舱内正常运行并自动倾倒细胞培养试剂、可以同时添加多种试剂也可以在不同时刻添加不同试剂，提高了实验效率。
-
公开(公告)号：CN104401922B
公开(公告)日：2016-05-25
申请号：CN201410472319.4
申请日：2014-09-17
Applicant: 南通大学
IPC: B67C9/00
Abstract: 本发明公开了一种高压舱细胞培养试剂自动倾倒装置，高压舱的舱门设在顶部，舱体侧面设置电气贯穿件，电气控制系统包括位于舱外的驱动机构以及位于舱内的两相混合式步进电机，通过电气贯穿件将舱外的信号线连接到电机的信号端上；传动机构连接器将两相混合式步进电机的电机轴与储液机构连接起来，连接器带动储液机构旋转相同的角度，从而将其中一组试管中的试剂成功倒入细胞培养皿中；储液架上有多个试管放置位，相连两组储液架呈一定角度放置，并且不同组的试管放置位错开分布。本发明结构合理，能够在高压舱内正常运行并自动倾倒细胞培养试剂、可以同时添加多种试剂也可以在不同时刻添加不同试剂，提高了实验效率。
-
Patent Agency Ranking
公开(公告)号：CN104401922A
公开(公告)日：2015-03-11
申请号：CN201410472319.4
申请日：2014-09-17
Applicant: 南通大学
IPC: B67C9/00
CPC classification number: B67C9/00
Abstract: 本发明公开了一种高压舱细胞培养试剂自动倾倒装置，高压舱的舱门设在顶部，舱体侧面设置电气贯穿件，电气控制系统包括位于舱外的驱动机构以及位于舱内的两相混合式步进电机，通过电气贯穿件将舱外的信号线连接到电机的信号端上；传动机构连接器将两相混合式步进电机的电机轴与储液机构连接起来，连接器带动储液机构旋转相同的角度，从而将其中一组试管中的试剂成功倒入细胞培养皿中；储液架上有多个试管放置位，相连两组储液架呈一定角度放置，并且不同组的试管放置位错开分布。本发明结构合理，能够在高压舱内正常运行并自动倾倒细胞培养试剂、可以同时添加多种试剂也可以在不同时刻添加不同试剂，提高了实验效率。
-
公开(公告)号：CN109367859B
公开(公告)日：2024-06-21
申请号：CN201811501004.2
申请日：2018-12-10
Applicant: 南通大学
Abstract: 本发明公开了一种柔性棒料的装盒机构及控制方法，装盒机构：包括棒料整理机构，棒料拍平夹持机构、叠式推送机构和装盒控制系统；棒料整理机构包括整理过渡仓、棒料托板、棒料侧板、振动机构，整理过渡仓的顶部设有振动机构，底部设有棒料托板，两旁侧部分别设有棒料侧板，包装纸盒放置在整理过渡仓的一侧；棒料拍平夹持机构、叠式推送机构分别安装在整理过渡仓的另一侧。本发明增设了棒料过渡仓，棒料先在整理过渡仓中整理排列规整，在达到一盒装填数量后，首先利用夹持机构将可送入包装盒的部分棒料与尚需进一步整理的棒料分开，而后通过推送机构一次性将规整好的棒料整体推入纸盒完成装盒任务，提升了装盒质量，为企业减少了人工成本。
-
公开(公告)号：CN115294386B
公开(公告)日：2023-11-24
申请号：CN202210800079.0
申请日：2022-07-06
Applicant: 南通大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/40 , G06V10/774
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于正则化监督损失函数的图像分类方法，该方法首先利用构建好的分类模型对训练图像提取特征，通过网络中的分类器与Softmax层将特征转化为输出概率值；然后基于样本的类别签值计算样本特征之间的监督对比损失函数以及正则化因子，从而得到正则化监督对比损失函数；最后，计算正则化Softmax损失函数和正则化监督对比损失函数的加权和作为总的损失函数对网络中的参数进行优化，利用训练后的网络对测试图像进行分类决策。本发明公开的方法能够使监督损失函数在训练图像数据集上避免过拟合，从而提高网络的泛化性能。
-
公开(公告)号：CN114580571B
公开(公告)日：2023-05-23
申请号：CN202210348529.7
申请日：2022-04-01
Applicant: 南通大学
IPC: G06V10/764 , G06N3/045 , G06N3/047 , G06N3/08 , G06V10/82
Abstract: 本发明涉及小样本图像分类技术领域，尤其涉及一种基于迁移互学习的小样本电力设备图像分类方法，具体包括以下步骤：首先通过旋转、裁剪等方法增强数据集；然后构造两个具有交叉熵损失和自监督损失的互学习小样本迁移模型，同时两个模型的输出相互为另一模型提供互信息损失；最后固定训练好的其中一个模型的主干网络作为特征提取器与新的分类器结合，对新的电力设备类别的图像样本进行分类预测。本发明能够通过两个模型互学习的方式提高主干网络模型特征提取能力，训练后的主干网络可以与多种新的分类器相结合完成对未可见类别样本的分类决策；同时，本发明只需要少量图像数据，即可训练出高精度的分类模型，非常适用于电力设备巡检场景。
-
公开(公告)号：CN115482449A
公开(公告)日：2022-12-16
申请号：CN202211133367.1
申请日：2022-09-17
Applicant: 南通大学
IPC: G06V10/82 , G06V10/77 , G06V10/764 , G06N3/08 , G06N3/04
Abstract: 本发明属于人工智能算法技术领域，具体涉及一种基于语义属性视觉转换重构器的深度神经网络算法。首先利用语义属性模块B1获取图像关键部件位置坐标，并将关键部件位置所在区域内的像素值转换为语义属性特征矢量，同时利用位置矢量模块B2将位置坐标通过线性全连接层转换为位置特征矢量，然后利用多层语义属性转换器B3对语义属性特征矢量和位置特征矢量相加后的特征进行转换得到离散语义属性特征，最后利用语义目标重构器B4对离散语义属性特征建立图模型从而得到图像的最终特征表示。通过模块B1、B2、B3、B4组成的基于语义属性视觉转换重构器的深度神经网络算法对数字图像进行处理，能够提高计算机对图像中语义物体的建模能力和空间表示能力。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.029 seconds)
