-
公开(公告)号：CN119559286B
公开(公告)日：2025-04-15
申请号：CN202510108403.6
申请日：2025-01-23
Applicant: 南京信息工程大学
IPC: G06T11/00 , G06N3/0455 , G06N3/0495 , G06N3/086 , G06N3/096
Abstract: 本发明提供了一种基于演化神经架构搜索的轻量级潜在扩散模型设计方法及系统，所述方法采用超网技术同时训练多个网络架构，在架构搜索过程中结合演化遗传算法，并通过训练一个多层感知器作为得分预测器，以辅助演化遗传算法在大规模搜索空间中高效筛选出最优架构，这种方法显著降低了传统架构设计过程中所需的资源消耗和计算成本。本发明通过结合知识蒸馏技术引入了预训练好的教师模型来监督学生模型的训练，可以在保证潜在扩散模型性能稳定的同时将潜在扩散模型变得轻量化。通过该方法，不仅能够自动化设计高效的神经网络架构，还能实现潜在扩散模型的高效部署，为扩散模型的优化提供了一种全新的、低成本的解决方案。
-
公开(公告)号：CN114282602B
公开(公告)日：2025-01-07
申请号：CN202111484754.5
申请日：2021-12-07
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/774
Abstract: 本发明公开了基于特征和标签空间动态对齐的域适应图像分类方法，包括如下步骤：(1)将源域图像和目标域图像输入到对抗无监督域适应模型，利用特征提取器提取高维特征，利用源域图像及对应标签训练分类器；(2)对高维特征的特征空间进行子域对齐，通过标签空间进行域对齐；(3)将域对齐之后高维特征输入到判别器进行域判别；(4)将判别之后的图像输入分类器，度量源域和目标域之间的子域分布距离，动态调整域适应与域判别之间的关系权重。本发明首次利用源域和目标域之间的子域分布距离，动态调整域适应与域判别之间的关系权重，让域适应能力和域判别能力达到平衡，以实现对目标域样本的精确标记工作，使得模型泛化能力更强。
-
公开(公告)号：CN116484218A
公开(公告)日：2023-07-25
申请号：CN202310425555.X
申请日：2023-04-20
Applicant: 南京信息工程大学
IPC: G06F18/214 , G06F18/2415 , G06F18/213 , G06F18/23213
Abstract: 本发明公开了一种基于双分类器加权对抗的无监督部分域适应方法，包括如下步骤：S1、样例加权：对源域的每个样本进行加权操作；S2、计算分类损失：基于标记的源样本计算分类损失，最小化分类损失训练特征提取器和两个分类器，使模型拟合源域的分布；S3、计算预测差异损失：将未标记的目标域样本输入的两个分类器中，通过两个分类器的输出来计算预测差异损失；S4、对抗学习：冻结特征提取器，通过最大化预测差异损失和分类损失来更新两个分类器；再冻结两个分类器，通过最小化预测差异损失来更新特征提取器，重复这一步骤进行对抗学习。本发明兼顾了目标域信息与难分类样本，能够实现更好的领域适应效果。
-
公开(公告)号：CN115711523A
公开(公告)日：2023-02-24
申请号：CN202211213400.1
申请日：2022-09-29
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种计算机生产用机器抓取机构，涉及计算机制造的技术领域，包括核心安装板、取放机构、加热机构及过渡连接件，核心安装板为矩形板件且水平设置；取放机构设有四个并对应分布于核心安装板的各个拐角处，取放机构用于从主机箱盖的下方向外撑紧或向内释放主机箱盖，取放机构包括固定条一、液压缸一、固定条二、液压缸二及撑紧块；加热机构分布于核心安装板的中心处，加热机构用于从主机箱盖的正上方向下吹出热气流并加热附着于主机箱盖的上表面的水渍或油漆，加热机构包括保温罩、加热块、导热片、电热管、静音扇及绝热柱；过渡连接件分布于加热机构的中心处，过渡连接件用于将机器抓取机构连接到机械臂的末端关节。
-
公开(公告)号：CN114781647A
公开(公告)日：2022-07-22
申请号：CN202210377197.5
申请日：2022-04-11
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种区分简单与困难样本的无监督域适应方法，包括：依据目标域样本的熵值来对目标域样本进行区分，将熵值大于等于预设熵值阈值的样本定义为简单样本，将熵值小于预设熵值阈值的样本定义为困难样本；对于分类为简单样本的目标域样本，采用源域训练好的分类器对其分配伪标签；对于分类为困难样本的目标域样本，利用步骤S2中分配好伪标签的简单样本将无监督域适应调整为半监督域适应，通过源域标签和目标域简单样本的标签来训练得到更加鲁棒的分类器，计算类中心，分别优化域间对比对齐和实例对比对齐，以减少域间和域内差异。本发明能够解决现有的域适应方法中对于目标域困难样本分类错误的问题。
