-
公开(公告)号：CN117972387A
公开(公告)日：2024-05-03
申请号：CN202410117732.2
申请日：2024-01-29
Applicant: 南京邮电大学
IPC: G06F18/213 , G06F18/25 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/049 , G06N3/08 , G06F123/02
Abstract: 本发明属于时间序列分析技术领域，公开了一种基于时域解耦增强的长时间序列预测方法，该方法通过预测模型实现，模型主要包括时间网络模块、增广网络模块、采样模块、融合加强模块，其中采样模块将长序列转化为时间子序列，获取更精细的特征信息，时间网络模块主要用于针对于整体的时间序列做粗预测处理，并为融合增强模块提供特征信息，增广网络模块将时间子序列做精细化处理，并将自身的特征信息传入到融合增强模块，融合增强模块接收来自子序列的细化特征与原有序列的特征信息做融合增强，并作为时间网络与增广网络模块的辅助解码输入，最终将时间网络与增广网络的输出结合作为预测输出，从而实现时空信息对齐，实现更加高效准确的预测能力。
-
公开(公告)号：CN117934570A
公开(公告)日：2024-04-26
申请号：CN202410119667.7
申请日：2024-01-29
Applicant: 南京邮电大学
IPC: G06T7/33 , G06T7/35 , G06V10/40 , G06V10/75 , G06V10/74 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464
Abstract: 本发明涉及跨模态配准技术领域，具体涉及一种基于自校准注意力机制的图像点云配准方法，包括：构件图像‑点云网络模型；将图像‑点云配准数据集分为训练数据集和测试数据集，并提取图像和点云的深层次特征；依次进行位置嵌入操作、自注意力和交叉注意力处理、跨模态校准以及多尺度特征提取，实现图像与点云的粗匹配；通过密集匹配模块实现图像与点云的精匹配；利用PNP与RANSAC算法获取图像‑点云配准结果，得到训练完成的图像‑点云配准网络模型；将测试数据集作为训练完成的图像‑点云配准网络模型的输入，获取最终的图像‑点云配准结果。本发明通过粗匹配和精匹配处理，实现最大匹配分数的图像‑点云配准，提高了配准准确率。
-
公开(公告)号：CN117788313A
公开(公告)日：2024-03-29
申请号：CN202311847434.0
申请日：2023-12-29
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于双重对比学习和梯度通道注意力机制的医学图像融合方法，属于图像融合领域，包括：将非对齐的训练集输入主干网络提取不同模态的共享特征；将z1、z2分别输入MPCRM模块输出粗配准图像f1；将f1输入MPFRM模块，经过内部变形场和空间变换以校正局部视差，最后通过反向变形场获取精配准图像f2；将f2与参考图像Iy分别通过MPEEM模块以双重对比学习到具有较高视觉质量和信息量的特征，分别输出特征z3，z4；最后以z3，z4为基准在MPFM模块中基于梯度通道注意力机制得到融合图像f3；本发明的图像融合方法能够保留输入图像细节的同时实现图像细节的增强和纹理的融合,输出质量更高的图像。
-
公开(公告)号：CN116164667A
公开(公告)日：2023-05-26
申请号：CN202310149511.9
申请日：2023-02-22
Applicant: 南京邮电大学
Abstract: 本发明属于三维测量技术领域，具体地说，是一种基于四目结构光的三维测量技术方法，包括搭建四目结构光三维测量系统，利用棋盘格标定板标定四相机的内、外部和畸变参数；获取互补格雷码加四步相移图像；通过投影仪设备将一系列的编码图像投影到被测物体上；对拍摄到的图像进行畸变校正并求解出绝对相位信息；根据解码值进行立体匹配；根据相机内部、外部参数求解出相应点的世界坐标，利用四直线方程求解物体点的世界坐标；最后再对生成的点云进行滤波去噪处理。本发明通过采用互补格雷码加相移的方式进行编解码，有效的解决了解码时的错码情况；同时通过引入四直线方程对求解物体点坐标时进行约束，使得物体的坐标信息更加准确，提高了测量精度。
-
公开(公告)号：CN114999006A
公开(公告)日：2022-09-02
申请号：CN202210560653.X
申请日：2022-05-20
Applicant: 南京邮电大学
IPC: G06V40/70 , G06V10/80 , G06V10/82 , G06V20/40 , G06V40/16 , G10L25/63 , G06V10/774 , G06N3/04 , G06V10/764
