-
公开(公告)号：CN112835448A
公开(公告)日：2021-05-25
申请号：CN202110110041.6
申请日：2021-01-27
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于单目图像明暗恢复技术与交互数据信息融合的物体三维形状重建方法，首先在标准化条件下采集物体表面图像信息和力触觉交互数据，然后利用图像处理算法从物体表面图像中获得物体表面形状信息图像，利用数据处理方法从力触觉交互数据中获取形状数据矩阵，最后将物体表面形状信息图像和形状数据矩阵进行匹配，对物体表面形状信息图像进行校正，得到物体表面形状信息三维模型。本发明保留了单目图像明暗恢复形状技术的复杂度低，速度快的优点，同时又结合力触觉交互信息对三维形状信息进行校正，有效解决了以往算法中建模结果容易受到光源条件、反射条件等实验条件影响的缺陷。
-
公开(公告)号：CN110619947A
公开(公告)日：2019-12-27
申请号：CN201910891001.2
申请日：2019-09-19
Applicant: 南京工程学院
Abstract: 本发明涉及基于轻量级深度学习的肺部CT辅助筛查系统，包括数据获取模块、人工智能识别模块和预测结果输出模块，所述数据获取模块和人工智能识别模块连接来使得数据获取模块获得的数据传入人工智能识别模块进行数据筛查得到预测结果，所述人工智能识别模块和预测结果输出模块连接来将预测结果进行展示并自动生成报告。本发明可以充分利用基于医院已诊断肺部CT病例信息作为训练数据，无需额外通过放射科医师专业医学标注CT图像工作，降低了标注成本，同时提升了筛查效率。本发明预测结果以疾病概率形式展现，避免了绝对性的筛查结果，提高了结果的可信度。
-
公开(公告)号：CN110188224A
公开(公告)日：2019-08-30
申请号：CN201910445333.8
申请日：2019-05-27
Applicant: 南京工程学院
IPC: G06F16/58 , G06F16/583 , G06F16/587 , G06K9/00 , G06Q50/26
Abstract: 本发明公开了一种基于重点人物目标识别的综合认知方法，包括以下步骤：高噪声、低分辨率条件下识别重点人物目标；构建重点人物目标知识库与汇聚知识，刻画目标社会属性、活动规律和行为习惯关联关系；关联与印证多源情报数据与图像重点人物目标。本发明以图像重点人物目标识别为主线，目标知识图谱关联关系为辅助，其他开源文字新闻情报和专业情报为印证，构建综合目标认知方法。本发明较现有技术既解决复杂背景图像中重点人物目标识别问题，又能解决海量数据信息过载、目标知识聚焦问题，为国家社会公共安全领域中的精确目标认知提供技术支撑。
-
公开(公告)号：CN118560957A
公开(公告)日：2024-08-30
申请号：CN202410757582.1
申请日：2024-06-13
Applicant: 南京睿捷智慧交通科技研究院有限公司 , 江苏思农高科技有限公司 , 南京工程学院
Abstract: 本发明涉及自动上料技术领域，具体涉及一种自动上料装置及控制方法；本发明通过设置执行机构，使用自动上料设备，将生产原料自动装进物料车各层物料托盘中，并通过AGV叉车将物料车搬运至灭菌柜，进行灭菌工艺处理，实现农用微生物制剂生产工艺流程的自动化控制，生产设备的智能化调度，生产过程的可视化监测，极大提高农用微生物制剂生产水平，提升生产效率，降低运营成本。
-
公开(公告)号：CN112835448B
公开(公告)日：2024-02-06
申请号：CN202110110041.6
申请日：2021-01-27
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于单目图像明暗恢复技术与交互数据信息融合的物体三维形状重建方法，首先在标准化条件下采集物体表面图像信息和力触觉交互数据，然后利用图像处理算法从物体表面图像中获得物体表面形状信息图像，利用数据处理方法从力触觉交互数据中获取形状数据矩阵，最后将物体表面形状信息图像和形状数据矩阵进行匹配，对物体表面形状信息图像进行校正，得到物体表面形状信息三维模型。本发明保留了单目图像明暗恢复形状技术的复杂度低，速度快的优点，同时又结合力触觉交互信息对三维形状信息进行校正，有效解决了以往算法中建模结果容易受到光源条件、反射条件等实验条件影响的缺陷。
-
Patent Agency Ranking
公开(公告)号：CN116861974A
公开(公告)日：2023-10-10
申请号：CN202310931988.2
申请日：2023-07-27
Applicant: 南京工程学院
