公开(公告)号：CN110243385A

公开(公告)日：2019-09-17

申请号：CN201910594707.2

申请日：2019-07-03

Applicant: 南京信息工程大学

Inventor： 吴昊 ,  陈炜峰 ,  周旺平

IPC: G01C21/34

Abstract: 本发明涉及一种应用于机器人路径规划的蚁群算法，该蚁群算法针对前期信息素匮乏而导致收敛速度慢的问题，对信息素和启发式信息的权重参数α（信息启发因子）和β（期望启发因子）进行改进，动态调整两种参数；另外，加入局部最优方向的引导机制，来构建新的路径选择概率，本发明的蚁群算法的收敛速度更快。

公开(公告)号：CN106599138A

公开(公告)日：2017-04-26

申请号：CN201611100844.9

申请日：2016-12-05

Applicant: 南京信息工程大学

Inventor： 刘琦 ,  吴昊 ,  肖博

IPC: G06F17/30

CPC classification number: Y02D10/45 ,  G06F16/2465 ,  G06F16/2457

Abstract: 本发明提供了一种用电器种类识别方法，包括：明确用电器用电数据的数据结构；对未知用电器用电数据进行预处理；提取预处理好的用电器用电数据的数个关键特征，构成未知用电器的特征向量；将未知用电器的用电特征向量与数据库中的已知用电器特征进行逐个相似度匹配；筛选出相似度最高的那一类用电器，认定为未知用电器的所属种类，完成用电器种类识别。通过本发明的技术方案，可以较为准确地对待识别的用电器用电数据进行识别，识别出此用电器所属种类，解决了电力消费侧用电器种类识别的问题，为智能用电系统提供了针对性优化的基础。

公开(公告)号：CN117853369A

公开(公告)日：2024-04-09

申请号：CN202410003102.2

申请日：2024-01-02

Applicant: 南京信息工程大学

Inventor： 张孝清 ,  王维西 ,  郑祥明 ,  韦中 ,  葛东明 ,  吴昊 ,  倪浩君 ,  王强 ,  李昂

IPC: G06T5/73 ,  G06T5/60 ,  G06T1/20 ,  G06N3/006 ,  G06N5/01 ,  G06N7/08 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了基于改进白鲸优化算法的图像去雾方法、系统及设备，涉及图像数据处理技术领域。本发明包括：接收图像数据集，对图像数据集进行预处理操作；根据预处理的数据集构建SA‑BWO‑ResNet图像去雾模型；接收在雾霾天气里拍摄的有雾图像；将接收的有雾图像输入至SA‑BWO‑ResNet图像去雾模型进行处理，模型的输出即去雾图像。本发明通过FPGA芯片与IMX222结合SA‑BWO‑ResNet图像去雾模型的方法，FPGA芯片具有并行计算的能力，适合用于实时图像处理，结合IMX222图像传感器，可以实时获取图像数据，并通过FPGA进行快速的去雾处理，以获得清晰的图像输出，与现有技术相比，很好地解决了雾霾天气拍摄图像不清晰的问题，已经实现了端到端的学习，解决了传统去雾算法不能应用于复杂环境的问题。

公开(公告)号：CN115730316A

公开(公告)日：2023-03-03

申请号：CN202211468993.6

申请日：2022-11-22

Applicant: 南京信息工程大学

Inventor： 吴昊 ,  王金伟 ,  王海桦

IPC: G06F21/57

Abstract: 本发明公开基于经验精确Nesterov动量的提升对抗样本可转移性的方法，属于人工智能安全领域；方法包括：S1，获取经验动量，并经迭代训练得到预训练的经验动量；S2，获取精确Nesterov动量；S3，将预训练的经验动量与精确Nesterov动量结合并应用于对抗攻击以提升对抗样本的可转移性。

公开(公告)号：CN119557843A

公开(公告)日：2025-03-04

申请号：CN202510127565.4

申请日：2025-02-05

Applicant: 南京气象科技创新研究院 ,  南京信息工程大学

Inventor： 曾燕 ,  薛顺奎 ,  邱新法 ,  朱晓晨 ,  陈兵 ,  许金萍 ,  王珂清 ,  吴昊

IPC: G06F18/25 ,  G06N20/20

Abstract: 本发明公开了一种基于集成学习的多源降水产品融合方法，本发明运用多种机器学习模型及其不同组合的集成学习模型，融合多源降水产品，并考虑多个辅助因子为输入，以多种评估指标为依据，生成质量更优的降水产品。生成的降水产品明显优于原始降水产品，同时兼备了不同原始降水产品的优点，可用于生产应用与科学研究。

