-
公开(公告)号：CN117911691A
公开(公告)日：2024-04-19
申请号：CN202311825739.1
申请日：2023-12-27
Applicant: 南京信息工程大学
IPC: G06V10/26 , G06V10/774 , G06V10/30 , G06V10/74 , G06V10/82
Abstract: 本发明公开了一种基于前景增强与背景扩散对比的少样本语义分割方法，包括：得到每张支持图像的图像背景和图像前景，对图像背景进行扩散，得到背景扩散输入集合；将更新后的支持集和查询集输入共享参数的两个骨干网络，提取共性图像特征；将提取到的支持特征集合和查询特征以并列的方式分别输入至前景增强模块和背景扩散模块，分别构建得到前景相似度图、与支持特征同尺寸的前景增强特征和背景扩散权重；依据背景扩散权重对查询特征进行特征重参数化，将重参数化后的查询特征和前景相似度图、前景增强特征一并送入特征融合模块，生成最后的二进制分割结果。本发明有效提高了少样本语义分割模型对于全新语义概念的泛化能力。
-
公开(公告)号：CN118096684A
公开(公告)日：2024-05-28
申请号：CN202410208148.8
申请日：2024-02-26
Applicant: 国网江苏省电力有限公司南京供电分公司 , 国网江苏省电力有限公司 , 中国电力科学研究院有限公司 , 南京信息工程大学 , 国家电网有限公司
IPC: G06T7/00 , G06V10/25 , G06V10/80 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种输电线路缺陷检测方法、装置、设备及存储介质。该方法包括：获取待检测输电线路图像；将待检测输电线路图像输入目标模型，得到待检测输电线路图像对应的缺陷位置以及每个缺陷位置对应的缺陷类别信息，其中，所述目标模型通过目标输电线路图像样本集迭代训练第一模型得到，所述第一模型包括：Backbone子网络和Neck子网络，所述Neck子网络包括：路径聚合PAN模块，所述PAN模块包括：加权双向特征金字塔BiFPN层，通过本发明的技术方案，能够快速识别和实时预测，以便于及时采取行动，使电网巡检更加及时和安全。
-
公开(公告)号：CN117746467B
公开(公告)日：2024-05-28
申请号：CN202410018744.X
申请日：2024-01-05
Applicant: 南京信息工程大学
IPC: G06V40/10 , G06V10/44 , G06N3/0464 , G06N3/08 , G06V10/82
Abstract: 本发明公开了一种模态增强和补偿的跨模态行人重识别方法，引入了模态相互指导策略，指导可见光和红外模态的对齐匹配。首先，通过堆叠具有不同类型和感受野尺度的卷积来构建双分支结构的模态增强空间，旨在提取足够的模态信息用于特征补偿阶段；然后，构建模态补偿空间，分别从高度、宽度和通道三个维度通过特征级模态信息融合来补偿可见光或红外模态中相应的行人模态缺失信息；最后，设计了一种模态相互指导学习策略，通过使用身份信息互学习损失和模态引导对齐损失进行联合优化，输出行人匹配结果。本发明方法构建了模态增强和补偿空间并将其集成到特征级别，以改善跨模态差异，提取更具有辨别力的行人模态信息。
-
公开(公告)号：CN117877099A
公开(公告)日：2024-04-12
申请号：CN202410271004.7
申请日：2024-03-11
Applicant: 南京信息工程大学
IPC: G06V40/16 , G06V20/40 , G06V10/25 , G06V10/62 , G06V10/77 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/088 , G16H10/60 , G16H40/67 , G06F18/2131 , A61B5/00 , A61B5/024 , G06F123/02
Abstract: 本发明公开了一种基于时空特征增强的无监督对比远程生理测量方法，包括1、获取人脸视频并进行预处理；2、建立低光和时空特征增强模型ST‑Phys，输入预处理数据，输出时空注意力特征P；3、在时间维度上对时空注意力特征P进行采样，得到rPPG信号样本，根据rPPG信号样本，计算目标人员的心率；4、对模型进行优化，并应用优化后时空增强模型对人脸视频中rPPG信号进行提取。本发明利用深度学习技术，提出了一种无监督对比学习的远程心率检测方法，通过对人脸视频进行简单预处理即可输入网络中完成rPPG信号估计并计算心率，减少了对标注数据的依赖，提高了rPPG的通用性。
-
公开(公告)号：CN117830959A
公开(公告)日：2024-04-05
申请号：CN202410245047.8
申请日：2024-03-05
Applicant: 南京信息工程大学
IPC: G06V20/52 , G06V10/25 , G06V10/44 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0495
Abstract: 本发明公开了基于全局上下文增强的稀疏卷积输电线路防外破检测方法，包括构建输电线路防外力破坏样本数据集、构建输电线路防外破检测神经网络，利用数据集训练神经网络得到输电线路防外破检测模型。本发明基于融入高效注意力机制的ECA‑PConv模块构建骨干网络；基于ECA‑PConv模块构建C3_Faster模块和特征融合网络。基于稀疏卷积以及BN+单元构建SC+模块，构建SC+Net网络，然后完成构建轻量级输电线路防外破检测网络。本发明有效克服当前轻量级目标检测模型在输电线路巡检场景中存在的模型精度不足和推理速度慢等问题，并且在边缘端设备上实现高效的目标检测，能灵活、高效地应对输电线路安全的挑战。
