-
公开(公告)号：CN114283256B
公开(公告)日：2025-03-07
申请号：CN202111385044.7
申请日：2021-11-22
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种非均匀软组织网格模型的自适应网格细化方法，属于计算机图形学技术领域，包括：根据用户注视一级四面体网格模型的眼动数据生成眼动热点图；根据眼动热点图提取一级四面体网格模型的初次细化区域，获取一级四面体网格模型的顶点密度值；对初次细化区域进行基于顶点密度值的初次细化，得到二级四面体网格模型；根据外力的传导范围从二级四面体网格模型中提取再次细化区域；对再次细化区域进行基于顶点密度值的再次细化，得到与非均匀软组织相适应的三级四面体网格模型；其中，所述一级四面体网格模型通过非均匀软组织的CT图像构建获取；提高了模拟仿真的真实性和实时性。
-
公开(公告)号：CN119338658A
公开(公告)日：2025-01-21
申请号：CN202411371198.4
申请日：2024-09-29
Applicant: 南京信息工程大学
IPC: G06T1/00 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开了基于频谱损失约束的可逆水印方法，利用编码器生成载密图像；利用鉴别器判断载密图像是否为无感损失含密图像；将载密图像输入至噪声层，将噪声层输出的图像再输入至解码器中，利用解码器提取得到载体解码图像与水印解码图像；根据载体图像与载体解码图像以及水印图像与水印解码图像计算各自损失，并更新解码器参数；重复上述步骤，直至编码器和解码器达到稳定的预期效果，则保留对应的编码器和解码器的参数设置用于水印的嵌入和提取。本发明中利用频谱损失来衡量图像间的差异，可以更准确地捕捉到图像的细微变化，提高了水印嵌入和提取的精度，同时确保原图像的版权保护和数据安全。
-
公开(公告)号：CN117437128B
公开(公告)日：2025-01-21
申请号：CN202311284143.5
申请日：2023-10-07
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于全局一致性与WGAN‑GP的自适应纹理增强方法，包括：将原始纹理图像进行灰度变换、归一化、扩充；构建两阶段纹理增强网络，第一阶段粗略预测灰度图像，第二阶段精细化纹理细节，得到纹理增强图像；引入捕获长期依赖关系的块，将全局信息融合到局部操作中；构建损失函数，根据损失函数结果计算纹理增强网络的评价指标，并根据评价指标判断纹理增强网络是否优异；本发明所设计的方法通过考虑全局信息和使用WGAN‑GP方法，提高纹理增强效果的连贯性、自然性和适应性，该方法克服传统纹理增强方法的局限性，并在实际应用中具有广泛的应用潜力。
-
公开(公告)号：CN118411694A
公开(公告)日：2024-07-30
申请号：CN202410542145.8
申请日：2024-04-30
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于激光雷达与相机融合的目标检测方法及系统，包括：获取激光雷达测量得到的原始点云和相机拍摄得到的图片；对原始点云进行地面分割；对相机拍摄得到的图片进行检测得到2D检测框结果；根据地面分割后的点云和相机拍摄得到的图像进行关联得到3D检测框结果；将2D检框测结果和3D检测框结果融合得到最终的检测结果。
-
公开(公告)号：CN118314299A
公开(公告)日：2024-07-09
申请号：CN202410490673.3
申请日：2024-04-23
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于分离模型的快速神经辐射场三维重建方法、系统，该方法包括调整多边形网格的顶点；获取重建物体的图片，对图片像素进行射线投射，预测特征向量和不透明度，得到对应的多边形网格；将不透明度二值化，利用二值化后的不透明度对多边形网格进行初步调整，得到调整后的多边形网格；利用射线方向对所有多边形网格进行调整，得到重建物体模型；将重建物体模型转变为显式模型，创建纹理图像，将特征向量烘培到纹理图像中；将显式模型栅格化，并将纹理图像与显式模型对齐，构建特征图像；将视角信息与特征图像解码为带有颜色的图像，得到最终的重建物体模型。本发明减轻了网络负担，降低了硬件依赖性，提高了训练速度。
-
Patent Agency Ranking
公开(公告)号：CN118298241A
公开(公告)日：2024-07-05
申请号：CN202410491199.6
申请日：2024-04-23
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/80 , G06V10/40 , G06V10/774 , G06T7/00 , G06T5/00 , G06T7/10 , G16H50/20 , G06N3/0464 , G06N20/20 , G06N5/01
