-
公开(公告)号：CN108154501B
公开(公告)日：2021-07-09
申请号：CN201711401826.9
申请日：2017-12-22
Applicant: 南京工程学院
IPC: G06T7/00
Abstract: 本发明公开一种基于灰度分布的螺旋叶片图像分割质量自适应评价方法，首先根据螺旋叶片自身的物理特性以及图像采集过程中的光学特性，确定错误分割率和遗漏分割率为螺旋叶片图像分割质量的评价指标；然后构建具有自适应特色的螺旋叶片图像分割质量综合评价模型，并计算各分割质量评价指标的值，以螺旋叶片输入图像为基础，分析其灰度分布情况，以灰度标准差为依据自适应计算各指标的权重系数，利用模型进行分析，得到最终的螺旋叶片图像分割质量的评价结果。采用本发明有效解决现有评价策略忽视输入图像灰度分布对分割性能干扰的不足，实现高效、稳定、自适应的螺旋叶片图像分割质量的评价。
-
Patent Agency Ranking
公开(公告)号：CN108154501A
公开(公告)日：2018-06-12
申请号：CN201711401826.9
申请日：2017-12-22
Applicant: 南京工程学院
IPC: G06T7/00
Abstract: 本发明公开一种基于灰度分布的螺旋叶片图像分割质量自适应评价方法，首先根据螺旋叶片自身的物理特性以及图像采集过程中的光学特性，确定错误分割率和遗漏分割率为螺旋叶片图像分割质量的评价指标；然后构建具有自适应特色的螺旋叶片图像分割质量综合评价模型，并计算各分割质量评价指标的值，以螺旋叶片输入图像为基础，分析其灰度分布情况，以灰度标准差为依据自适应计算各指标的权重系数，利用模型进行分析，得到最终的螺旋叶片图像分割质量的评价结果。采用本发明有效解决现有评价策略忽视输入图像灰度分布对分割性能干扰的不足，实现高效、稳定、自适应的螺旋叶片图像分割质量的评价。
-
公开(公告)号：CN108022240A
公开(公告)日：2018-05-11
申请号：CN201711401632.9
申请日：2017-12-22
Applicant: 南京工程学院
Abstract: 本发明公开一种基于多种群联合演化的螺旋叶片图像分割方法，首先将采集到的螺旋叶片图像转换为灰度图像，并对螺旋叶片图像进行滤波、去噪处理；然后提取螺旋叶片图像的能量、熵、对比度等特征值；计算各特征值单独分割的最优阈值，并构建共享阈值档案集；计算螺旋叶片图像分割的综合最优分割阈值，指导各特征向量的下一次进化，直到达到求解精度，以最后一次得到的综合最优解进行螺旋叶片图像分割，得到最终的螺旋叶片图像分割结果。采用本发明可实现高效、自适应的螺旋叶片图像的分割。
-
公开(公告)号：CN120034614A
公开(公告)日：2025-05-23
申请号：CN202510117330.7
申请日：2025-01-24
Applicant: 国能神福(石狮)发电有限公司 , 南京工程学院
IPC: H04N7/14 , G06T17/00 , G06Q10/20 , H04L65/403 , H04L65/80 , H04N21/2347 , H04N21/4408 , H04L9/40 , H04N21/647
Abstract: 本申请涉及一种视频远程传输方法及系统。所述方法包括：获取操作端的视野图像对应的视频数据并发送至专家端；基于专家端和操作端构建多人语音通话；专家端实时构建三维模型并共享至操作端。采用本方法远程操作指导是诱导维修系统中一项重要的功能。在远程指导过程中，结合AR远程辅助维修，系统实现了远程视野共享、多人语音通话以及3D系统操作三种方式实现远程指导操作。在数据传输过程中，对数据采取了加密、重传的方式，保证传输的可靠性与安全性。
-
公开(公告)号：CN108022240B
公开(公告)日：2021-09-07
申请号：CN201711401632.9
申请日：2017-12-22
Applicant: 南京工程学院
Abstract: 本发明公开一种基于多种群联合演化的螺旋叶片图像分割方法，首先将采集到的螺旋叶片图像转换为灰度图像，并对螺旋叶片图像进行滤波、去噪处理；然后提取螺旋叶片图像的能量、熵、对比度等特征值；计算各特征值单独分割的最优阈值，并构建共享阈值档案集；计算螺旋叶片图像分割的综合最优分割阈值，指导各特征向量的下一次进化，直到达到求解精度，以最后一次得到的综合最优解进行螺旋叶片图像分割，得到最终的螺旋叶片图像分割结果。采用本发明可实现高效、自适应的螺旋叶片图像的分割。
-
公开(公告)号：CN120012913A
公开(公告)日：2025-05-16
申请号：CN202411888199.6
申请日：2024-12-20
Applicant: 南京工程学院
Abstract: 本申请适用于计算机技术领域，提供了一种基于共享指数的矩阵乘的文本生成方法、装置及终端设备，包括：获取输入LLM模型文本数据和LLM模型模型参数，再将文本数据和模型参数转换为第一浮点格式数据集，根据预设共享指数算法对第一浮点格式数据集中的每个数据进行指数对齐，生成第二浮点格式数据集，再对第一矩阵和第二矩阵进行矩阵乘运算，生成第三矩阵，再将第三矩阵输入至自注意力机制层输出注意力加权表示，将注意力加权表示输入至前馈神经网络输出高级特征表示，最后将高级特征表示输入解码器中输出文本数据对应的文本。本申请的方法在维持高计算精度的同时，大幅降低原先浮点运算的计算功耗，进一步降低LLM模型的推理延迟，提高文本生成的效率。
-
-
-
-
-
Search Results
6
records
(took 0.014 seconds)
