-
公开(公告)号：CN109741313A
公开(公告)日：2019-05-10
申请号：CN201811631594.0
申请日：2018-12-29
Applicant: 南京信息工程大学
IPC: G06T7/00
Abstract: 本发明公开了一种独立成分分析和卷积神经网络的无参考图像质量评价方法，属于图像质量评价领域及通信与信息处理技术领域。该方法包括如下步骤：（1）提取表征图像质量的块作为图像质量块；（2）提取所选图像质量块的独立分量特征；（3）设计CNN训练独立分量系数来预测DMOS值；（4）用预测的DMOS值及图像质量块梯度的归一值来计算客观质量评价分数。本发明实现了更准确与人类主观感受一致性更高的无参考客观图像质量评价。
-
公开(公告)号：CN108446627A
公开(公告)日：2018-08-24
申请号：CN201810223444.X
申请日：2018-03-19
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于局部深度哈希的航拍图像匹配方法，包括如下步骤：1、根据航拍图像重叠率计算待匹配图像的间隔数N，并根据重叠率要求，估计局部匹配区域；2、利用归一化互相关算法对局部区域进行寻优；3、基于VGG-F网络构建Triplet网络结构作为本发明的特征提取网络，使用哈希层替换输出层构建哈希网络；4、基于传统Triplet loss进行改进，增加绝对距离约束和量化误差损失，作为损失函数优化网络；5、根据DoG算法检测特征点并构建特征点邻域，作为网络的输入，通过训练好的网络得到每个图像块的二进制哈希码，并利用近似最近邻搜索在汉明空间完成匹配。本发明提供的基于局部深度哈希的航拍图像匹配方法，在满足实时性的条件下具备较高的准确率。
-
公开(公告)号：CN105184796B
公开(公告)日：2018-08-21
申请号：CN201510571481.6
申请日：2015-09-09
Applicant: 南京信息工程大学
IPC: G06T7/00
Abstract: 本发明公开了基于二元空间依存关系的失真图像评价方法，对图像rgb空间的数值进行归一标准化，然后将rgb图像映射到hsv空间；建立图像二元空间位置关系与小波分解高频系数的联合分布；采用二元广义高斯分布拟合建立的联合分布，估计二元广义高斯分布参数；根据估计出的二元广义高斯分布参数计算图像的失真程度，评价图像质量。本发明采用hsv色空间以符合人类视觉系统的色彩响应机制，应用图像的小波分解系数以减少像质特征的内容相关，并通过二元空间依存关系表示图像的失真程度。
-
公开(公告)号：CN106088264A
公开(公告)日：2016-11-09
申请号：CN201610627267.2
申请日：2016-08-02
Applicant: 南京信息工程大学
IPC: E03C1/23 , F21V33/00 , F21Y115/10
Abstract: 本发明公开了一种光动能感温LED电磁弹跳式下水器，包括流通水的管体，管体的上部安装有面板，面板的底部安装有电磁式的弹跳开关装置，电磁式弹跳开关装置由带铁芯的螺线管，绕扎在铁芯上的铜线，导电弹簧，定位弹簧，可伸缩的连接体构成；面板通过可伸缩的连接体与下部导电弹簧及螺线管相连接，与管体底部相连接的是下水头，下水管通过六角螺母与下水头相连。本发明将LED显示放到下水器面板上，通过涂覆在面板圆周外部的感温材料，直接感知水龙头中流出水的温度并通过LED指示，减少直接触碰烫水的机会，降低烫伤风险；使用单片机温控螺线管通电，产生磁性吸附面板达到下水器面板闭合蓄水的目的，实现特定环境下自动控制的特性。
-
公开(公告)号：CN104359587A
公开(公告)日：2015-02-18
申请号：CN201410570597.3
申请日：2014-10-23
Applicant: 南京信息工程大学
IPC: G01K11/32
Abstract: 本发明公开一种光纤法布里-珀罗温度传感器，包括传导光纤和第一、第二金属膜片，所述传导光纤在端部形成凹槽，第二金属膜片设于传导光纤的该端部表面，凹槽与第二金属膜片形成法布里-珀罗腔，所述第二金属膜片的外侧设有第一金属膜片，第一和第二金属膜片构成双金属膜；所述第一和第二金属膜片分别采用单晶硅和铝。所述光纤法布里-珀罗温度传感器可提高光纤温度传感器测温的稳定性和精确性。
-
Patent Agency Ranking
公开(公告)号：CN114373094B
公开(公告)日：2025-02-21
申请号：CN202111489573.1
申请日：2021-12-08
Applicant: 南京信息工程大学
IPC: G06V10/26 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/56 , G06V10/46 , G06V10/82 , G06V10/75 , G06N3/0442 , G06N3/0464 , G06N3/045 , G06N3/0895