Abstract: 本发明公开了图像分类技术领域的一种白内障诊断方法、装置、介质及设备，旨在解决现有技术计算成本高的问题。包括：获取眼底图像并进行裁剪，得到裁剪后图像；对所述裁剪图像进行图像预处理，得到处理后图像集合；根据所述处理后图像集合，基于预先训练的卷积神经网络(Convolutional Neural Networks,CNN)模型，进行特征提取，得到图像的特征向量；根据所述特征向量，基于预先训练的集成学习分类器，进行白内障诊断，并结合加权投票，得到白内障严重级别。本发明采用多个图像预处理方法进行图像增强，对传统的CNN模型进行修改，并使用集成学习方法，结合三种分类器的预测结果，降低了计算成本，使其更易于实际应用，同时使得诊断更准确，具有现实意义和良好的应用前景。
-
公开(公告)号：CN118194750A
公开(公告)日：2024-06-14
申请号：CN202410316821.X
申请日：2024-03-20
Applicant: 南京信息工程大学
IPC: G06F30/28 , G06F119/14 , G06F113/08
Abstract: 本发明公开了一种模拟城市排水管道水流运动方法，所述方法包括：获取预先设置的多个排水管道入口边界的水的初始密度和水流的初始速度；将所述若干个排水管道入口边界的水的初始密度和水流的初始速度,分别输入排水管道入口边界分布函数进行迭代，得到多个排水管道出口边界的分布函数和水流介观速度；将所述多个排水管道出口边界的水流介观速度带入动量公式，得到多个介观动量，对所述多个介观动量求和，得到宏观动量；对所述多个排水管道出口边界的分布函数求和计算，得到宏观密度；将宏观动量除以宏观密度，得到各分速度，再将各分速度矢量合成，得到合速度；将合速度带入圣维南方程组，计算得到排水管道运动流量；本发明采用圣维南方程组结合LBM对排水管道的流速、流量进行实时动态模拟，以达到提前检测排水管道流量的目的，当暴雨来临时，雨水可以顺利经排水管道排走；采用圣维南方程组去计算流量，误差较小，能更精确的计算任意断面的水流量。
-
公开(公告)号：CN118116077A
公开(公告)日：2024-05-31
申请号：CN202410260105.4
申请日：2024-03-07
Applicant: 南京信息工程大学
IPC: G06V40/20 , G06V20/40 , G06V10/44 , G06V10/56 , G06V10/77 , G06V10/80 , G06V10/74 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/088 , G06N3/0895
Abstract: 本发明公开了动作识别领域的一种多模态视频动作识别方法、装置、介质及设备，旨在解决现有技术动作识别性能存在局限的问题。包括：获取待识别动作的视频；将所述视频输入到预先训练的多模态视频动作识别模型中，得到视频动作识别结果；其中，所述多模态视频动作识别模型的训练包括：将获取到的源域数据集和目标域数据集，映射到一个联合嵌入空间，生成源域RGB特征、源域骨架特征、目标域RGB特征和目标域骨架特征；分别计算得到域适应损失、源域‑目标域双向对比损失、目标域双向对齐损失和源域双向对齐损失；更新优化所述多模态视频动作识别模型的参数；重复上述步骤，直到满足设定的训练次数，得到训练好的多模态视频动作识别模型。
-
公开(公告)号：CN117994742A
公开(公告)日：2024-05-07
申请号：CN202410270413.5
申请日：2024-03-11
Applicant: 南京信息工程大学
IPC: G06V20/54 , G06V10/764 , G06V10/774 , G06V10/77 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了智能交通技术领域的一种船舶重识别方法、装置、介质及设备，旨在解决现有技术精确度有待提高的问题。包括：获取待重识别的船舶图像，输入到预先训练的船舶重识别模型中，得到船舶重识别结果；船舶重识别模型的训练包括：对源域图像进行特征提取，得到第一特征信息；对目标域图像进行风格迁移，得到具有源域图像风格的新目标域图像；对源域图像的标签噪声进行提纯处理，得到新源域图像，并训练得到初步船舶重识别模型；为新目标域图像分配伪标签，得到带一代伪标签的新目标域图像；对带伪标签新目标域图像进行伪标签提纯处理，得到带二代伪标签的新目标域图像，并训练初步船舶重识别模型，得到船舶重识别模型。
-
公开(公告)号：CN117975214A
公开(公告)日：2024-05-03
申请号：CN202410135104.7
申请日：2024-01-30
Applicant: 南京信息工程大学
IPC: G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0985 , G06V10/74
Abstract: 本发明公开了一种基于全局到局部渐进学习的少样本船舶重识别方法、装置、存储介质及计算设备，该方法整体三个阶段，第一阶段是将特征金字塔注意力模块和全局到局部渐进学习模块加入到骨干网ResNet50中，对少样本船舶图像进行特征提取；第二阶段加入空间改善注意力机制，将第一阶段提取的特征图进行空间特征提取并融合得到增强特征图，以及将增强特征图与原始骨干网的输出进行融合，得到融合特征；第三阶段为基于融合特征计算查询集图像和支持集图像的关系得分，进而输出标签得分，排序后选择最高得分作为船舶目标识别的输出结果。本发明有效地提高了船舶重识别的精确度，增强了网络的泛化能力。
-
-
-
-
-
-
-
-
-
Search Results
468
records
(took 0.047 seconds)
