-
公开(公告)号：CN113723183A
公开(公告)日：2021-11-30
申请号：CN202110828989.5
申请日：2021-07-21
Applicant: 南京信息职业技术学院
Abstract: 本发明公开了一种鲁棒的低秩稀疏分解的运动目标检测方法，采用γ范数更好的逼近传统低秩稀疏分解方法中的秩函数；采用拉普拉斯尺度混合(Laplacian scale mixture，LSM)更好的逼近传统低秩稀疏分解算法中的稀疏度函数；引入了运动信息向量矩阵，能够更好的辅助判断当前像素是否属于运动目标，提高运动目标检测的精度；引入的噪声项能够较好的表达自然界中的噪声感染，提高鲁棒的低秩稀疏分解方法在运动目标检测方面的鲁棒性。
-
公开(公告)号：CN111563547A
公开(公告)日：2020-08-21
申请号：CN202010360553.3
申请日：2020-04-30
Applicant: 南京信息职业技术学院
Abstract: 本发明公开了一种基于改进的截断核范数的鲁棒主成分分析方法，获取视频信息，转化为一个大小为m行，n列的二维矩阵M，二维矩阵M输入至预先构建的改进的截断核范数的鲁棒主成分分析模型，输出视频信息的前景和背景；所述改进的截断核范数的鲁棒主成分分析模型采用非凸γ范数来替代传统截断核范数模型中的核范数。优点：本发明采用γ范数替代传统的截断核范数模型中的核范数，增强了对传统鲁棒主成分分析模型的逼近度，提高了视频前景和背景分离的效果。
-
公开(公告)号：CN111428795A
公开(公告)日：2020-07-17
申请号：CN202010229248.0
申请日：2020-03-27
Applicant: 南京信息职业技术学院
IPC: G06K9/62
Abstract: 本发明公开了一种改进的非凸鲁棒主成分分析方法，将待处理视频转化为一个大小为m行，n列的二维矩阵D；将二维矩阵D输入至预先构建的改进的非凸鲁棒主成分分析方法的模型，输出为对应于视频背景的低秩矩阵B和对应于视频前景的稀疏矩阵F，所述改进的非凸鲁棒主成分分析方法的模型采用广义非凸核范数作为模型的秩函数，采用结构化稀疏范数作为模型中的l0范数。优点：本发明能够更好的逼近传统鲁棒主成分分析方法中的秩函数，提高了鲁棒主成分分析方法在视频的前背景分离中的效果；引入结构化稀疏范数，为视频的前景建立了结构化的稀疏模型，极大的丰富了模型的结构化信息，提高了鲁棒主成分分析方法对光照、波动等因素影响的视频的前背景分离的效果。
-
公开(公告)号：CN110675422A
公开(公告)日：2020-01-10
申请号：CN201910933428.4
申请日：2019-09-29
Applicant: 南京信息职业技术学院
IPC: G06T7/194
Abstract: 本发明公开了一种基于广义非凸鲁棒主成分分析的视频前背景分离方法，将待处理视频转化为一个大小为m行，n列的二维矩阵M，其中m为视频中每一帧的长宽积，n为待处理视频所含的帧数；将所述二维矩阵M输入至预先构建的基于广义非凸鲁棒主成分分析的视频前背景分离模型，得到低秩矩阵L和稀疏矩阵S，低秩矩阵L和稀疏矩阵S分别为待处理视频的背景和前景。优点：解决了现有的视频前背景分离方法中对秩函数和稀疏度函数的替代函数过惩罚而导致逼近程度不佳的问题，提高了视频前背景方法的性能。
-
公开(公告)号：CN114648540B
公开(公告)日：2025-04-11
申请号：CN202210291492.9
申请日：2022-03-22
Applicant: 南京信息职业技术学院
IPC: G06T7/11 , G06N3/0464 , G06V10/40 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于MECAU‑Net网络的医学图像分割方法，包括：在MECAU‑Net网络的编码端采用2×2偶数卷积模块对导入的医学图像进行特征提取；构建与2×2偶数卷积模块平行的4×4偶数卷积通路，采用4×4偶数卷积核对图像信息进行提取，并且将提取得到的信息直接传递给编码网络的主干部分，以融合不同感受野内的特征信息；在每一层对待分割的特征图进行对称填充，再将获取到的信息通过拼接的方式传递给对应的主体网络进行下一步池化，在消除偶数卷积导致的像素偏移的同时扩展偶数卷积核的感受野。本发明能够在提取更丰富的信息的同时几乎不增加额外开销，利用尽可能少的计算开销得到更好的分割结果。
-
Patent Agency Ranking
公开(公告)号：CN114818872B
公开(公告)日：2024-12-06
申请号：CN202210330773.0
申请日：2022-03-30
Applicant: 南京信息职业技术学院
