-
公开(公告)号：CN111310546B
公开(公告)日：2023-08-08
申请号：CN201911224888.6
申请日：2019-12-04
Applicant: 江南大学
Abstract: 本发明涉及信息安全领域，公开了在线笔迹认证中一种书写节奏特征的提取及认证方法，包括如下步骤：书写节奏特征预学习，取得书写节奏特征概率密度函数，书写节奏特征注册，计算注册手写笔迹样本在书写节奏特征每个分量上的最大最小值，书写节奏特征认证，计算观测到测试手写笔迹样本与注册手写笔迹样本所有稳定且一致的书写节奏特征分量的概率，依此概率值作为进一步判别的依据。本发明在线笔迹认证中一种书写节奏特征的提取及认证方法，有效提取书写节奏特征，并估算稳定且一致书写节奏特征在人群中出现的概率，通过有效识别不易被察觉的书写方式，极大地增加摹仿者的攻击难度和攻击成本，从而提升笔迹认证性能。
-
公开(公告)号：CN109711456B
公开(公告)日：2023-04-28
申请号：CN201811572902.7
申请日：2018-12-21
Applicant: 江南大学 , 江苏江大智慧科技有限公司
IPC: G06V10/762 , G06V10/77 , G06V10/774 , G06V10/764
Abstract: 本发明公开了一种具备鲁棒性的半监督图像聚类方法，它涉及图像处理及应用领域。该方法针对一般图像聚类技术里面专注于对图像数据预处理和特征筛选上，而在聚类方法上并未有所突破，提出了一种具备鲁棒性的半监督图像聚类方法。该图像聚类方法首先考虑了实际情况下图像数据中存在的噪声和离群值，通过鲁棒性的正则化来减少噪声和离群值的影响，再从有标记图像和无标记图像两个方面着手挖掘图像数据知识；同时，在图像数据的预处理和特征筛选上，采取了具有适用性的归一化来事先处理图像数据，充分保证图像数据信息的完整性。
-
公开(公告)号：CN112967240A
公开(公告)日：2021-06-15
申请号：CN202110215672.4
申请日：2021-02-26
Applicant: 江南大学
Abstract: 本发明公开了基于深层3D网络与迁移学习的医学图像生成方法，本发明利用图像预处理、制作数据集、数据增强、模型训练、观测模型、网格寻优、再次训练、再次核对、数据测试、评价指标、结果讨论的方式进行模型的训练，并最终利用该模型进行医学图像的生成，涉及医学图像处理技术领域，本发明科学合理，使用安全方便，在本模型中，是将原始图像分成若干个区域，计算各个域的Softmax数值求取平均值，本发明的模型仅仅需要两类医学图像即可，并没有过多的要求，这对于临床实践而言是有意义的；本发明的模型是两个域之间的转换，可以同时进行两种图像的转换，从转换效率而言，本发明的模型转化效率更高。
-
公开(公告)号：CN110136823B
公开(公告)日：2020-05-19
申请号：CN201910371703.8
申请日：2019-05-06
Applicant: 江南大学
IPC: G16H40/67
Abstract: 本发明公开了一种用于对糖尿病肾病进行无线智能诊断的装置，包括：用于由无线终端收集患者的糖尿病肾病相关参数的单元；用于由无线终端接收由第一糖尿病肾病数据接收装置发送的第一系统消息，并接收由第二糖尿病肾病数据接收装置发送的第二系统消息的单元；用于由无线终端判断第一系统消息和第二系统消息中是否包括最低接收功率门限的单元；用于由无线终端接收由第一糖尿病肾病数据接收装置发送的第一参考信号，并接收由第二糖尿病肾病数据接收装置发送的第二参考信号的单元；用于由无线终端基于第一参考信号，得到第一参考信号接收功率数值的单元；用于由无线终端基于第二参考信号，得到第二参考信号接收功率数值的单元。
-
公开(公告)号：CN109711456A
公开(公告)日：2019-05-03
申请号：CN201811572902.7
申请日：2018-12-21
Applicant: 江南大学 , 江苏江大智慧科技有限公司
IPC: G06K9/62
Abstract: 本发明公开了一种具备鲁棒性的半监督图像聚类方法，它涉及图像处理及应用领域。该方法针对一般图像聚类技术里面专注于对图像数据预处理和特征筛选上，而在聚类方法上并未有所突破，提出了一种具备鲁棒性的半监督图像聚类方法。该图像聚类方法首先考虑了实际情况下图像数据中存在的噪声和离群值，通过鲁棒性的正则化来减少噪声和离群值的影响，再从有标记图像和无标记图像两个方面着手挖掘图像数据知识；同时，在图像数据的预处理和特征筛选上，采取了具有适用性的归一化来事先处理图像数据，充分保证图像数据信息的完整性。
-
Patent Agency Ranking
公开(公告)号：CN102881019B
公开(公告)日：2014-11-19
申请号：CN201210384176.2
申请日：2012-10-08
Applicant: 江南大学
