-
公开(公告)号：CN104463252A
公开(公告)日：2015-03-25
申请号：CN201410795221.2
申请日：2014-12-18
Applicant: 南京信息工程大学
IPC: G06K9/66
CPC classification number: G06K9/6276
Abstract: 本发明公开了一种地基云图云分类方法，属于图像信息处理和气象技术领域。本发明方法包括以下步骤：（1）提取云图的纹理特征、形状特征以及颜色特征形成一个21维的特征向量；（2）对21维的特征向量的每一位进行归一化处理；（3）建立自适应极限学习机模型，利用训练样本进行网络训练；（4）以归一化的21维特征向量作为自适应极限学习机的输入，云的种类作为输出进行云的分类。本发明综合利用云图的纹理特征、形状特征以及颜色特征，建立一种基于k近邻和极限学习机的自适应极限学习机模型，实现地基云的准确分类，该方法可获得比现有的方法更加准确的分类性能，具有重要应用价值。
-
公开(公告)号：CN103745058A
公开(公告)日：2014-04-23
申请号：CN201410009090.0
申请日：2014-01-09
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种任意形状软组织表皮受拉力/变形的模拟方法，该方法以平行于软组织表皮所在平面轴方向取条直线，以平行轴方向取条直线，从而将任意形状的软组织表皮分割成一系列网格区域；在原点处施加轴方向上的拉力，使其产生位移形变量，采用微型圆柱紧密螺旋弹簧模型来表现软组织表皮上受力点位移形变量与方向上的所受拉力关系，通过实验获得关键点的位移形变量，由遗传算法优化神经网络训练数据库得到准确度较高的关键点位移形变量与平面原点处轴方向上的拉力，关键点到原点间距离之间关系函数，得到软组织表皮上任意点受力情况和位移形变量，进而更新软组织上受力后更加准确的网格模型，该模拟方法准确，快速，交互效果逼真。
-
公开(公告)号：CN103514441A
公开(公告)日：2014-01-15
申请号：CN201310429774.1
申请日：2013-09-21
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种改进的人脸特征点定位跟踪方法，力图在多个方面全面提升算法的性能，具体体现在特征选取，模型训练以及定位跟踪等方面做了较大改进，使算法运行效率大幅提升，并同时保证了定位跟踪的准确性，能够实现在移动平台上实时进行人脸特征点的检测定位。本发明分为训练和匹配两个阶段，训练阶段主要学习全局形状模型，角点形状模型，眼睛形状模型，嘴唇形状模型，角点局部纹理模型，特征点局部纹理模型。匹配过程采用分层的机制，形状投影采取加权投影的方式。本发明的效率大幅提升，每秒可以定位跟踪二十五帧以上，在移动平台上实现了实时定位跟踪。
-
公开(公告)号：CN103488866A
公开(公告)日：2014-01-01
申请号：CN201310283766.0
申请日：2013-07-08
Applicant: 南京信息工程大学
IPC: G06F19/00
Abstract: 本发明公开了一种带半圆槽的圆截面弹性柱体自由扭转/变形的模拟方法，其特征是以带半圆槽的圆截面弹性柱体的棱线为经线，以截面线为纬线，通过相邻的经线、相邻的纬线将带半圆槽的圆截面弹性柱体侧面分割成一系列块状区域；在带半圆槽的圆截面弹性柱体自由端施加扭矩作用下，使其产生自由扭转变形，利用扭转应力函数与单位长度的相对扭转角及扭矩之间的对应关系可求出任一关键点在扭矩作用下的变形量；采用基于质心的三维插值算法可计算任意块状区域内任意一点的变形量，进而更新绘制扭转后的弹性柱体模型；该模拟方法计算简单，能准确快速的计算扭转变形，实现对弹性柱体的实时变形仿真。
-
公开(公告)号：CN117809100B
公开(公告)日：2024-12-13
申请号：CN202311847377.6
申请日：2023-12-29
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/44 , G06N3/045 , G06N20/00 , G06N3/096
Abstract: 本发明公开了一种双粒度提示下基于回放的持续学习模型建立方法及装置，本发明首先对训练数据集中的图像进行预处理；然后构建双粒度提示下基于回放的持续学习模型，包括特征提取器、分类器、输入感知提示模块和代理特征提示模块；所述特征提取器用于从输入的样本中提取特征；所述分类器用于将特征提取器输出的特征进行分类；所述输入感知提示模块用于网络输入的额外补充，帮助生成更合理和多样化的输入分布，提高网络的泛化能力；所述代理特征提示模块用于弥合教师和学生模型之间的知识差距，以在特征转移过程中保持一致性，增强了特征的可塑性和稳定性。本发明可以高效完成持续学习任务，图像分类精度比现有持续学习方法更优。
-
Patent Agency Ranking
公开(公告)号：CN117746139B
公开(公告)日：2024-11-29
