-
公开(公告)号：CN105976410A
公开(公告)日：2016-09-28
申请号：CN201610292197.X
申请日：2016-05-05
Applicant: 南京信息工程大学
CPC classification number: G06T9/004 , G06T3/4053
Abstract: 本发明公开了一种基于非线性预测稀疏编码的图像超分辨率重建方法，在训练过程中，本发明在经典的基于稀疏编码算法的准则函数基础上叠加了非线性预测编码项，并且设计了自己的优化策略来最小化该目标函数，在重建过程中，本发明仅仅对输入的低分辨率图像块和预先训练得到的低分辨率字典采用一个非线性迭代步骤直接来逼近所要求的稀疏编码，避免了对每一个小图像块求解稀疏表示系数的问题。实验结果表明，与经典的基于稀疏编码的图像超分辨率算法相比，本发明在保证了重建结果具有充分竞争力的同时大大降低了实验所需的时间。
-
公开(公告)号：CN114118125A
公开(公告)日：2022-03-01
申请号：CN202111173391.3
申请日：2021-10-08
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种多模态输入与空间划分的三维目标检测方法，提出以下针对性策略；原始点云数据和RGB三通道彩色图像作为多模态输入；对原始点云数据空间划分，逐行逐列索引点云分组，随机采样K个点，提取特征，最大池化层对得到的K个local‑global特征向量降维；对RGB三通道彩色图像切分，逐行索引切片，输入到二维特征提取器VGG16中，只提取第8层纹理颜色的浅层相关特征，得到K个颜色纹理特征向量；对local‑global特征向量和颜色纹理特征向量进行融合，获得融合后的特征向量；经过全连接层，输出预测结果，根据置信度，绘制BBox完成后处理任务。本发明降低了运算量，提高了分类与检测的精确度。
-
公开(公告)号：CN108062531B
公开(公告)日：2021-10-19
申请号：CN201711422447.8
申请日：2017-12-25
Applicant: 南京信息工程大学
Abstract: 本发明提供了一种基于级联回归卷积神经网络的视频目标检测方法，并包括如下步骤：一、输入视频图像序列，并将整个视频序列的所有图像帧通过卷积神经网络提取CNN特征；二、利用RPN网络对所述CNN特征的最后一层卷积特征进行分类以获得建议区域，通过多尺度的卷积特征对建议区域进行级联分类和回归，并得到每帧图像的静态图片检测结果；三、将步骤二中得到的检测结果中置信度大于0.6的结果作为跟踪初始值，在CNN特征的conv5‑3卷积特征上通过相关滤波对目标进行跟踪得到时序建议区域，并对时序建议区域进行级联分类和回归，得到时序检测结果；四、将静态图片检测结果和时序检测结果通过共生矩阵对检测结果中异常值进行抑制，从而得到最终检测结果。
-
公开(公告)号：CN110263841A
公开(公告)日：2019-09-20
申请号：CN201910519106.5
申请日：2019-06-14
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于滤波器注意力机制和BN层缩放系数的动态结构化网络剪枝方法，具体利用了本发明提出的滤波器注意力机制和BN层缩放系数动态地选择冗余滤波器，对神经网络动态置零，得到训练收敛后的模型参数。根据训练收敛后的模型参数，结合本发明提出的硬剪枝方法，最终得到压缩后的神经网络，有效地降低了神经网络的存储空间，提高了神经网络的推理计算速度。
-
公开(公告)号：CN105740208B
公开(公告)日：2019-05-14
申请号：CN201610052280.X
申请日：2016-01-26
Applicant: 南京信息工程大学
IPC: G06F17/16
Abstract: 本发明公开了一种基于ADMM算法的二次函数分布式实现方法，步骤包括：启动系统，读入二次目标函数的系数矩阵A和b，将数据分为N个处理块，采用二次函数分布式更新的表达式进行其中每一个处理块的计算，各处理块计算完成后，将各处理块结果汇总，完成计算过程。本发明所提供的一种基于ADMM算法的二次函数分布式实现方法，利用了二次函数表达式和LASSO表达式之间的关系，在LASSO分布式更新的基础上推导出了二次函数的分布式更新表达式，实现了在大数据背景下，目标函数是二次函数的分布式计算，大大提高了计算速度。
-
Patent Agency Ranking
