-
公开(公告)号：CN110619121A
公开(公告)日：2019-12-27
申请号：CN201910880164.0
申请日：2019-09-18
Applicant: 江南大学
Abstract: 本发明公开了一种基于改进深度残差网络和关系词注意力机制的实体关系抽取方法，包括如下步骤：通过对远程监督实体关系数据集的处理，将英文转换为词向量；获取关系词，并计算余弦相似度提取句子的关系词权重；分别引入分段和门控机制，形成分段的具有门模块的残差网络，采用分段门控残差网络对特征通道进行分段；在残差网络的后段最大池化层的基础上拼接平均池化层形成双池化层，用于保留句子结构特征；得到模型最终的句子特征；将得到的句子特征进行关系分类，得到输出实体关系。本发明将深度残差网络应用到关系提取的远程监督数据集上，通过加深网络层数，有效提高模型降噪能力，同时，提出了分段门控残差模块，有效提高了深度残差网络的性能。
-
公开(公告)号：CN110602647A
公开(公告)日：2019-12-20
申请号：CN201910856194.8
申请日：2019-09-11
Applicant: 江南大学
Abstract: 基于扩展卡尔曼滤波和粒子滤波的室内融合定位方法，属于无线传感器网络技术领域。步骤如下：(1)首先采集WiFi的信号强度并记录位置坐标来构建指纹数据库，再采用加权k近邻法进行定位；(2)采集MEMS惯性传感器数据，结合加速度和基于差分加速度有限状态机的计步算法进行计步，融合多种传感器读数进行航向估计，结合卡尔曼滤波和非线性步长模型来估计步长；(3)使用扩展卡尔曼滤波融合WiFi指纹法和行人航位推算的定位结果；(4)结合粒子滤波和室内地图信息校正估计位置。本发明通过融合，解决了WiFi指纹法定位精度易受信号波动影响的问题以及行人航位推算方法定位误差随时间增加而累积的问题，能够显著地提高定位精度。
-
公开(公告)号：CN116309520B
公开(公告)日：2024-09-13
申请号：CN202310346339.6
申请日：2023-04-03
Applicant: 江南大学
IPC: G06T7/00 , G06N3/08 , G06N3/063 , G06N3/0464
Abstract: 本发明涉及一种带钢表面缺陷检测系统，包括：可编程逻辑模块PL：用于部署神经网络模型，同时接收带钢表面图像数据，并通过所述神经网络模型对带钢表面图像数据进行加速运算，得到加速运算结果；处理器模块PS：用于控制所述神经网络模型的执行流程，并根据所述可编程逻辑模块PL的加速运算结果输出带钢表面缺陷类型，其中，所述带钢表面缺陷类型包括夹杂、划痕、压入氧化皮、裂纹、麻点和斑块。本发明通过软件(即可编程逻辑模块PL)和硬件(处理器模块PS)结合的方式对带钢表面缺陷进行检测的技术，以满足企业对于小尺寸和低功耗应用的需求。
-
公开(公告)号：CN116416602B
公开(公告)日：2024-05-24
申请号：CN202310408477.2
申请日：2023-04-17
Applicant: 江南大学
Abstract: 本发明提供一种基于事件数据与图像数据联合的运动目标检测方法及系统，该方法包括获取稀疏事件数据和标准图像帧；对稀疏事件数据进行重构处理得到事件帧，输入到卷积神经网络中进行训练，并计算得到目标在事件帧上的位置；将标准图像帧从RGB色彩空间转化HSV色彩空间，进行二值化处理得到二值化帧；将得到的目标位置转换到二值化帧中，并统计二值化帧中目标位置区域的白色像素数；判断目标位置区域中的白色像素数对于整个二值化帧中白色像素数的占比是否超过设定的阈值，如果是，则所述目标被正确检测出，否则检测出错误的目标。本发明解决了对图像中特定的目标进行检测时，仅利用事件相机获取的数据，不易区分不同目标的问题。
-
公开(公告)号：CN111599404B
公开(公告)日：2023-08-04
申请号：CN202010449446.8
申请日：2020-05-25
Applicant: 江南大学
Abstract: 本发明公开了一种基于离散化蝙蝠算法的两个生物网络全局比对方法，包括：使用基于目标函数的搜索方法的框架，将蝙蝠算法离散化应用在网络比对中；融合先验知识初始化种群；保留保守节点的比对结果；蝙蝠算法的离散化体现在速度和解两方面，速度采用0或1表示当前解是否需要进行扰动，对蝙蝠个体的编码进行排列来表示个体的解。本发明的有益效果：在生物指标上及拓扑指标上表现均有不错表现的生物网络比对方法。
-
Patent Agency Ranking
公开(公告)号：CN116309520A
公开(公告)日：2023-06-23
申请号：CN202310346339.6
申请日：2023-04-03
Applicant: 江南大学