公开(公告)号：CN117057165A

公开(公告)日：2023-11-14

申请号：CN202311310875.7

申请日：2023-10-11

Applicant: 南京气象科技创新研究院 ,  南京信息工程大学

Inventor： 曾燕 ,  邱新法 ,  朱晓晨 ,  谢志清 ,  吴泓 ,  刘岩 ,  王珂清 ,  吴昊 ,  严殊祺 ,  许金萍 ,  徐进

IPC: G06F30/20 ,  G06F17/18 ,  G06F111/06

Abstract: 本发明公开了一种基于地面气象数据集群的模型参数优化方法。基于气象站数据建模，需要充分考虑模型要素的时、空变化特征，传统模型以单站模型和集总模型为主，对上述因素的考虑不够全面。本发明设计的集群方法，通过不同组合的数据集群形式，多重优化建模的样本数据集，进而找到最优模型参数。

公开(公告)号：CN116308984A

公开(公告)日：2023-06-23

申请号：CN202310376859.1

申请日：2023-04-11

Applicant: 南京信息工程大学

Inventor： 王海桦 ,  王金伟 ,  吴昊

IPC: G06T1/00 ,  G06T9/00 ,  G06T5/00 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0455

Abstract: 本发明公开了一种抗深度神经网络识别的不可见盲水印生成方法，包括，利用编码器将水印信息嵌入到载体图像中；利用目标分类器，引导编码器将水印信息嵌入到载体图像对抗特征区域，生成对抗水印图像；利用噪声层对对抗水印图像添加噪声生成噪声对抗水印图像；利用解码器将水印信息从噪声对抗水印图像中恢复；利用鉴别器来进行对抗训练使恢复水印信息的噪声对抗水印图像更逼真；本发明能够基于数字水印和对抗样本来为私有图像提供双重图像版权保护。

公开(公告)号：CN112750058A

公开(公告)日：2021-05-04

申请号：CN202110141326.6

申请日：2021-02-02

Applicant: 南京信息工程大学

Inventor： 高芳 ,  李彦翰 ,  文韬 ,  沈正阳 ,  吴昊

IPC: G06Q50/20 ,  G06Q10/06

Abstract: 本发明提供了一种教学质量评价及改进指导方法，包括：S10数据采集；S20对输入层的得分值、过程层的得分值以及成果层的得分值中缺失得分样本数据进行识别和填充，识别离群点并删除；S30利用信息熵权法计算各层权重，计算该课程效率总得分，以此评价课程教学情况；以及S40计算输入层、过程层、成果层以及各层所包含的每种初始数据的信息增益，并进行排序，信息增益越大代表对结果的影响越大，为该课程的改进提供指导方向。本发明的一种教学质量评价及改进指导方法，分别根据评分规则对输入层、过程层以及成果层进行评分及信息增益，获得课程效率总得分以及信息增益的排序，以此评价课程教学情况并对课程的改进提供指导方向。

公开(公告)号：CN120069563A

公开(公告)日：2025-05-30

申请号：CN202510541819.7

申请日：2025-04-28

Applicant: 南京气象科技创新研究院 ,  南京信息工程大学

Inventor： 曾燕 ,  王勇 ,  朱晓晨 ,  邱新法 ,  项瑛 ,  王珂清 ,  刘岩 ,  许金萍 ,  吴昊 ,  朱承瑛

IPC: G06Q10/0635 ,  G06Q50/40

Abstract: 本发明公开了一种地铁暴雨积涝风险表达方法，本发明按照地铁组成要素，筛选确定地铁承灾体，将地铁承灾体分为点状与线状两类。依据点状承灾体与线状承灾体的实际空间尺度特点，通过建立矢量点缓冲区与分割矢量线方式，将暴雨积水深度栅格数据信息赋值给承灾体矢量点与承灾体矢量线，进而实现地铁暴雨积涝风险表达，本发明能为城市地铁运营决策提供科学支撑。

公开(公告)号：CN118552935A

公开(公告)日：2024-08-27

申请号：CN202410742548.7

申请日：2024-06-11

Applicant: 南京信息工程大学

Inventor： 王维西 ,  张孝清 ,  韦中 ,  郑柏超 ,  倪浩君 ,  吴昊 ,  李昂 ,  严颖

IPC: G06V20/58 ,  G06V10/774 ,  G06V10/766 ,  G06V10/764 ,  G06V10/82 ,  G06V10/80

Abstract: 本发明公开了基于改进YOLOv8的小目标检测方法、系统及设备，涉及目标检测技术领域。本发明包括：接收交通标志图像数据集，提取其中出现频率次数最高的42类交通标志图像，并采用数据增强，将数据集划分为训练集，测试集，验证集；以YOLOv8作为基准网络，构建交通标志检测模型，所述交通标志检测模型在YOLOv8模型的主干网络中引入CDED下采样模块；在YOLOv8模型的主干网络最后引入DPLK大核卷积注意力模块；在YOLOv8模型的颈部部分引入CARAFE上采样模块；将数据集的训练集输入到交通标志检测模型中，得到训练后的交通标志检测模型。本发明的技术方案检测精度较高，有效提高了模型的检测效果、鲁棒性和泛化性能，为智能交通领域的交通标志检测提供了有力支持。