公开(公告)号：CN105740208A
公开(公告)日：2016-07-06
申请号：CN201610052280.X
申请日：2016-01-26
Applicant: 南京信息工程大学
IPC: G06F17/16
Abstract: 本发明公开了一种基于ADMM算法的二次函数分布式实现方法，步骤包括：启动系统，读入二次目标函数的系数矩阵A和b，将数据分为N个处理块，采用二次函数分布式更新的表达式进行其中每一个处理块的计算，各处理块计算完成后，将各处理块结果汇总，完成计算过程。本发明所提供的一种基于ADMM算法的二次函数分布式实现方法，利用了二次函数表达式和LASSO表达式之间的关系，在LASSO分布式更新的基础上推导出了二次函数的分布式更新表达式，实现了在大数据背景下，目标函数是二次函数的分布式计算，大大提高了计算速度。
-
公开(公告)号：CN117647855B
公开(公告)日：2024-04-16
申请号：CN202410116453.4
申请日：2024-01-29
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于序列长度的短临降水预报方法、装置及设备，短临降水预报方法包括：加载指定地区的降水雷达回波序列；将所述降水雷达回波序列输入构建的基于序列长度的短临降水预报模型，获得指定地区未来设定时间段内的降水预测结果。本发明在预测降水的空间分布、强度和运动特征上具有良好性能，有效提高了短临降水的预报精度。
-
公开(公告)号：CN116663736A
公开(公告)日：2023-08-29
申请号：CN202310665546.8
申请日：2023-06-07
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于双区域位置先验和全局时空表示的短临降水预报方法，包括：获取设定时间段内指定区域的短临降水分布数据，并进行预处理，得到预处理数据；将预处理数据输入构建的基于双区域位置先验和全局时空表示的短临降水预报模型，输出指定区域在未来设定时间段内的降水分布。本发明能够统筹降水区域和非降水区域的数据特征，提高短临降水的预报准确度。
-
公开(公告)号：CN116430481A
公开(公告)日：2023-07-14
申请号：CN202310414487.7
申请日：2023-04-17
Applicant: 南京信息工程大学
IPC: G01W1/10 , G01S13/95 , G06N3/0464 , G06N3/048 , G06N3/0455 , G06N3/0442 , G06N3/094
Abstract: 本发明公开一种基于纹理恢复对抗网络的临近降水预报方法，其包括如下步骤：获取雷达回波序列数据集并进行预处理，得到输入序列和预测序列；将输入序列循环输入到未来序列生成器中，得到生成的预测序列；将真实预测序列和生成的预测序列交替输入到时间鉴别器中进行处理，得到损失值；重复得到生成的预测序列和得到损失值的过程，对未来序列生成器和时间鉴别器进行迭代训练，直到训练损失不再下降；使用训练完毕的未来序列生成器进行降雨预测，生成未来雷达回波序列，完成临近降水预报。本发明提高了临近降水预报精度和可靠性的能力；提高了处理雷达回波序列的分辨率；提高了预测帧的鲁棒性和时间一致性，产生了更详细和逼真的纹理。
-
公开(公告)号：CN111399422A
公开(公告)日：2020-07-10
申请号：CN202010253411.7
申请日：2020-04-01
Applicant: 南京信息工程大学
IPC: G05B19/042
Abstract: 本发明涉及一种智能学习机器人系统，包括摄像头模块、话筒模块、电源模块、转盘模块、音响模块、内部控制单元和人机模块，所述摄像头模块、话筒模块、音响模块、转盘模块和人机模块均和内部控制单元连接，来分别通过内部控制单元控制外部图像和声音的输入、声音的输出、转盘的转动以及人机的互动，所述电源模块和内部控制单元连接来为内部控制单元提供电源。本发明的智能学习机器人可以随时采集记录外界人的图像和声音，控制模块根据采集的图像和声音信息来分析该人的情绪并进行储存，延伸了在情感方面的运用，还可以随时社区医疗设备或者手环记录家人健康，控制模块可将记录的情绪和健康发送至用户手机或者电脑供用户周期性的了解自身情况。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.134 seconds)