Abstract: 本发明提供一种基于不确定性估计的多模态情感分析方法、装置及设备，通过获取多模态情感分析数据集，进行特征提取得到对应的音频特征、视频特征和文本特征；得到表征后的音频特征、视频特征；将得到的表征后的音频特征、视频特征和文本特征分别输入各自的基于迪利克雷分布的不确定性估计模型，得到对应音频、视频和文本模态的迪利克雷分布与不确定性估计；得到情感分类结果与总体不确定性估计；得到训练后的基于迪利克雷分布的不确定性估计模型；模型输出得到的预测结果；本发明识别精度更高，具有更强的鲁棒性和更优的可解释性，且对计算资源要求低，对多模态数据进行分析耗时更短，更符合实际场景的需要。
-
Patent Agency Ranking
公开(公告)号：CN114881885A
公开(公告)日：2022-08-09
申请号：CN202210572476.7
申请日：2022-05-25
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于解耦深度字典学习的图像去噪方法，首先对图像数据进行预处理，将输入的图像分解为结构图像和纹理图像；所述结构图像和纹理图像分别遵循字典学习模型去学习一个自适应的字典，对解耦深度字典学习模型求解，利用模型驱动的网络对处理完后的图像不同成分做融合；然后将经过预处理的图像输入神经网络模型进行参数训练，得到去噪效果较好的网络模型；最后将需要测试的图像输入到上述经过参数训练的网络模型中，得到清晰图像。本方法所形成的解耦深度字典学习图像去噪模型克服了当前主流方法中存在的模型退化严重、网络收敛慢、字典不自适应等问题，有效的利用了DNN的学习能力，使之在严重噪声环境下也能很好的恢复图像的细微结构。
-
公开(公告)号：CN114723623A
公开(公告)日：2022-07-08
申请号：CN202210233631.2
申请日：2022-03-09
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于层级网络的低分辨率鬼成像图像重建方法和装置，包括如下步骤：将初始图像通过仿真生成鬼成像图像；将需要重建的鬼成像图像作为输入，输入预先训练的多层次网络模型，多层级网络模型对需要重建的鬼成图像进行处理，并输出得到重建的清晰的图像；其中，多层次网络模型的构建包括：构建多层级网络，在每个层级的网络的编码器中均引入反馈连接；基于鬼成图像、鬼成图像对应的真值图像和perceptual loss函数进行训练，得到多层次网络模型。本发明与现有的基于深度学习的鬼成像重建方法相比，能够恢复出目标结构更加明确、边缘更加清晰的干净图像，解决了在低采样率下，鬼成像图像恢复不清晰、恢复速度较慢的问题。
-
公开(公告)号：CN111292308A
公开(公告)日：2020-06-16
申请号：CN202010085699.1
申请日：2020-02-11
Applicant: 南京邮电大学
Abstract: 本发明公开了无损检测技术领域的一种基于卷积神经网络的光伏太阳能板红外缺陷检测方法，旨在解决现有技术中利用卷积网络进行物体表面缺陷检测时，由于受数据集的质量、容量以及网络规模的限制，无法精确捕捉和保留图片内容信息、网络运行速度缓慢、影响缺陷检测效果的技术问题。所述方法包括如下步骤：将光伏太阳能板的红外图像输入预先训练好的U型全卷积神经网络，获取光伏太阳能板的缺陷检测结果。
-
公开(公告)号：CN111104876A
公开(公告)日：2020-05-05
申请号：CN201911224458.4
申请日：2019-12-04
Applicant: 南京邮电大学
Abstract: 本发明公开了信号处理技术领域的一种基于神经网络的红外光谱反卷积方法，旨在解决现有技术中由于非盲反卷积和半盲反卷积方法需要先验知识作为支撑，因而限制了其在红外光谱信号处理实际场景中的应用；全盲反卷积处理效果的准确性以及效率不佳，容易受到自然界中的随机噪声影响的技术问题。所述方法包括如下步骤：基于初始红外光谱信号及其退化红外光谱信号构建样本集；利用所述样本集对预构建的神经网络进行训练，所述神经网络的损失函数引入有自步正则项；利用训练好的神经网络处理目标红外光谱信号。
-
公开(公告)号：CN110443261A
公开(公告)日：2019-11-12
申请号：CN201910752068.8
申请日：2019-08-15
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于低秩张量恢复的多图匹配方法，包括如下步骤：S1：对各帧图像进行预处理并进行特征提取，即提取兴趣点特征；S2：对各帧图像的兴趣点进行处理，根据兴趣点的拓扑关系提取其高阶信息特征；S3:基于多图循环一致性，根据置换矩阵和图像特征的全局对应关系组建多图高阶特征信息张量；S4:采用秩约束作为标准，基于交替方向乘子法(ADMM)算法求解多图高阶特征信息张量的低秩表示，可以有效地计算出多个图像之间对应的最优置换矩阵即匹配结果矩阵。本发明提出基于低秩张量恢复的多图匹配方法，实现了图匹配一致性提高了匹配精度，其对图像匹配应用研究、目标识别和目标追踪技术具有重要的意义。
-
-
-
-
-
-
-
-
-
Search Results
104
records
(took 0.027 seconds)
