-
公开(公告)号：CN117765227A
公开(公告)日：2024-03-26
申请号：CN202311194195.3
申请日：2023-09-15
Applicant: 南京邮电大学通达学院
IPC: G06V10/24 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于轻量级神经网络的旋转图像矫正方法。该方法主要包括如下步骤：首先，输入项目的图像信息，通过标准化对图像信息进行预处理；其次采用深度可分离卷积模块对图像信息进行特征提取，在对图像信息特征提取的过程中，使用残差网络结构连接输入层与输出层；然后通过池化、全连接层，得到图像预测旋转的方向和角度；接着根据图像实际旋转的方向与角度，优化目标函数，学习模型参数；最后得到一个较为精准的预测图像旋转角度的轻量级神经网络模型。本方法主要解决了传统图像旋转预测中模型参数量多、准确率低、速度慢的问题。
-
公开(公告)号：CN117455969A
公开(公告)日：2024-01-26
申请号：CN202311588017.9
申请日：2023-11-27
Applicant: 南京邮电大学通达学院
IPC: G06T7/33 , G06N3/0464
Abstract: 本发明属于图像处理和计算机视觉领域，公开了一种高精度边缘保护型局部立体匹配视差估计方法，该方法包括：获取极线校准后的左、右目图像对，并将其输入密集卷积神经网络模型，获得初始匹配代价；代价聚合阶段，利用自适应侧窗技术获得代价聚合值；视差计算阶段，采用胜者为王策略寻找区域内匹配代价最小的像素点对应的视差值；视差后处理阶段，利用左右一致性检测判断是否为可靠像素点；对于不可靠像素点通过最小生成树技术分割视差图，将同一图像块内的可靠像素点传播到不可靠像素点，获得最佳视差值；最后根据最佳视差值得到视差图。本发明解决了现有局部立体匹配方法在边缘及复杂纹理区域表现效果差的问题。
-
公开(公告)号：CN116874860A
公开(公告)日：2023-10-13
申请号：CN202310843425.8
申请日：2023-07-11
Applicant: 南京邮电大学通达学院
Abstract: 本发明公开了基于石墨烯的柔性触觉传感器压力敏感材料及制备方法，包括石墨源20份、分散剂15份、乙醇32份、增稠剂6份、衬底片5份和聚合氨酸脂薄膜23份。本发明的基于石墨烯的柔性触觉传感器压力敏感材料及制备方法，结合了石墨烯的优异导电性和柔性基底的可变形性能，具备出色导电性能使得该触觉传感器对微小压力的检测具有高灵敏度，能够捕捉到细微的触摸变化、材料采用柔性基底作为支撑，能够适应各种表面形状，实现更广泛的应用场景和通过特殊的制备方法，石墨烯与柔性基底之间形成了良好的结合，从而使得传感器可以保持稳定且可靠的性能，长期使用不易出现失效，可用于检测人体的触摸、压力、形状变化等。
-
公开(公告)号：CN116503740A
公开(公告)日：2023-07-28
申请号：CN202310640815.5
申请日：2023-05-31
Applicant: 南京邮电大学通达学院
IPC: G06V20/10 , G06V20/17 , G06V10/82 , G06V10/26 , G06V10/764 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及农作物识别技术领域，公开了一种精准识别作物种类的无人机视觉系统，包括微处理器、图像采集模块、图像预处理模块、训练数据集成模块、模型构建模块、模型数据库、作物识别模块、云管理平台，微处理器分别连接无人机、图像预处理模块、训练数据集成模块、模型构建模块、作物识别模块、云管理平台，所述模型构建模块还连接所述模型数据库。本发明提供的精准识别作物种类的无人机视觉系统，通过无人机携带的多光谱成像相机获得超高分辨率遥感影像，基于影像提取农作物光谱、纹理、空间组合最优分类特征，采用DeepLabv3+语义分割模型进行农作物影像的分类、存储和传输，提高分类精度及分类速度，节约人力、财力和物力。
-
公开(公告)号：CN116204831A
公开(公告)日：2023-06-02
申请号：CN202211705995.2
申请日：2022-12-29
Applicant: 南京邮电大学通达学院
IPC: G06F18/2415 , G06F18/2135 , G06F18/23213 , G06N3/045 , G06N3/047 , G06N3/084 , G06F17/16
