-
公开(公告)号：CN111368683A
公开(公告)日：2020-07-03
申请号：CN202010124013.5
申请日：2020-02-27
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于模约束CentreFace的人脸图像特征提取方法及人脸识别方法，该方法包括以下步骤：获取低分辨率人脸数据集，对数据集进行预处理；根据应用的任务环境选取合适的基础卷积神经网络；使用Softmax损失、中心损失和模损失函数在训练数据集上对人脸识别模型进行联合监督，得到人脸识别模型；使用人脸识别模型提取人脸图像的特征代表向量，根据阈值判定相似性或根据距离排序给出人脸识别结果。本发明基于CentreFace算法的损失函数进一步提出一种模损失函数用于联合训练，通过大量监控下的低分辨率人脸图像获得较好的人脸识别模型。
-
公开(公告)号：CN110475221A
公开(公告)日：2019-11-19
申请号：CN201910634844.4
申请日：2019-07-15
Applicant: 南京邮电大学
Abstract: 本发明涉及了一种基于接收信号中包含信道状态信息(CSI)的人员动作识别和位置估计方法。离线阶段，在不同参考位置点上，人员目标进行不同的动作姿态，测量路由器发射信号在接收网卡上的CSI信息。构建数据库和每个动作标签对应的数据库。利用数据归一化和主成分分析方法对构建的训练数据库进行预处理。利用支持向量机对数据库进行基于动作标签的分类学习，得到基于动作的分类模型。在线阶段，根据接收到的CSI信息，在进行数据归一化和主成分分析的数据预处理后，通过动作分类模型得出人员目标动作估计结果。在此基础上，通过人员动作目标估计结果对应的位置回归模型，得到人员的位置估计结果。
-
公开(公告)号：CN110443849A
公开(公告)日：2019-11-12
申请号：CN201910624713.8
申请日：2019-07-11
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于深度图像的双流卷积神经网络回归学习的目标定位方法。离线阶段，在每个参考位置处，灰度图像及其对应的深度图像由双目相机收集。使用图像预处理技术，灰度图像和深度图像被转换为三通道图像。然后，具有共享权重系数的双流CNN用于离线回归学习。最后，得到了基于距离的回归模型。在线阶段，将得到的灰度图像和深度图像的预处理之后，通过基于距离的回归模型来估计最终距离。
-
公开(公告)号：CN109917328A
公开(公告)日：2019-06-21
申请号：CN201910297320.0
申请日：2019-04-15
Applicant: 南京邮电大学
IPC: G01S3/14
Abstract: 本发明公开了一种基于原子范数最小化的L型阵列波达方向估计方法，所述方法首先利用Nx个指定阵元构成一个阵元间距为入射窄带信号波长一半的第一阵列x，以及利用Ny个阵元构成一个阵元间距为入射窄带信号波长一半的第二阵列y，并在接收端构建由第一阵列x和第二阵列y组成的L型阵列；计算得到第一阵列x和第二阵列y的互相关矩阵，同时建立原子集合；然后，根据原子范数的定义，建立原子范数最小化问题，并根据最小化问题的最优解得到协方差矩阵；最后重构协方差矩阵，并基于重构后的协方差矩阵通过多重信号分类方法得到入射信号的仰角和方位角大小，完成波达方向的估计操作；本发明能够降低波达方向估计过程中噪声的影响，提升分辨率和估计精度。
-
公开(公告)号：CN109507636A
公开(公告)日：2019-03-22
申请号：CN201811365110.2
申请日：2018-11-16
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于虚拟域信号重构的波达方向估计方法，用于解决现有技术中在相干信号场景中低自由度的问题，具体包括步骤：首先构建由M个阵元组成的稀疏阵列并构建由K个窄带入射信号构成的阵列接收信号模型；然后基于建立的网格集合和与所述网格集合对应的拓展阵列流形矩阵构建所述阵列接收信号模型的稀疏信号重构模型；随后基于虚拟阵列构建优化问题，并使用迭代方式交替求解优化问题从而恢复稀疏阵列信号和虚拟阵列的重构信号，并设置终止准则，在迭代过程中，若符合终止准则，则利用恢复出的稀疏阵列信号来估计波达方向，否则，重复使用迭代方式再次交替求解优化问题，直到符合终止准则；本发明提升了波达方向估计的自由度和精确度。
-
Patent Agency Ranking
公开(公告)号：CN105790837B
公开(公告)日：2019-02-19
申请号：CN201610125773.1
申请日：2016-03-04