-
Patent Agency Ranking
公开(公告)号：CN117746467A
公开(公告)日：2024-03-22
申请号：CN202410018744.X
申请日：2024-01-05
Applicant: 南京信息工程大学
IPC: G06V40/10 , G06V10/44 , G06N3/0464 , G06N3/08 , G06V10/82
Abstract: 本发明公开了一种模态增强和补偿的跨模态行人重识别方法，引入了模态相互指导策略，指导可见光和红外模态的对齐匹配。首先，通过堆叠具有不同类型和感受野尺度的卷积来构建双分支结构的模态增强空间，旨在提取足够的模态信息用于特征补偿阶段；然后，构建模态补偿空间，分别从高度、宽度和通道三个维度通过特征级模态信息融合来补偿可见光或红外模态中相应的行人模态缺失信息；最后，设计了一种模态相互指导学习策略，通过使用身份信息互学习损失和模态引导对齐损失进行联合优化，输出行人匹配结果。本发明方法构建了模态增强和补偿空间并将其集成到特征级别，以改善跨模态差异，提取更具有辨别力的行人模态信息。
-
公开(公告)号：CN116385407A
公开(公告)日：2023-07-04
申请号：CN202310374863.4
申请日：2023-04-10
Applicant: 南京信息工程大学
IPC: G06T7/00 , G06T7/11 , G06V10/82 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/082
Abstract: 本发明提供一种基于多尺度可疑预测框的资质证书图像篡改检测方法，涉及图像被动取证篡改检测领域。包括将待测图像输入到第一分支，对预测出的可疑框与Mask框进行优化得到预测框；将待测图像输入到第二分支，检测出图像经过篡改的区域，并进行篡改区域预测图输出；将得到的预测框和篡改区域预测图进行融合，得到最终的掩码输出；所述第一分支为可疑区域检测分支；所述第二分支为篡改区域检测分支该基于多尺度可疑预测框的资质证书图像篡改检测方法。通过利用多尺度可疑预测框来框定篡改区域和多尺度特征提取定位篡改区域相结合，解决了现有技术中对篡改区域大小不一及检测精度低以及检测效率低下的问题。
-
公开(公告)号：CN115294096A
公开(公告)日：2022-11-04
申请号：CN202211070402.X
申请日：2022-09-02
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于CNN多尺度特征提取和分层融合的图像篡改检测方法，包括以下步骤：将待测的图像输入到噪声预处理模块进行噪声特征的分析，经过SRM和约束卷积层的处理后输出得到特征映射，将得到的特征映射与原始输入图像结合后输入到基本块来获得一个统一的特征表示，将统一特征表示输入到多尺度特征提取模块进行特征提取，多尺度特征提取模块的解码器对特征进行像素细化得到掩码4，对多尺度特征提取模块的解码器中注意力模块得到的特征映射进行上采样分层特征输出，得到掩码1，掩码2，掩码3，将分层特征融合得到的掩码1，掩码2，掩码3与多尺度特征提取模块中解码器得到的掩码4进行融合，得到最终图像篡改区域预测图。
-
公开(公告)号：CN119477877A
公开(公告)日：2025-02-18
申请号：CN202411616248.0
申请日：2024-11-13
Applicant: 南京信息工程大学
IPC: G06T7/00 , G06N3/0464 , G06N3/08 , G06V10/40 , G06V10/82
Abstract: 本发明公开了一种基于YOLOv5的双主干网络绝缘子缺陷检测方法，包括以下步骤：构建GELAN‑Ghost双主干网络作为YOLOv5模型新的骨干网络提取输入图像的特征信息；设计一种即插即用的具有高效多尺度注意力模块iEMA；基于注意力模块iEMA，针对性的在模型的小目标检测层和中等目标检测层中添加iEMA模块，构建iFPN‑PAN结构；构建了一种新型的DynamicHeadv3检测头，利用了可变形卷积和注意力机制，以提取更丰富的特征并增强模型的感知能力；以YOLOv5模型为基准，引入步骤1）、步骤2）、步骤4）中提出的GELAN‑Ghost双主干网络、iEMA注意力机制、DynamicHeadv3检测头对YOLOv5模型进行改进，构建一种基于YOLOv5的双主干网络绝缘子缺陷检测方法。
-
公开(公告)号：CN117953539B
公开(公告)日：2024-08-27
申请号：CN202410097955.7
申请日：2024-01-24
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种跨模态提示调整的素描行人重识别方法，包括如下步骤：S1、构建具有四个阶段的双流骨干网络提取输入行人照片和手绘素描的特征；S2、将S1第一阶段骨干网络输出的照片特征使用照片摄动提示进行采样优化；S3、将S1第三阶段骨干网络输出的素描特征使用第三阶段骨干网络输出的照片特征诱导素描细节增强，进行跨模态特征对齐和素描特征优化。S4、利用通用的损失函数进行网络优化，并对S2和S3处理后经过骨干最后输出的特征进行相似性度量，输出匹配结果。本发明引导浅层冻结的预训练模型从样本提示和特征增强的角度执行素描检索任务，同时考虑到了模态间差距大的问题。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.031 seconds)