申请号：CN202311771402.7
申请日：2023-12-20
Applicant: 南京信息工程大学
IPC: G06F17/00
Abstract: 本发明公开了一种类增量目标计数自我反思模型建立方法及装置，本发明首先对训练数据集中的图像进行预处理；然后构建类增量目标计数自我反思模型，包括全局感知增量回归分支、不确定性预估分支和自我反思机制；所述全局感知增量回归分支用于提取输入图像的全局特征，生成图像对应类别的预测密度图；所述不确定性预估分支用于保持稳定性的同时增强网络的可塑性，并使用该分支的输出作为正则化信号引导增量回归分支的学习过程；所述自我反思机制修正增量回归分支的输出，促进增量分支对旧类别知识的反思，增强模型输出密度图的准确性。本发明可以高效完成类增量目标计数任务，计数结果比现有技术更优。
-
公开(公告)号：CN118658106A
公开(公告)日：2024-09-17
申请号：CN202411132278.4
申请日：2024-08-19
Applicant: 南京信息工程大学
Abstract: 本发明公开一种基于特征解耦增强的文本生成视频方法，属于文本生成视频技术领域。其包括，将用户文本输入到预先训练好的文本生成视频网络模型中，得到与所述用户文本描述相符的视频；其中，所述文本生成视频网络模型包括视觉特征解耦网络、跨帧注意力模块及时间注意力模块，所述视觉特征解耦网络用于将视频特征进行解耦分层，所述跨帧注意力模块用于加强解耦分层的视频特征连续三帧的关联，所述时间注意力模块用于加强经过跨帧注意力输出的隐层特征全局帧的关联；本发明适用于文本生成视频，能够有效提升了生成视频细节质量。
-
公开(公告)号：CN118015352A
公开(公告)日：2024-05-10
申请号：CN202410144769.4
申请日：2024-02-01
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明属于计算机视觉领域，具体为一种样本均衡学习类增量目标计数建模方法，旨在解决模型在类增量目标计数过程中由于新旧类样本失衡导致的灾难性遗忘问题，同时提高模型对新类的感知能力以及帮助模型更好的实现稳定性与可塑性的平衡。本发明主要包括提出的两个新损失函数：(1)样本再平衡损失函数，根据其样本计数的难易程度动态再平衡新旧类样本的损失贡献，使得模型在更关注旧类样本缓解灾难性遗忘的同时，提高其对新类样本的感知能力；(2)梯度衰减损失函数，通过动态约束计数模型的梯度信息，在不损害其可塑性的情况下，最大限度地保留旧知识，更好的实现稳定性与可塑性的平衡。
-
公开(公告)号：CN117788962B
公开(公告)日：2024-05-10
申请号：CN202410213054.X
申请日：2024-02-27
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/40 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于持续学习的可扩展点云目标识别方法与系统，包括获取不同的点云目标识别数据集，基于预设类别将数据集划分为若干批次。然后基于PointNet网络，构建双分支结构的知识注入网络，该知识注入网络包括稳定性分支、以及可塑性分支；稳定性分支用于得到稳定性分支输出特征；可塑性分支用于得到可塑性分支输出特征；对稳定性分支输出特征、可塑性分支输出特征进行混合，得到混合知识特征。最后对混合知识特征输入至分类器，得到识别结果。本发明差异性局部感知模块提升了PointNet网络的差异性局部特征感知能力，通过知识注入网络设计，引入过去的模型特征知识进行多源知识补充，可以缓解对过去类别识别能力下降的现象。
-
公开(公告)号：CN117808710A
公开(公告)日：2024-04-02
申请号：CN202311847371.9
申请日：2023-12-29
Applicant: 南京信息工程大学
IPC: G06T5/77 , G06N3/045 , G06N3/0499 , G06T5/10 , G06N3/08 , G06N3/0464 , G06F17/14 , G06V10/40 , G06V10/80 , G06V10/82 , G06V10/774 , G06V10/776
Abstract: 本发明公开了一种基于傅里叶变换Transformer网络的低光图像增强方法及装置，本发明首先获取若干低光图像及对应的参考标准图像，并对低光图像进行预处理，之后构建傅里叶变换Transformer网络，再将预处理后的低光图像和对应的正常光图像作为样本，对所述傅里叶变换Transformer网络进行训练；最后将待增强的低光图像输入训练好的傅里叶变换Transformer网络，得到增强后的图像。本发明可以对低光图像甚至极低光图像进行图像增强，增强后的图像效果相比现有技术更好。
-
-
-
-
-
-
-
-
-
Search Results
159
records
(took 0.035 seconds)