Applicant: 南京邮电大学
IPC: H04B10/116 , G06F16/583 , G01S5/16
Abstract: 本发明公开了基于图像匹配和指纹库的LED可见光室内定位方法系统,该定位方法在离线阶段，构建象限图片指纹库和基于指纹的网格化象限数据库。在线阶段，首先通电驱动电路，实现LED信号源照明覆盖区域，移动终端拍摄LED灯，与图片指纹库进行匹配，得到精度较高的粗位置，实现粗定位；然后移动终端根据得到“指纹”信息与多参数指纹库进行查询匹配，确定移动终端在该区域下的位置信息，实现精定位。本发明将图片与图片指纹库进行查询匹配，实现粗定位；精定位只需将实时接收到的指纹与指纹库数据进行查询匹配，确定最终移动终端的位置，粗定位大大降低了后续精定位算法复杂度，查询匹配提高了定位速度和定位精度，网格化方法降低了定位误差。
-
公开(公告)号：CN108596235A
公开(公告)日：2018-09-28
申请号：CN201810349507.6
申请日：2018-04-18
Applicant: 南京邮电大学
IPC: G06K9/62
Abstract: 本发明公开了基于SPeLUs函数的神经网络图像分类方法，包括步骤：(1)选取具有自归一化特性的分段线性激活函数SPeLUs；(2)用分段线性激活函数SPeLUs代替神经网络中的激活函数SELU；(3)测试在数据集的分类效果。本发明方法采用分段线性函数取代SELU的指数部分，简化了计算，加速了神经网络的训练，同时保持了自归一化特性，不需要Batch Normalization技术，进一步减少了计算量。通过采用本发明方法，在硬件资源有限的情况下，保证激活函数的实现精度，同时提高了硬件的运行效率。
-
公开(公告)号：CN104780604B
公开(公告)日：2018-03-16
申请号：CN201510107001.0
申请日：2015-03-11
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于GMP的高目标识别性能的无线网络定位方法，该方法提高了目标数目未知下的目标识别性能。本发明所述方法的定位分为两个阶段，包括：首先，利用传统的GMP算法得到绝大部分目标的可能位置，然后引入一个重新定义的阈值，从剩下的格子中选择更多目标可能的位置，以降低目标的丢失概率。然后，利用最小二乘法(即：LS)去掉目标位置估计值中的一些异常值以降低目标的虚警概率。实验结果表明，在目标数目未知的情况下，本发明方法比传统的GMP方法有更好的目标识别能力。
-
公开(公告)号：CN107703480A
公开(公告)日：2018-02-16
申请号：CN201710750490.0
申请日：2017-08-28
Applicant: 南京邮电大学
CPC classification number: G01S5/02 , G01S5/06 , G06F17/153 , G06N99/005
Abstract: 本发明公开了一种基于机器学习的混合核函数室内定位方法。首先，建立指纹地图库并以该指纹库为训练数据集；然后，利用加权求和的方法构造混合核函数，并机器学习算法中的支持向量回归算法和v折交叉验证方法训练得出混合核函数的最佳权重系数和最佳核参数；最后，在权重系数和核参数最佳的前提下，对训练数据集进行离线训练学习，从而分别得出x坐标和y坐标的拟合函数，再利用该拟合函数对目标接收到的RSSI值进行在线学习，从而得出目标的位置坐标。与传统的室内定位算法：BP神经网络算法、K近邻算法、线性核函数算法、多项式核函数算法和高斯核函数算法相比，本发明的算法定位精度更高。
-
公开(公告)号：CN104182638A
公开(公告)日：2014-12-03
申请号：CN201410421240.9
申请日：2014-08-25
Applicant: 南京邮电大学
IPC: G06F19/00
Abstract: 本发明公开了一种基于模糊建模的目标定位方法，包括：步骤1：用卡尔曼位置预测得到每个基站的测量预测值；然后应用截断三角概率-可能性变换，计算各测量的可能性；步骤2：根据预设的视距测量数目或者预设的可能性阈值，选择Ns个具有高可能性的测量作为视距测量，其他N-Ns(N表示基站个数，Ns可以取不大于N的任意正整数)个具有低可能性的测量作为非视距测量，用于单点位置确定；步骤3：使用卡尔曼位置预测值作为初始位置估计，然后用最大似然估计法估计目标位置；同时，初始化卡尔曼滤波器的协方差矩阵；步骤4：用标准的卡尔曼滤波器过滤基于最大似然估计的单点位置估计值；同时，反馈卡尔曼位置预测到最大似然估计并用测量预测来模糊建模。
-
-
-
-
-
-
-
-
-
Search Results
133
records
(took 0.041 seconds)