Abstract: 本发明公开了一种具备迁移学习能力的模糊聚类图像分割方法。该方法以经典的模糊C均值算法作为研究对象，针对模糊C均值算法在面对带噪声的图像时抗噪声能力弱的缺陷，提出了一种具备迁移学习能力的模糊聚类图像分割方法。此图像分割方法在处理新的图像时，特别针对含噪声污染的图像，该方法能够有效地学习利用以往大量的相似图像通过模糊C均值算法所总结得到的可靠的聚类知识，该类知识一般被描述为聚类中心，通过将上述可靠知识引入到当前的新图像分割任务中可以有效地引导当前的聚类任务的完成并起到抗噪的效果，进而获取更为精准的聚类中心及更为精确的图像分割结果。
-
公开(公告)号：CN118823528B
公开(公告)日：2025-05-16
申请号：CN202410791163.X
申请日：2024-06-19
Applicant: 江南大学 , 苏州觉卿谛语智能科技有限公司
IPC: G06V10/80 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/08
Abstract: 本发明属于计算机技术领域，涉及一种基于大模型和注意力机制的多模态数据融合分类方法；将第一图像特征向量和第二图像特征向量输入至分类模型中的滑动窗口交叉注意力融合模块，输出第一目标图像特征向量和第二目标图像特征向量；将第一目标图像特征向量、第二目标图像特征向量和文本特征向量输入至分类模型中的异构数据交叉注意力融合模块，输出目标对象的目标特征向量；将目标对象的目标特征向量输入至分类模型中的全连接层，输出目标对象的分类结果。本申请直接对不同图像特征进行融合，既融合了不同图像之间的特征信息，又避免了过度融合导致的过拟合风险，减少了信息冗余和噪声，可以更好地平衡文本模态和图像模态，提高了分类结果的准确性。
-
公开(公告)号：CN119311708B
公开(公告)日：2025-03-14
申请号：CN202411846286.5
申请日：2024-12-16
Applicant: 江南大学 , 无锡市锡山区人民检察院
IPC: G06F16/23 , G06N20/00 , G06F16/215 , G06F18/214 , G06F18/2433
Abstract: 本发明属于区块链技术领域，涉及基于迁移学习的区块链数据异常检测智能合约构建方法。基于待检测区块链训练集中的数据样本经其投影矩阵映射后，与目标区块链训练集的超球中心的距离构建第一迁移项；基于目标区块链训练集中的数据样本经待检测区块链训练集的投影矩阵映射后，与目标区块链训练集的超球中心的距离构建第二迁移项；基于目标区块链训练集的投影矩阵与待检测区块链训练集的投影矩阵的差值构建第三迁移项；基于待检测区块链训练集的投影矩阵L2正则化构建结构损失正则项；构建数据异常检测模型并求解，得到待检测区块链训练集的超球半径、超球中心和投影矩阵；将知识迁移应用于区块链数据异常检测中，提高了区块链数据检测结果的准确性。
-
公开(公告)号：CN118887409B
公开(公告)日：2025-02-07
申请号：CN202411394782.1
申请日：2024-10-08
Abstract: 本发明涉及计算机视觉技术领域，尤其是指一种基于归纳偏置和动态特征聚合的深度智能分割方法，包括：构建图像智能分割模型，包括初始层、编码器、瓶颈层、解码器、空间注意力模块以及输出层；将原始图像输入至图像智能分割模型，输出分割预测图像。所述图像智能分割模型应用DConvNeXt模块，结合具有动态特征建模能力的可变形卷积v4算子与高效局部注意力机制作为令牌混合器，在有效提升模型的特征建模能力的同时，显著增强了特征表示的灵活性和动态性。本发明能够有效处理复杂图像分割任务，显著提高了在多样化应用场景中的适应性和处理复杂图像的分割精度。
-
公开(公告)号：CN118781298B
公开(公告)日：2025-01-03
申请号：CN202411282621.3
申请日：2024-09-13
IPC: G06T17/00 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06V10/74
Abstract: 本发明涉及计算机视觉技术领域，尤其是指一种基于多视图采样和渐进式生成的深度智能3D重建方法，包括：构建数据集；构建网格生成器，所述网格生成器为编码器‑解码器架构；利用数据集训练所述网格生成器；利用经过训练的网格生成器对残缺手绘图和噪声手绘图进行3D建模，得到目标网格3D模型。本发明利用2D卷积形状鉴别器训练网格生成器，并通过逐步增加2D卷积形状鉴别器的复杂度和多尺度轮廓图对的分辨率，逐步细化2D卷积形状鉴别器的判别能力，从而更有效地引导网格生成器生成高质量的预测网格3D模型，提高了预测网格3D模型的质量。
-
-
-
-
-
-
-
-
-
Search Results
77
records
(took 0.021 seconds)