Abstract: 本发明公开了一种模拟混合突触传递的任意连续时间感知模型及训练方法，包括突触前神经元哈密顿演化、连续时间神经网络以及任务适应网络。突触前神经元哈密顿演化通过哈密顿神经网络生成隐性哈密顿量，根据哈密顿正则方程来表示神经元信息的非线性状态变化；连续时间常数神经网络基于Hodgkin‑Huxley神经元计算模型，在哈密顿演化后信息基础上，构建显性时变哈密顿连续深度网络，实现向突触后神经元的信息传递；任务适应网络结合目标时序预测任务，实现输出状态的自适应。本发明能够模拟复杂的混合突触传递过程，提高时序特征学习能力，实现任意连续时间的感知预测任务。
-
公开(公告)号：CN111814726B
公开(公告)日：2023-09-22
申请号：CN202010701702.8
申请日：2020-07-20
Applicant: 南京工程学院
IPC: G06V20/50 , G06V10/25 , G06V10/762 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种探测机器人视觉目标检测方法，包括构建混合注意力自适应感知网络；训练所述混合注意力自适应感知网络；使用训练后的混合注意力自适应感知网络进行探测机器人视觉目标检测。所述混合注意力自适应感知网络包括全局注意力层次网络，目标空间定位网络、自适应局部注意力感知网络、目标分类识别网络，使用本发明能够在统一框架下完成目标定位与识别任务，且骨干网络均基于全局注意力机制下权重共享，能够综合two‑stage与one‑stage优点，在高实时的同时具备高准确率与低漏检率，适用于探测机器人高要求工作条件。
-
公开(公告)号：CN111353583B
公开(公告)日：2023-04-07
申请号：CN202010104191.1
申请日：2020-02-20
Applicant: 南京工程学院
IPC: G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种基于群卷积特征拓扑空间的深度学习网络，包括卷积特征提取层、群卷积拓扑层和深度特征识别层；卷积特征提取层用于提取样本数据的多通道CNN卷积特征，将提取结果作为群卷积拓扑层的输入；群卷积拓扑层用于结合提取的多通道CNN卷积特征，以通道索引按群分类形成群卷积，构造图拓扑空间，将每个群卷积特征看成图拓扑空间节点，并自动/手动构建图拓扑空间节点连接规则，生成拉普拉斯矩阵L，将拉普拉斯矩阵L作为深度特征识别层的输入；深度特征识别层用于根据输入的拉普拉斯矩阵L，输出样本数据对应的群卷积特征拓扑空间图特征。本发明能够赋予不同通道下CNN特征的图拓扑空间规则，从而加快传统CNN训练与收敛速度。
-
公开(公告)号：CN114398535A
公开(公告)日：2022-04-26
申请号：CN202210046499.4
申请日：2022-01-17
Applicant: 南京工程学院
IPC: G06F16/951 , G06F16/9535 , G06F40/295 , G06F40/30 , H04L9/40 , H04L61/5007 , H04L67/566
Abstract: 本发明公开了面向用户角色的网络特定信息智能获取系统及交互方法，包括任务理解模块、网络代理模块，数据采集模块、数据汇聚增强模块以及数据存储模块。任务理解模块以人机交互界面的方式获取用户目标网页以及用户关心的信息要素，生成任务需求表达式，数据采集模块在网络代理模块的支撑下，进行目标网页的分布式增量数据爬取，数据汇聚增强模块根据任务理解模块生成的信息需求表达式进行自适应匹配与汇聚，最终数据存储模块实现用户特定信息的分类多样化存储。本发明通过人机交互理解的方式，实现面向用户角色的网络特定信息快速、精准获取，减少了海量信息处理时间，提高汇聚时效性，满足用户的自主化、个性化需求。
-
公开(公告)号：CN110210557A
公开(公告)日：2019-09-06
申请号：CN201910469100.1
申请日：2019-05-31
Applicant: 南京工程学院
Abstract: 本发明公开了一种实时流处理模式下未知文本的在线增量式聚类方法，先生成非全集语料库词向量模型，并保持该旧语料库中词的Huffman树不变，对实时流处理的未知文本进行Huffman树构建，在旧语料库词的Huffman树基础上进行Huffman树融合，基于融合的Huffman树增量生成未知文本的词向量模型，并通过已有的词向量模型生成句向量，最后再利用Single-Pass聚类算法，实现文本的在线增量式聚类。发明可以在语料库不充分或计算资源不足的条件下，仍能够实现对实时流处理模式下的未知文本的在线增量式聚类，能够为互联网环境下某领域话题发现、热点聚焦、情感分析等应用领域提供支撑。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.021 seconds)