IPC: G06V10/762 , G06V10/25 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及一种基于改进YOLOv4的图像目标检测方法，基于现有YOLOv4路径增强网络进行改进，通过增加检测层的设计，加强浅层特征融合的效果，并结合聚类方法下，所获图像集对应的各先验框尺寸，实现各检测层的高精度特征提取，并且引入多尺度池化模块并行结构、结合卷积处理与插值处理的金字塔池化模块，进一步特征层的检测精度，进而有效提高对图片目标物检测的准确率；在实际的仿真实验当中，本发明设计方法表现出了优秀的目标检测准确率，在PASCAL VOC2007和VOC2012两个数据集上的mAP分别提高了2.03%和1.94%。
-
公开(公告)号：CN118865676A
公开(公告)日：2024-10-29
申请号：CN202410888264.9
申请日：2024-07-04
Applicant: 南京信息职业技术学院
IPC: G08G1/01 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种门控时空融合Transformer的交通流量预测方法、设备及存储介质，获取交通流量数据，将交通流量数据转化为包含时间维度、空间维度和交通流量特征维度的第一交通流量数据矩阵；将时间戳信息、周期信息、时间位置信息和空间位置信息融入到第一交通流量数据矩阵，得到第二交通流量数据矩阵；将第二交通流量数据矩阵输入到K个串行的时空编码模块，得到K个第三交通流量数据矩阵；将K个第三交通流量数据矩阵相加后输入卷积神经网络，得到交通流量预测结果。本发明提供的一种门控时空融合Transformer的交通流量预测方法、设备及存储介质，可以有效的提高交通流量预测的精度。
-
公开(公告)号：CN118570842A
公开(公告)日：2024-08-30
申请号：CN202410892523.5
申请日：2024-07-04
Applicant: 南京信息职业技术学院
IPC: G06V40/10 , G06V10/26 , G06V10/82 , G06N3/0455 , G06N3/082 , G06N3/0499
Abstract: 本发明公开了一种基于改进的Transformer的遮挡行人重识别方法，包括：将输入的带有目标行人的图像经过数据切片且加入类令牌信息，得第一图像表征；将第一图像表征经第一数据映射模块得第二图像表征；将第二图像表征经位置编码模块得第三图像表征；将第三图像表征经改进的边信息编码模块得第四图像表征；将第四图像表征经改进的Transformer模块得第五图像表征；将第五图像表征经深度可分离卷积学习得第六图像表征；将第六图像表征经可学习通道注意力模块得第七图像表征；将第六图像表征经可学习空间注意力模块得第八图像表征；串联七图像表征和第八图像表征且经第二数据映射模块处理得最终行人重识别结果。
-
公开(公告)号：CN117831268A
公开(公告)日：2024-04-05
申请号：CN202310852697.4
申请日：2023-07-12
Applicant: 南京信息职业技术学院
IPC: G08G1/01 , G06F18/25 , G06N3/0464 , G06N3/042 , G06N3/045 , G06N3/048 , G06N3/0985 , G06F123/02
Abstract: 本发明公开了一种基于时序分解和注意力图神经网络的交通预测方法及系统，方法包括：获取交通数据，并将交通数据转化为包含时间维度、空间维度和特征维度的三维矩阵；将交通数据对应的三维矩阵输入预训练好的交通预测模型，根据所述模型的输出，确定交通预测结果；交通预测模型依次包括输入多层感知机、L层堆叠的时空块、L个卷积神经网络层和输出多层感知机；每个时空块包括双分支时序分解卷积神经网络、多头交互注意力网络和自缩放动态扩散图神经网络；L层堆叠的时空块和L个卷积神经网络层为一对一结构，一个时空块配一个卷积神经网络。实验表明，本发明的基于时序分解和注意力图神经网络的交通预测方法及系统具有优越的性能。
-
公开(公告)号：CN110675422B
公开(公告)日：2023-03-03
申请号：CN201910933428.4
申请日：2019-09-29
Applicant: 南京信息职业技术学院
IPC: G06T7/194
Abstract: 本发明公开了一种基于广义非凸鲁棒主成分分析的视频前背景分离方法，将待处理视频转化为一个大小为m行，n列的二维矩阵M，其中m为视频中每一帧的长宽积，n为待处理视频所含的帧数；将所述二维矩阵M输入至预先构建的基于广义非凸鲁棒主成分分析的视频前背景分离模型，得到低秩矩阵L和稀疏矩阵S，低秩矩阵L和稀疏矩阵S分别为待处理视频的背景和前景。优点：解决了现有的视频前背景分离方法中对秩函数和稀疏度函数的替代函数过惩罚而导致逼近程度不佳的问题，提高了视频前背景方法的性能。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.038 seconds)
