-
公开(公告)号：CN116091341B
公开(公告)日：2024-04-02
申请号：CN202211617192.1
申请日：2022-12-15
Applicant: 南京信息工程大学
IPC: G06T5/70 , G06T5/90 , G06T5/60 , G06T5/50 , G06N3/0464 , G06N3/0475 , G06N3/08
Abstract: 本发明公开了一种低光图像的曝光差增强方法及装置，本发明首先获取若干低光图像及对应的参考标准图像，并对低光图像进行数据预处理，之后构建曝光差增强网络，包括相连接的曝光差模块和全局一致性引导的颜色调整模块，所述曝光差模块用于提取低光图像和根据低光图像生成的曝光图像之间的曝光差特征，所述颜色调整模块用于基于曝光差特征进行全局信息和颜色边缘纹理的捕捉，输出增强后的图像；再将预处理后的低光图像和对应的正常光图像作为样本，对所述曝光差增强网络进行训练；最后将待增强的低光图像输入训练好的曝光差增强网络，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。
-
公开(公告)号：CN108572094B
公开(公告)日：2023-11-10
申请号：CN201810689871.7
申请日：2018-06-28
Applicant: 南京信息工程大学
IPC: G01N1/14
Abstract: 本发明公开了一种多组水样采集存储装置，包括箱体、采水瓶、采水瓶进水管、橡胶塞、盖板、堵水装置、舵机、进水管、进水底板、控制器；箱体顶端设有进水口；采水瓶为多个，沿圆周均布设于箱体内底部；盖板上对应各采水瓶的位置处分别设有进水槽；各采水瓶进水管两端分别与对应的采水瓶瓶口、进水槽相连通；采水瓶瓶口处设有对应的橡胶塞；橡胶塞上设有进水缝；舵机固定设于盖板中心位置处，且与进水底板的下端面传动相连；控制器设于箱体内，且与舵机相连；进水底板下端面沿周向均匀设置多个堵水装置和一个进水管，进水底板对应进水管位置处设有底板进水口。采用本发明装置能够进行多组水样采集，又能保证水样标本不受其他区域水体掺杂。
-
公开(公告)号：CN116612352A
公开(公告)日：2023-08-18
申请号：CN202310605077.0
申请日：2023-05-26
Applicant: 南京信息工程大学
IPC: G06V10/774 , G06V10/776 , G06V10/82 , G06V10/80 , G06V20/40 , G06N3/045 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种时空交织的行为识别网络模型构建方法及装置，所述方法包括：加载视频数据并提取视频帧，对视频帧进行随机裁剪和随机水平翻转，得到模型的输入数据集，将数据集划分为训练集、验证集和测试集；确定时空交织行为识别网络模型结构，该结构包括依次连接的基网络、交互特征协同模块、并行增强伪3D模块和时空差分注意力模块；利用训练集中的数据对时空交织行为识别网络模型进行网络训练，利用验证集中的数据评估模型，一旦找到最佳的参数，则保存最优模型；利用测试集中的数据对最优模型进行测试。本发明在降低计算复杂度的基础上提高对行为识别的精度。
-
公开(公告)号：CN109544656B
公开(公告)日：2023-05-23
申请号：CN201811404831.X
申请日：2018-11-23
Applicant: 南京信息工程大学
IPC: G06T11/00 , G06N3/084 , G06N3/094 , G06N3/0475
Abstract: 本发明公开了一种基于生成对抗网络的压缩感知图像重建方法，包括：S1、根据原始图像采样得到的测量向量与重建图像大小构建基于神经网络的生成对抗网络模型，并设计用于优化所述生成对抗网络模型参数的目标函数；S2、预设训练所述生成对抗网络模型时的参数；S3、根据所述目标函数，采用反向传播算法交替训练生成器与鉴别器；S4、若所述生成对抗网络模型收敛，则训练好的网络可以直接实现压缩感知任务，模型输出为由所述测量向量重构出的对应原图像；否则返回执行步骤S2‑S4。本发明利用生成器的强大映射能力，初步重建原始图像，利用生成器和鉴别器的对抗训练，使得生成器重建的图像像素分布更接近原始图像，达到了低采样率下精确重建原始图像的目的。