-
Patent Agency Ranking
公开(公告)号：CN114282602A
公开(公告)日：2022-04-05
申请号：CN202111484754.5
申请日：2021-12-07
Applicant: 南京信息工程大学
IPC: G06K9/62 , G06V10/764 , G06V10/774
Abstract: 本发明公开了基于特征和标签空间动态对齐的域适应图像分类方法，包括如下步骤：(1)将源域图像和目标域图像输入到对抗无监督域适应模型，利用特征提取器提取高维特征，利用源域图像及对应标签训练分类器；(2)对高维特征的特征空间进行子域对齐，通过标签空间进行域对齐；(3)将域对齐之后高维特征输入到判别器进行域判别；(4)将判别之后的图像输入分类器，度量源域和目标域之间的子域分布距离，动态调整域适应与域判别之间的关系权重。本发明首次利用源域和目标域之间的子域分布距离，动态调整域适应与域判别之间的关系权重，让域适应能力和域判别能力达到平衡，以实现对目标域样本的精确标记工作，使得模型泛化能力更强。
-
公开(公告)号：CN108615226B
公开(公告)日：2022-02-11
申请号：CN201810348324.2
申请日：2018-04-18
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于生成式对抗网络的图像去雾方法，采用HOG特征提取方式和加入先验信息的去噪方式，提出依托环境雾霾浓度数据变化而变化的损失函数，从而选择整体最优的解决途径，在很大程度上解决了颜色的偏移等问题，同时防止图像过度去雾化，在尽可能得到清晰结果和降低复杂度之间寻找一种平衡；在一定程度上解决了先验信息制约算法适用范围的问题。
-
公开(公告)号：CN111797702A
公开(公告)日：2020-10-20
申请号：CN202010528622.7
申请日：2020-06-11
Applicant: 南京信息工程大学
Abstract: 本发明公开一种基于空间局部二值模式与光流梯度的人脸伪造视频检测方法，首先，对人脸视频中的人脸进行定位分割，得到人脸区域图像块序列；其次，从该序列中提取空间3D局部二值模式描述符；然后，利用光流法估计人脸视频的运动模式，结合方向梯度直方图构建真假人脸视频的运动特征；最后，联合两种特征并利用支持向量机进行训练，对真假人脸进行伪造检测。本发明从动态纹理的角度考虑伪造人脸视频，与基于深度学习的方法相比较，将大大降低时间消耗；且最终的特征能够从全局局部两个角度辨识真假人脸，充分描述视频的全局运动特征，提高伪造人脸视频检测的精度。
-
公开(公告)号：CN108509920A
公开(公告)日：2018-09-07
申请号：CN201810293102.5
申请日：2018-04-04
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于CNN的多patch多通道联合特征选择学习的人脸识别方法，属于人脸识别技术领域。该方法首先将原始人脸图像分割成多张子图像，每张子图像再分离成多张通道图像；然后为每张通道图像构建一个CNN网络模型，输入通道图像进行识别；接下来首先将同一子图像的多个通道神经网络进行连接，得到对应多张子图像的多个子图像神经网络，然后将多个子图像神经网络进行连接，作为最终的模型识别结果。本发明通过对现有卷积神经网络模型进行改进以及创新，从而达到优化和提升模型的效果，使得卷积神经网络模型的人脸识别能力更加精准，为其在日常生活、工业发展、科学研究等领域的广泛应用提供更有力的技术保障。
-
公开(公告)号：CN114241239B
公开(公告)日：2025-03-25
申请号：CN202111522633.5
申请日：2021-12-13
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/77 , G06V10/56 , G06V10/60 , G06V10/75 , G06V10/774 , G06V10/776 , G06V10/762 , G06N3/0464 , G06N3/088
Abstract: 本发明公开了一种基于流形学习的无监督预适应图像分类方法，该方法旨在构建图像分类模型，然后应用图像分类模型，完成待分类图像的分类，该方法包括以下步骤：1.构建图像样本集；2.构建特征提取网络；3.基于流形学习网络，构建特征向量降维网络；4.基于高阶信息匹配网络，构建分类器网络；5.构建源域图像样本的判别性损失模型、目标域图像样本的聚类损失模型、流形一致性损失模型、高阶张量匹配损失模型；6.引入交叉熵损失，获得最终损失模型；7.针对图像分类待训练模型进行训练，获得图像分类模型；该方法结合流形学习网络和高阶信息匹配网络，提取出的图像特征不仅有很好的迁移性，而且兼具很强的判别性，具有更高的分类准确率。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.034 seconds)