Abstract: 本发明公开了一种基于弱监督学习的门控特征注意力等变分割方法，具体为：1、训练第一分类网络，权重共享得到第二分类网络；训练第一门控的部分融合模块，权重共享得到第二门控的部分融合模块；2、对原始图像进行仿射变换得到仿射图像；3、将原始图像、仿射图像分别输入至两个分类网络；4、将两个分类网络的最后一层的特征层分别作为类激活映射、仿射类激活映射；5、将两个分类网络的特定阶段输出的特征图输入至相应的门控的部分融合模块，得到门控特征图和仿射门控特征图；6、将步骤4和步骤5得到的结果输入至交叉特征注意力模型中，得到改进的类激活映射；7、根据改进的类激活映射实现图像的分割。本发明提高了弱监督网络的分割精度。
-
公开(公告)号：CN118118855B
公开(公告)日：2024-08-27
申请号：CN202410518698.X
申请日：2024-04-28
Applicant: 南京信息工程大学
IPC: H04W4/021 , G06F18/25 , G06N3/0464 , G06N3/0985 , G01S5/02 , H04W4/02 , H04W4/33 , H04W64/00
Abstract: 本发明公开了一种基于多模态融合和深度学习的无线室内定位方法及系统，所述方法包括以下步骤：（1）确定室内区域指纹参考点RP之间的间隔并划分子区域；（2）在每个参考点处采集信道状态信息，计算无线信号的功率时延以及角度到达；（3）构建多模态信息融合和卷积神经网络架构并将功率时延以及角度到达输入到模型进行训练；（4）利用元学习加速网络训练和部署并提升定位精度；本发明使用了多种指纹信息，并通过指纹特征融合网络实现了指纹信息的融合，生成了质量更高的用于后续定位的指纹信息；将元学习融入深度神经网络的训练中，使得模型可以学习出一组初始的元参数用于后续模型训练的微调，让室内定位系统可以更快，更有效地被部署。
-
公开(公告)号：CN112183886B
公开(公告)日：2024-03-15
申请号：CN202011138708.5
申请日：2020-10-22
Applicant: 南京信息工程大学
Abstract: 本申请涉及一种基于卷积网络和注意力机制的短时临近降雨预测方法。该方法包括：获取被预测区域在当前时间点前预设时段内的降雨过程图像；将所述降雨过程图像进行预处理，获得完全时空特性的张量；完全时空特性的张量输入多尺度特征融合的神经网络中进行特征提取，获得局部短期运动特征；将所述局部短期运动特征输入到结合了注意力机制的卷积长短期记忆人工神经网络中进行降雨预测，获得降雨预测信息；将所述预测结果信息输入到卷积层进行反向重构，获得所述被预测区域的未来降雨图像序列。解决了时空信息丢失容易，预测精度低的问题，提高了短时临近降雨的预测精度。
-
公开(公告)号：CN111259930B
公开(公告)日：2023-04-25
申请号：CN202010020371.1
申请日：2020-01-09
Applicant: 南京信息工程大学
IPC: G06V10/82 , G06V10/764 , G06V10/26 , G06V10/25 , G06V10/774 , G06N3/045 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种自适应注意力指导机制的一般性目标检测方法，属于计算机视觉目标检测领域。包括交叉下采样、目标区域识别(SORR)、注意力指导机制的金字塔预测卷积(APPK)和并交比(IoU)自适应损失优化。交叉下采样可保留多尺度特征图中的整体细纹理特征，减少了在图像下采样过程中空间信息的丢失；SORR模块将特征图划分为n×n网格，并得到注意力得分图，提高了目标检测效率；APPK模块可以选择推荐区域来处理预测模块和多尺度目标之间的不匹配问题；IoU自适应损失函数用于处理训练中难样本(Hard example)的问题。该目标检测方法在准确度和检测速度方面都优于现有的一般性目标检测方法。
-
公开(公告)号：CN114373094A
公开(公告)日：2022-04-19
申请号：CN202111489573.1
申请日：2021-12-08
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/26 , G06V10/774 , G06V10/80 , G06V10/56 , G06V10/46 , G06V10/82 , G06V10/75 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于弱监督学习的门控特征注意力等变分割方法，具体为：1、训练第一分类网络，权重共享得到第二分类网络；训练第一门控的部分融合模块，权重共享得到第二门控的部分融合模块；2、对原始图像进行仿射变换得到仿射图像；3、将原始图像、仿射图像分别输入至两个分类网络；4、将两个分类网络的最后一层的特征层分别作为类激活映射、仿射类激活映射；5、将两个分类网络的特定阶段输出的特征图输入至相应的门控的部分融合模块，得到门控特征图和仿射门控特征图；6、将步骤4和步骤5得到的结果输入至交叉特征注意力模型中，得到改进的类激活映射；7、根据改进的类激活映射实现图像的分割。本发明提高了弱监督网络的分割精度。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.039 seconds)