-
公开(公告)号：CN113792822B
公开(公告)日：2022-04-01
申请号：CN202111352357.2
申请日：2021-11-16
Applicant: 南京信息工程大学
IPC: G06V10/774 , G06V10/764 , G06V10/80 , G06V10/776 , G06V10/82 , G06N3/04 , G06N3/08 , G06K9/62
Abstract: 本发明涉及图像信息处理技术领域，具体涉及一种高效的动态图像分类方法。在两种分类场景设置下，本发明方法的计算效率始终比多尺度密集网络、分辨率自适应网络、带中间分类器的残差网络、带中间分类器的密集网络、不同大小的残差网络集合、不同大小的密集网络集合、GoogleNet、宽残差网络的计算效率高；通过交叉融合模块和自适应蒸馏模块促进网络内不同分辨率特征之间的协作，使在低分辨率分支被视为“困难”的样本变得不再困难。此外，我们通过设置阈值使得本发明可以动态地停止推理，有效地提高了计算效率。
-
Patent Agency Ranking
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：CN113936145A
公开(公告)日：2022-01-14
申请号：CN202111173394.7
申请日：2021-10-08
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于注意力图排序的细粒度识别方法，属于计算机视觉和模式识别技术领域；首先，获取原图像特征；使用3*3卷积Conv、全局最大池化GAP和全局平均池化GMP对第三个卷积层的输出结果进行处理，将处理结果进行全连接来得到多尺度的原图像特征；然后，进行弱监督注意力学习；然后，进行定位与细化，通过边界框定位出细粒度识别区域并提取该区域的特征；然后，将注意力图按重要性排序算法进行排序，通过边界框选取出最有鉴别性的区域并提取该区域的特征；通过注意力图重要性排序算法，强化对最有鉴别性区域的学习；最后，将原图像、定位出的细粒度识别区域、选取的最有鉴别性的区域三个层面的特征进行级联。
-
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：CN110414378A
公开(公告)日：2019-11-05
申请号：CN201910619187.6
申请日：2019-07-10
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于异质人脸图像融合特征的人脸识别方法。对人脸数据库中的人脸图像进行预处理，裁剪出包含人脸的固定大小的图像；训练基于分离特征的人脸摆正模型，对经过预处理的人脸图像进行人脸的摆正；训练基于循环生成对抗网络的素描和漫画生成模型，对摆正后的人脸图像进行素描和漫画人脸图像的生成；利用残差网络对经过预处理和人脸摆正的真人图像和通过素描和漫画生成模型生成的素描和漫画人脸图像进行特征提取和融合，根据融合特征进行人脸识别。本发明的人脸识别准确率较高，有着较好的判别性和鲁棒性。
-
公开(公告)号：CN108182449A
公开(公告)日：2018-06-19
申请号：CN201711416468.9
申请日：2017-12-25
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种高光谱图像分类方法，属于图像信息处理技术领域。本发明方法包括以下步骤：首先，输入一张高光谱图像，以它的每个像素点为中心，提取多尺度的子立方块；其次，对于同一尺度的立方块，利用鲁棒矩阵判别分析模型挖掘其空-谱特征；最后，将每个尺度上的特征表示送入支持向量机模型，得到每个尺度的分类结果，并用“多数投票(Majority Voting)”法融合不同尺度的分类结果。相对于其它基于判别分析模型的特征提取方法，本发明不仅利用了高光谱图像的光谱信息，而且充分利用了其空间信息，因而可以获取更好的分类效果，并且对噪声和图像退化具有一定的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
159
records
(took 0.032 seconds)
