-
公开(公告)号：CN113947537B
公开(公告)日：2024-11-12
申请号：CN202111091274.2
申请日：2021-09-17
Applicant: 南京邮电大学
IPC: G06T5/73 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种图像去雾方法、装置及设备，所述方法包括：获取待处理有雾图像，将有雾图像输入预先训练的去雾模型，获得有雾图像对应的无雾图像；所述去雾模型包括多个残差群组，所述残差群组包括若干串联的残差双重注意力融合模块，残差双重注意力融合模块包括残差块、第一卷积层、通道注意力模块、像素注意力模块和第二卷积层，所述残差块的输出经第一卷积层分别与所述通道注意力模块和像素注意力模块的输入连接，所述通道注意力模块和像素注意力模块的输出融合再进行输出处理，用于实现残差双重注意力融合模块的输出在每个通道图增强全局依赖的同时获得像素特征。本发明将残差双重注意力融合模块作为神经网络的基本模块，提高了去雾效果。
-
公开(公告)号：CN112785517B
公开(公告)日：2023-03-14
申请号：CN202110024407.8
申请日：2021-01-08
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于高分辨率表征的图像去雾方法和装置，属于图像处理技术领域，方法包括：随机选取RESIDE数据集中有雾/无雾图像对作为训练集；利用有雾/无雾图像对训练高分辨率卷积神经网络，将待去雾的有雾图像输入到训练好的高分辨率卷积神经网络，获得经去雾处理的无雾图像。本发明提供的去雾方法和装置能够降低了图像空间信息的丢失，使得恢复图像更加自然。
-
公开(公告)号：CN113658051B
公开(公告)日：2023-10-13
申请号：CN202110713063.1
申请日：2021-06-25
Applicant: 南京邮电大学
IPC: G06T5/00 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于循环生成对抗网络的图像去雾方法及系统，包括：获取待处理的有雾图像；输入到预先训练好的密集连接循环生成对抗网络，输出无雾图像；所述密集连接循环生成对抗网络包括生成器，生成器包括编码器、转换器和解码器，编码器包括密集连接层，用于提取输入图像的特征，转换器包括过度转换层，用于将编码器阶段提取的特征进行组合，解码器包括密集连接层和缩放卷积神经网络层，密集连接层用于还原图像的原有特征，缩放卷积神经网络层用于去除还原的原有特征的棋盘格效应，得到最终输出的无雾图像。优点：基于循环生成对抗网络进行图像去雾，消除对成对数据集的要求，提高了特征图的利用率，保持网络训练效率，提高生成图像质量。
-
公开(公告)号：CN111736989B
公开(公告)日：2022-10-14
申请号：CN202010506445.2
申请日：2020-06-05
Applicant: 南京邮电大学
IPC: G06F9/50
Abstract: 本发明公开一种多模式分布式集群GPU指标检测方法及系统，包括GPU嗅探器读取工作节点环境变量中的模式值和计时器频率，读取工作节点的GPU数量和GPU信息参数，计算出自身不同工作模式下工作节点的GPU性能得分，进行信息上报；存储器比对上报信息和数据平面的数据库，使数据库对应数据内部的各个字段更新为上报信息内部的各个字段；校验器等待接收并校验上报信息。本发明通过工作节点设置GPU信息列表缓存和数据平面设置字段对比来实现GPU信息更新从而降低信息上报频率、减少信息传输成本；通过多模式评分策略凸显GPU资源的多样性，以适配更多复杂场景的GPU计算需求。
-
公开(公告)号：CN113658051A
公开(公告)日：2021-11-16
申请号：CN202110713063.1
申请日：2021-06-25
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于循环生成对抗网络的图像去雾方法及系统，包括：获取待处理的有雾图像；输入到预先训练好的密集连接循环生成对抗网络，输出无雾图像；所述密集连接循环生成对抗网络包括生成器，生成器包括编码器、转换器和解码器，编码器包括密集连接层，用于提取输入图像的特征，转换器包括过度转换层，用于将编码器阶段提取的特征进行组合，解码器包括密集连接层和缩放卷积神经网络层，密集连接层用于还原图像的原有特征，缩放卷积神经网络层用于去除还原的原有特征的棋盘格效应，得到最终输出的无雾图像。优点：基于循环生成对抗网络进行图像去雾，消除对成对数据集的要求，提高了特征图的利用率，保持网络训练效率，提高生成图像质量。
-