IPC: G06T7/00 , G06N3/08 , G06N3/063 , G06N3/0464
Abstract: 本发明涉及一种带钢表面缺陷检测系统，包括：可编程逻辑模块PL：用于部署神经网络模型，同时接收带钢表面图像数据，并通过所述神经网络模型对带钢表面图像数据进行加速运算，得到加速运算结果；处理器模块PS：用于控制所述神经网络模型的执行流程，并根据所述可编程逻辑模块PL的加速运算结果输出带钢表面缺陷类型，其中，所述带钢表面缺陷类型包括夹杂、划痕、压入氧化皮、裂纹、麻点和斑块。本发明通过软件(即可编程逻辑模块PL)和硬件(处理器模块PS)结合的方式对带钢表面缺陷进行检测的技术，以满足企业对于小尺寸和低功耗应用的需求。
-
公开(公告)号：CN115841502A
公开(公告)日：2023-03-24
申请号：CN202211585174.X
申请日：2022-12-09
Applicant: 江南大学
IPC: G06T7/207
Abstract: 本发明涉及一种结合卷积和轴注意力的光流估计方法、系统及电子设备，方法包括：获取并提取所述第一帧图像和第二帧图像的第一匹配特征和第二匹配特征，并提取第一帧图像的上下文网络特征；分别提取第一匹配特征、第二匹配特征和上下文网络特征中每个特征点的周边关系信息，得到第一LC‑LD匹配特征、第二LC‑LD匹配特征和LC‑LD上下文特征；计算第一LC‑LD匹配特征和第二LC‑LD匹配特征的相关性成本量，并将相关性成本量与LC‑LD上下文特征输入GRU网络进行迭代优化，得到低分辨率光流；对所述低分辨率光流进行上采样，得到高分辨率光流。本发明在光流估计中使用较少迭代次数时依然可以获得较好的精度和泛化性能。
-
公开(公告)号：CN114140502A
公开(公告)日：2022-03-04
申请号：CN202111510467.7
申请日：2021-12-10
Applicant: 江南大学
Abstract: 本发明公开了一种基于嵌入式GPU的图像光流计算方法、装置、设备以及计算机可读存储介质。本发明通过对车载过程中采集的待测图像建立高斯金字塔模型，并根据嵌入式GPU的特性和所述高斯金字塔模型的层数动态调整计算检测窗口的大小，通过所述GPU对单精度浮点计算指令和半精度浮点计算指令进行转换，计算所述待测图像中特征点的光流。本发明所提供的方法通过建立金字塔层的动态窗口，解决了计算LK光流法时出现GPU线程负载不均的问题，通过GPU对单精度浮点计算指令和半精度浮点计算指令进行转换，将LK光流法的计算进行优化，从而提升了光流计算的效率。
-
公开(公告)号：CN112446492A
公开(公告)日：2021-03-05
申请号：CN202011466845.1
申请日：2020-12-14
Applicant: 江南大学
IPC: G06N3/12
Abstract: 本发明公开了一种基于遗传算法的生物网络比对方法，包括以下步骤：步骤1：读取源网络、目标网络数据文件及其序列相似性得分文件；步骤2：计算源网络、目标网络中节点的重要性得分，结合网络的拓扑相似性和序列相似性得分计算节点对相似性得分；步骤3：基于节点对相似性得分初始化种群；步骤4：计算种群中个体的适应度值；步骤5：选择、交叉产生下一代；步骤6：重复步骤4、步骤5直至目标函数收敛或迭代次数达到阈值。本发明计算了节点在网络中的拓扑重要性，结合节点对的序列信息，充分挖掘网络节点的拓扑和生物信息，使比对结果在拓扑特性和生物特性上保持均衡的高指标。
-
公开(公告)号：CN111916149A
公开(公告)日：2020-11-10
申请号：CN202010838335.6
申请日：2020-08-19
Applicant: 江南大学
IPC: G16B20/00
Abstract: 本发明公开了一种基于层次聚类的蛋白质相互作用网络全局比对方法，包括：获取两个生物网络的数据及序列相似性文件，节点i、节点j分别属于两个网络，考虑节点本身以及邻居节点的拓扑特征计算节点对(i,j)间的拓扑相似性得分T(i,j)，根据序列相似性文件计算序列相似性得分B(i,j)，结合T(i,j)和B(i,j)计算节点相似性得分S(i,j)；采用层次聚类算法和组合优化算法筛选种子；计算种子的邻居节点的结构相似性得分score(i,j)，根据score(i,j)扩展种子得到扩展集；构建二分图比对剩余节点对，合并得到比对集。本发明更全面地计算T(i,j)，筛选种子并扩展、合并，提高比对结果的拓扑性能且覆盖范围更广；采用层次聚类算法和组合优化算法筛选种子，提升拓扑性能的同时保证生物性能，提高效率。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.035 seconds)
