-
公开(公告)号：CN115082831A
公开(公告)日：2022-09-20
申请号：CN202210791366.X
申请日：2022-07-07
Applicant: 南京信息职业技术学院
Abstract: 本发明公开一种基于分数范数和最小最大凹罚的运动目标检测方法，包括：获取视频；处理获取的视频，获得视频矩阵；将获得的视频矩阵输入到预构的基于分数范数和最小最大凹罚的运动目标检测模型，以检测对应的运动目标；其中，基于分数范数和最小最大凹罚的运动目标检测模型包括分数范数和最小最大凹罚函数；所述分数范数用于逼近传统鲁棒主成分分析中的稀疏度函数；所述最小最大凹罚函数用于逼近传统鲁棒主成分分析中的低秩函数。本发明能够检测视频中的运动目标。
-
公开(公告)号：CN115082510A
公开(公告)日：2022-09-20
申请号：CN202210797150.4
申请日：2022-07-08
Applicant: 南京信息职业技术学院
Abstract: 本发明公开了一种基于非凸拉普拉斯算子的视频前背景分离方法及系统，获取视频信息并将其转为对应二维矩阵，输入到预先构建的基于非凸拉普拉斯算子的视频前背景分离模型，利用交替方向乘子法求解所述基于非凸拉普拉斯算子的视频前背景分离模型，得到视频的前景和背景；获取鲁棒主成分分析模型；采用非凸的拉普拉斯核范数替代鲁棒主成分分析模型中的秩函数，采用非凸的拉普拉斯范数替代鲁棒主成分分析模型中的l0范数，同时在鲁棒主成分分析模型中加入噪声项得到所述基于非凸拉普拉斯算子的视频前背景分离模型。优点：具有抗噪声强，对传统鲁棒主成分分析方法的稀疏项和低秩项逼近程度高等优点。
-
公开(公告)号：CN114818872A
公开(公告)日：2022-07-29
申请号：CN202210330773.0
申请日：2022-03-30
Applicant: 南京信息职业技术学院
IPC: G06K9/62 , G06N3/04 , G06V10/762 , G06V10/82
Abstract: 本发明涉及一种基于改进YOLOv4的图像目标检测方法，基于现有YOLOv4路径增强网络进行改进，通过增加检测层的设计，加强浅层特征融合的效果，并结合聚类方法下，所获图像集对应的各先验框尺寸，实现各检测层的高精度特征提取，并且引入多尺度池化模块并行结构、结合卷积处理与插值处理的金字塔池化模块，进一步特征层的检测精度，进而有效提高对图片目标物检测的准确率；在实际的仿真实验当中，本发明设计方法表现出了优秀的目标检测准确率，在PASCAL VOC2007和VOC2012两个数据集上的mAP分别提高了2.03%和1.94%。
-
公开(公告)号：CN113837239B
公开(公告)日：2025-03-21
申请号：CN202111030670.4
申请日：2021-09-03
Applicant: 南京信息职业技术学院
Abstract: 本发明公开了一种基于非凸范数的运动目标检测方法及系统，包括：获取视频信息，将视频信息转换为矩阵；将矩阵输入到预先构建的基于改进的鲁棒主成分分析的运动目标检测模型，采用交替方向乘子法求解运动目标检测模型，根据求解结果提取运动目标；所述运动目标检测模型采用非凸log范数和截断分数范数作为鲁棒主成分分析中的稀疏度函数和秩函数。优点：基于改进的鲁棒主成分分析的运动目标检测模型中的非凸log范数和截断分数范数更能有效的逼近传统鲁棒主成分分析模型中的秩函数和稀疏度函数，提取的运动目标效果更好。
-
Patent Agency Ranking
公开(公告)号：CN114648540A
公开(公告)日：2022-06-21
申请号：CN202210291492.9
申请日：2022-03-22
Applicant: 南京信息职业技术学院
Abstract: 本发明公开了一种基于MECAU‑Net网络的医学图像分割方法，包括：在MECAU‑Net网络的编码端采用2×2偶数卷积模块对导入的医学图像进行特征提取；构建与2×2偶数卷积模块平行的4×4偶数卷积通路，采用4×4偶数卷积核对图像信息进行提取，并且将提取得到的信息直接传递给编码网络的主干部分，以融合不同感受野内的特征信息；在每一层对待分割的特征图进行对称填充，再将获取到的信息通过拼接的方式传递给对应的主体网络进行下一步池化，在消除偶数卷积导致的像素偏移的同时扩展偶数卷积核的感受野。本发明能够在提取更丰富的信息的同时几乎不增加额外开销，利用尽可能少的计算开销得到更好的分割结果。