Abstract: 本发明公开了一种基于神经网络的道地性分析法。该方法主要包括如下步骤：首先，提取对应药物的近红外(4004cm‑1‑10000cm‑1)和中红外(552cm‑1‑4000cm‑1)数据共9044条光谱数据，使用基于SVD奇异值分解处理协方差矩阵实现的主成分分析(PCA)法对数据进行降维预处理；其次采用全连接神经网络对数据进行特征提取，最后在神经网络的输出17个值并采用柔性最大值来转化成类别的概率；接着根据药物的实际旋转的类别，优化网络参数，降低损失函数；最后得到一个较为准确能够预测中药道地性类别的方法，本方法主要解决了在传统药材光谱分析中特征不显著难以分析其道地性的情况。
-
Patent Agency Ranking
公开(公告)号：CN112565972B
公开(公告)日：2022-06-10
申请号：CN202011391492.3
申请日：2020-12-01
Applicant: 南京邮电大学通达学院
Abstract: 本发明公开了一种多区域声场重放系统中扬声器布放优化的迭代方法，包括如下步骤：设L0个扬声器分别位于L0个候选位置，将第l个扬声器静音，计算剩下L0‑1个扬声器的最优系数；计算第l个扬声器被静音时，剩下L0‑1个扬声器取得的性能指标P(l)；找出其中最小性能指标所对应的扬声器位置，记为l0，将第l0个扬声器从候选位置中去掉，取剩下L0‑1个扬声器位置作为新的候选位置；重复进行迭代优化，直到优化选择出预先设定的L个扬声器位置。本发明所提出的方法优化后的多区域声场重放系统，在相同扬声器数量的情况下，具有比现有阵列更高的声对比度和更低的阵列输出功率。
-
公开(公告)号：CN114090645A
公开(公告)日：2022-02-25
申请号：CN202111196531.9
申请日：2021-10-14
Applicant: 南京邮电大学通达学院
IPC: G06F16/2458 , G06F16/2457 , G06F16/951
Abstract: 本发明公开了一种基于Android应用市场的权限推荐方法，包括：数据挖掘阶段：获取应用程序基本信息以及APK文件，并使用反编译工具提取Androidmanifest.xml文件中的权限信息；权限分析阶段：计算每条系统权限在应用市场各分类中出现的比例，根据该比例值与阈值筛选生成Android权限基准库；关联规则挖掘：使用关联规则挖掘算法对应用市场中不同分类的应用程序中权限的关联规则进行挖掘；权限推荐阶段：通过应用程序已确定功能所需声明的基准权限，结合关联规则挖掘的分析结果，给予开发者该类基准库中权限推荐。本发明针对开发者进行权限推荐，能够规范开发者的开发过程以及为开发者进行软件开发提供便利。
-
-
公开(公告)号：CN119359591A
公开(公告)日：2025-01-24
申请号：CN202411447919.5
申请日：2024-10-16
Applicant: 南京邮电大学通达学院
IPC: G06T5/73 , G06T5/60 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/09
Abstract: 本发明公开了一种基于多尺度损失监督的Transformer模型的图像去模糊方法，本发明方法包括以下步骤：首先，设计了一个全新的AttBlock模块用于提取图像的关键特征和实现图像的特征恢复，该模块在高分辨率图像仍可适用；然后，基于大气散射模型，由解码器的多尺度输出图像计算多尺度损失；最后，设计了多尺度损失监督的结构，监督模型的反向传播和参数更新的训练过程，显著提高了去模糊图像的峰值信噪比。本发明结合双监督网络和Transformer模型的特点，改进了模型的注意力模块和监督网络结构，设计了一个高性能的图像去模糊网络。经过大量实验的验证，本发明所提出的方法相较于其他的图像去模糊网络具有更好的性能指标，同时计算效率与同规模的网络相比更为高效。
-
公开(公告)号：CN117455969B
公开(公告)日：2024-11-22
申请号：CN202311588017.9
申请日：2023-11-27
Applicant: 南京邮电大学通达学院
IPC: G06T7/33 , G06N3/0464
Abstract: 本发明属于图像处理和计算机视觉领域，公开了一种高精度边缘保护型局部立体匹配视差估计方法，该方法包括：获取极线校准后的左、右目图像对，并将其输入密集卷积神经网络模型，获得初始匹配代价；代价聚合阶段，利用自适应侧窗技术获得代价聚合值；视差计算阶段，采用胜者为王策略寻找区域内匹配代价最小的像素点对应的视差值；视差后处理阶段，利用左右一致性检测判断是否为可靠像素点；对于不可靠像素点通过最小生成树技术分割视差图，将同一图像块内的可靠像素点传播到不可靠像素点，获得最佳视差值；最后根据最佳视差值得到视差图。本发明解决了现有局部立体匹配方法在边缘及复杂纹理区域表现效果差的问题。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.045 seconds)
