-
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。
-
-
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：CN113723454B
公开(公告)日：2024-02-20
申请号：CN202110829253.X
申请日：2021-07-21
Applicant: 南京信息职业技术学院
Abstract: 本发明公开了一种改进的鲁棒主成分分析的运动目标检测方法，包括：S1，基于改进的鲁棒主成分分析方法构建运动目标检测模型；S2，将待处理视频转换成对应的观测矩阵，采用交替方向乘子法求解运动目标检测模型，提取对应视频中处于运动状态的前景目标，并计算检测该运动目标时的F‑measure值和时间值，对运动目标检测模型进行验证。本发明同时采用非凸γ范数和拉普拉斯尺度混合尺度，以更好地逼近传统鲁棒主成分分析模型中的秩函数和稀疏度函数；引入的显著性映射矩阵更能有效的判别哪些像素属于运动目标部分，对运动目标检测的效果更优。
-
Patent Agency Ranking
公开(公告)号：CN113723183B
公开(公告)日：2024-02-20
申请号：CN202110828989.5
申请日：2021-07-21
Applicant: 南京信息职业技术学院
Abstract: 本发明公开了一种鲁棒的低秩稀疏分解的运动目标检测方法，采用γ范数更好的逼近传统低秩稀疏分解方法中的秩函数；采用拉普拉斯尺度混合(Laplacian scale mixture，LSM)更好的逼近传统低秩稀疏分解算法中的稀疏度函数；引入了运动信息向量矩阵，能够更好的辅助判断当前像素是否属于运动目标，提高运动目标检测的精度；引入的噪声项能够较好的表达自然界中的噪声感染，提高鲁棒的低秩稀疏分解方法在运动目标检测方面的鲁棒性。
-
公开(公告)号：CN115937898A
公开(公告)日：2023-04-07
申请号：CN202211597546.0
申请日：2022-12-12
Applicant: 南京信息职业技术学院
IPC: G06V40/10 , G06V10/774 , G06V10/82 , G06F17/16 , G06N3/08 , G06N3/0464
Abstract: 本发明涉及一种基于精确特征分布匹配和多域信息融合的跨域行人重识别方法，针对源域和目标域之间的特征分布差异、以及多源数据集训练时存在的域差异问题，以特征提取器、广义均值池化模块GeM、多域信息融合模块、目标域特定归一化层DSBN_T、目标混合记忆存储器HM_T，创建待训练模型，并结合源域样本集与目标域样本集进行训练，获得目标人物识别模型，进而针对图像实现关于各目标人物的识别，经试验表明，本发明设计相较现有技术，实际实施应用性能优越，能够有效提高图像中人物识别的准确率与效率。
-
公开(公告)号：CN118824031A
公开(公告)日：2024-10-22
申请号：CN202411010333.2
申请日：2024-07-26
Applicant: 南京信息职业技术学院
IPC: G08G1/065 , G08G1/01 , G06N3/0464 , G06N3/042 , G06N3/045
Abstract: 本发明公开了一种交通预测方法及系统，步骤1，获取城市各个路口的交通数据集，将交通数据集转化为包含时间、空间和特征的第一交通数据矩阵。步骤2，将第一交通数据矩阵经过输入嵌入层得到第二交通数据矩阵。步骤3，将第二交通数据矩阵分别经过L个时空编码模块，得到L个第三交通数据矩阵。步骤4，将L个第三交通数据矩阵经过输出嵌入层得到交通预测结果。本发明提供的一种交通预测方法及系统，可以有效的提高交通流量预测的精度并具有较好的优越性。
-
公开(公告)号：CN118350411A
公开(公告)日：2024-07-16
申请号：CN202410446770.2
申请日：2024-04-15
Applicant: 南京信息职业技术学院
IPC: G06N3/042 , G06N3/082 , G06F18/241 , G06F18/214 , G06F16/335 , G06F16/68
Abstract: 本发明公开了一种基于双注意力图神经网络的链路预测方法，获取包含表征不同目标的结点以及结点之间关系的异构图数据集；将异构图数据集并行通过基于双注意力图神经网络的链路预测系统两个路径，分别得到第一信息表征、第二信息表征；将上述第一信息表征和第二信息表征通过评分函数和激活函数计算对应的第一得分和第二得分；计算两个得分的凸组合得到链路预测结果；系统所采用的的损失函数为三个标准二进制交叉熵损失函数之和。提高了链路预测的精度。
-
公开(公告)号：CN117787336A
公开(公告)日：2024-03-29
申请号：CN202310548279.6
申请日：2023-05-16
Applicant: 南京信息职业技术学院
IPC: G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06F18/2415 , G06N20/00 , G06F16/9535
Abstract: 本发明公开了一种基于霍克斯过程和图神经网络的会话推荐方法，包括以下步骤：读取用户点击网站中前m个商品的特征，并将其转化为m×d维特征矩阵；根据用户点击网站的前m个商品的顺序，构造对应商品关系的邻接矩阵，并确定出度矩阵和入度矩阵；将m×d维特征矩阵、出度矩阵和入度矩阵并行分别通过图神经位置感知层和图神经霍克斯层，通过图神经位置感知层得到第一会话特征，通过图神经霍克斯层得到第二会话特征；将第一会话特征和第二会话特征经过线性变换层得到第三会话特征；将第三会话特征经过预测层最终得到用户点击每个商品的概率，并根据概率预测用户将要点击的第m+1个商品。本发明方法具有优越的性能。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.042 seconds)