-
公开(公告)号：CN113837241A
公开(公告)日：2021-12-24
申请号：CN202111031036.2
申请日：2021-09-03
Applicant: 南京信息职业技术学院
Abstract: 本发明公开了一种鲁棒非凸范数的运动目标检测方法及系统，包括：获取视频信息，将视频信息转换为观测矩阵，其中观测矩阵的每一列为视频的一帧，观测矩阵的行数为视频对应的帧数；将矩阵输入到预先构建的基于改进的低秩稀疏分解算法的运动目标检测模型，采用交替方向乘子法求解运动目标检测模型，根据求解结果提取运动目标；基于改进的低秩稀疏分解算法的运动目标检测模型采用非凸log范数和截断分数范数作为低秩稀疏分解算法中的稀疏度函数和秩函数，运动目标检测模型还包括噪声项。优点：采用非凸log范数和截断分数范数替代传统低秩稀疏分解模型中的l0范数和秩函数，提高了目标检测的效率，增强了模型的鲁棒性即抗噪声性。
-
公开(公告)号：CN114648540B
公开(公告)日：2025-04-11
申请号：CN202210291492.9
申请日：2022-03-22
Applicant: 南京信息职业技术学院
IPC: G06T7/11 , G06N3/0464 , G06V10/40 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于MECAU‑Net网络的医学图像分割方法，包括：在MECAU‑Net网络的编码端采用2×2偶数卷积模块对导入的医学图像进行特征提取；构建与2×2偶数卷积模块平行的4×4偶数卷积通路，采用4×4偶数卷积核对图像信息进行提取，并且将提取得到的信息直接传递给编码网络的主干部分，以融合不同感受野内的特征信息；在每一层对待分割的特征图进行对称填充，再将获取到的信息通过拼接的方式传递给对应的主体网络进行下一步池化，在消除偶数卷积导致的像素偏移的同时扩展偶数卷积核的感受野。本发明能够在提取更丰富的信息的同时几乎不增加额外开销，利用尽可能少的计算开销得到更好的分割结果。
-
公开(公告)号：CN114818872B
公开(公告)日：2024-12-06
申请号：CN202210330773.0
申请日：2022-03-30
Applicant: 南京信息职业技术学院
IPC: G06V10/762 , G06V10/25 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及一种基于改进YOLOv4的图像目标检测方法，基于现有YOLOv4路径增强网络进行改进，通过增加检测层的设计，加强浅层特征融合的效果，并结合聚类方法下，所获图像集对应的各先验框尺寸，实现各检测层的高精度特征提取，并且引入多尺度池化模块并行结构、结合卷积处理与插值处理的金字塔池化模块，进一步特征层的检测精度，进而有效提高对图片目标物检测的准确率；在实际的仿真实验当中，本发明设计方法表现出了优秀的目标检测准确率，在PASCAL VOC2007和VOC2012两个数据集上的mAP分别提高了2.03%和1.94%。
-
公开(公告)号：CN113837239A
公开(公告)日：2021-12-24
申请号：CN202111030670.4
申请日：2021-09-03
Applicant: 南京信息职业技术学院
Abstract: 本发明公开了一种基于非凸范数的运动目标检测方法及系统，包括：获取视频信息，将视频信息转换为矩阵；将矩阵输入到预先构建的基于改进的鲁棒主成分分析的运动目标检测模型，采用交替方向乘子法求解运动目标检测模型，根据求解结果提取运动目标；所述运动目标检测模型采用非凸log范数和截断分数范数作为鲁棒主成分分析中的稀疏度函数和秩函数。优点：基于改进的鲁棒主成分分析的运动目标检测模型中的非凸log范数和截断分数范数更能有效的逼近传统鲁棒主成分分析模型中的秩函数和稀疏度函数，提取的运动目标效果更好。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.031 seconds)