Patent Agency Ranking
公开(公告)号：CN112819136A
公开(公告)日：2021-05-18
申请号：CN202110076545.0
申请日：2021-01-20
Applicant: 南京邮电大学
Abstract: 本发明公开了时间序列预测技术领域的一种基于CNN‑LSTM神经网络模型与ARIMA模型的时间序列预测方法及系统，旨在解决现有技术中没有充分提取时间序列的周期特征从而导致预测精度不够的问题。包括：获取待预测的时间序列数据，构建输入样本；将输入样本输入经过训练的基于CNN‑LSTM的神经网络模型，得到第一预测结果；将第一预测结果与输入样本的观测值进行比对，得到误差序列；将误差序列输入建立的ARIMA模型对误差序列进行误差修正预测，得到第二预测结果；将第一预测结果和第二预测结果相加得到时间序列的最终预测结果。
-
公开(公告)号：CN112465720B
公开(公告)日：2024-02-23
申请号：CN202011368071.9
申请日：2020-11-27
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于图像天空分割的图像去雾方法、装置和存储介质，属于图像去雾技术领域，该方法包括如下步骤：对含有天空区域的原始图像进行混合式图像预处理获得新图像，混合式图像预处理包括依次进行梯度锐化、均值滤波平滑、二次锐化、掩蔽以及相加处理；采用Otsu阈值分割算法对新图像进行图像分割处理，获得天空区域图像和非天空区域图像，分别对天空区域图像和非天空区域图像进行去雾处理，获得非天空区域去雾图像和天空区域去雾图像；利用天空区域的二值掩码和非天空区域的二值掩码，将天空区域去雾图像与非天空区域去雾图像相融合，获得最终去雾图像。本发明能够有效保
-
公开(公告)号：CN112465720A
公开(公告)日：2021-03-09
申请号：CN202011368071.9
申请日：2020-11-27
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于图像天空分割的图像去雾方法、装置和存储介质，属于图像去雾技术领域，该方法包括如下步骤：对含有天空区域的原始图像进行混合式图像预处理获得新图像，混合式图像预处理包括依次进行梯度锐化、均值滤波平滑、二次锐化、掩蔽以及相加处理；采用Ostu阙值分割算法对新图像进行图像分割处理，获得天空区域图像和非天空区域图像，分别对天空区域图像和非天空区域图像进行去雾处理，获得非天空区域去雾图像和天空区域去雾图像；利用天空区域的二值掩码和非天空区域的二值掩码，将天空区域去雾图像与非天空区域去雾图像相融合，获得最终去雾图像。本发明能够有效保持图像细节，提高图像对比度，消除天空区域色彩失真。
-
公开(公告)号：CN111736989A
公开(公告)日：2020-10-02
申请号：CN202010506445.2
申请日：2020-06-05
Applicant: 南京邮电大学
IPC: G06F9/50
Abstract: 本发明公开一种多模式分布式集群GPU指标检测方法及系统，包括GPU嗅探器读取工作节点环境变量中的模式值和计时器频率，读取工作节点的GPU数量和GPU信息参数，计算出自身不同工作模式下工作节点的GPU性能得分，进行信息上报；存储器比对上报信息和数据平面的数据库，使数据库对应数据内部的各个字段更新为上报信息内部的各个字段；校验器等待接收并校验上报信息。本发明通过工作节点设置GPU信息列表缓存和数据平面设置字段对比来实现GPU信息更新从而降低信息上报频率、减少信息传输成本；通过多模式评分策略凸显GPU资源的多样性，以适配更多复杂场景的GPU计算需求。
-
公开(公告)号：CN112578419B
公开(公告)日：2023-12-12
申请号：CN202011332018.3
申请日：2020-11-24
Applicant: 南京邮电大学
IPC: G01S19/37 , G06N3/0442 , G06N3/084
Abstract: 本发明公开了一种基于GRU网络和卡尔曼滤波的GPS数据重构方法，所述方法包括：获取GPS实测数据，将GPS实测数据输入预先训练的GRU网络模型G，获得校正完成的轨迹数据Data1；采用预设的卡尔曼滤波算法对校正完成的轨迹数据Data1进行修正，获得高精度的GPS数据。本发明能够实现动态GPS数据的重构，能够获得高精度的GPS数据。(56)对比文件胡玉可;夏维;胡笑旋;孙海权;王云辉.基于循环神经网络的船舶航迹预测.系统工程与电子技术.2020,(04),全文.
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.018 seconds)
