-
公开(公告)号：CN111401116B
公开(公告)日：2022-08-26
申请号：CN201910743860.7
申请日：2019-08-13
Applicant: 南京邮电大学
IPC: G06V40/16 , G06V10/764 , G06V10/82 , G06N3/04
Abstract: 本发明公开了一种基于增强卷积和空时LSTM网络的双模态情感识别方法，使用预训练VGG16和LSTM网络，构建出本发明的基于立方体Attention的增强卷积和空时LSTM网络结构，包括以下步骤：(1)截取数据库中视频的主要部分，满足相同长度并对其分帧；(2)检测数据库中每个视频人脸、动作的空时特征点，根据每帧图片设置对应特征点处的权重值，形成立方体Attention部分权重图；(3)构建基于立方体Attention增强卷积和空时LSTM的结合网络；(4)通过上述步骤处理的表情、动作视频分别提取特征，将获得的表情和姿态特征串联融合并输入SVM分类器、softmax层，输出得到分类结果。提取到含有表情和姿态信息特征进行双模态分类，获得比传统特征学习方法更好的情感识别效果。
-
公开(公告)号：CN114169364A
公开(公告)日：2022-03-11
申请号：CN202111366669.9
申请日：2021-11-18
Applicant: 南京邮电大学
Abstract: 本发明提出了一种基于时空图模型的脑电情感识别方法，包括获取脑电情感数据库，并对数据进行预处理，将数据集划分为训练集和测试集；对时长为T的脑电信号进行样本划分，用一个时间长度为M的滑动窗口对脑电信号进行采样，得到T/M个脑电样本；构建基于Bert的图模型网络，对脑电样本各时刻信号的空间特征进行学习分析；构造时间LSTM网络，用LSTM网络分析脑电样本各时刻之间的时间相关性；利用训练集对所构建的时空Bert图模型网络进行训练，优化网络模型，利用测试集对优化模型网络进行测试，统计分类识别。本发明不仅考虑脑电空间信息，还加入时间信息，实现对脑电信号特征的较全面学习，提高识别准确率。
-
公开(公告)号：CN112004265A
公开(公告)日：2020-11-27
申请号：CN201911322115.1
申请日：2019-12-20
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于SRM算法的社交网络资源分配方法，在充分考虑D2D通信在物理域和社交域的特点，提出了一种以最小化加权干扰为目标的社区分簇模型。在系统中没有需求文件缓存的情况下，基站首先把文件通过有线链路发送给无线访问接入点，该无线访问接入点再将文件通过无线网络发送给每个社区簇的源节点，最后源节点通过D2D通信的方式将文件发送给簇内的每个移动用户。通过谱聚类算法我们解决了移动用户间社区分簇的问题，并在此基础上根据社区内稳定吞吐量的大小采用匹配算法设计了蜂窝通信和D2D通信的一对一的资源分配方法。本发明可大大提高了系统传输吞吐量、减轻了基站负载，进一步了优化蜂窝通信系统的整体性能。
-
公开(公告)号：CN111402927A
公开(公告)日：2020-07-10
申请号：CN201910784181.4
申请日：2019-08-23
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于分段语谱图和双重Attention的语音情感识别方法，所述方法包括：1)将数据库中的语音音频信号进行分段并把每段音频转换成带有语音情感信息的语谱图；2)采用预训练的VGG16网络提取语谱图中深度语音情感特征；3)对深度语音情感特征进行空间和通道两个方向的权重学习，获得加权后的深度语音情感特征；4)把FC2输出的深度语音情感特征输入到全连接层FC3进行情感分类,FC3输出识别好的语音情感类别。通过本发明能够自主的学习到语谱图中各个区域以及特征图的各个通道对语音情感识别的重要性，提高后续的语音情感识别率；推动基于语音的智能人机交互应用。
-
公开(公告)号：CN111401116A
公开(公告)日：2020-07-10
申请号：CN201910743860.7
申请日：2019-08-13
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于增强卷积和空时LSTM网络的双模态情感识别方法，使用预训练VGG16和LSTM网络，构建出本发明的基于立方体Attention的增强卷积和空时LSTM网络结构，包括以下步骤：(1)截取数据库中视频的主要部分，满足相同长度并对其分帧；(2)检测数据库中每个视频人脸、动作的空时特征点，根据每帧图片设置对应特征点处的权重值，形成立方体Attention部分权重图；(3)构建基于立方体Attention增强卷积和空时LSTM的结合网络；(4)通过上述步骤处理的表情、动作视频分别提取特征，将获得的表情和姿态特征串联融合并输入SVM分类器、softmax层，输出得到分类结果。提取到含有表情和姿态信息特征进行双模态分类，获得比传统特征学习方法更好的情感识别效果。
-
Patent Agency Ranking
公开(公告)号：CN109948472A
公开(公告)日：2019-06-28
申请号：CN201910160062.1
申请日：2019-03-04
Applicant: 南京邮电大学
Abstract: 本发明从姿态估计的角度出发，揭示并提出了一种新颖的非侵入式人体热舒适检测方法。首先通过问卷调查的方法定义并验证得出12个人体热舒适的姿态，而后通过计算机视频采集、图像预处理、深度图像处理、训练测试和投放应用实现姿态估计和人体热舒适检测的结果输出，其中深度图像处理包括基于骨骼节点的面域、点域锁定以及设定对应不同姿态估计的动作识别判断条件及阀值，而姿态估计得自于比较前后帧各骨骼节点坐标的变化。应用本发明检测方法于智能建筑或交通工具中，将会为中央空调系统实时提供有效的反馈信号，从而实现让场景中的人们更加舒适，并可靠地节约能源。
-
公开(公告)号：CN109214331A
公开(公告)日：2019-01-15
申请号：CN201811002540.8
申请日：2018-08-30
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种基于图像频谱的交通雾霾能见度检测方法。其实现步骤主要是：（1）采集不同场景下不同能见度的高速公路雾霾能见度图片，用以建立图片库。（2）以高速公路车道线为标识物建立坐标，用以测量雾霾图片能见度；（3）对图片做余弦变换，来提取图片的高频、低频信息，作为特征；（4）将所提取特征输入深度神经网络进行训练；并应用于实测。本发明采用高低频信息作为神经网络输入特征，提高了检测精度；同时采用深度神经网络模型，对大数据集进行处理提供了便利条件。
-
公开(公告)号：CN105528771B
公开(公告)日：2018-09-18
申请号：CN201610035576.0
申请日：2016-01-19
Applicant: 南京邮电大学
IPC: G06T5/00
Abstract: 本发明公开了一种使用通过最优化能量函数对锥束CT中杯状伪影进行校正的方法，该方法针对重建后的切片图像，直接面向用户，不对原有锥束CT设备进行任何改动，就可以完成校正工作，能够高效地进行锥束CT的杯状伪影校正的同时还能够提高重建图像的同种物质的CT值均匀性，从而有助于重建图像中，完善的体可视化和基于阈值的可视化技术的发展。该方法应用于锥束CT重建图像(即图像域)校正技术领域。
-
公开(公告)号：CN106803098A
公开(公告)日：2017-06-06
申请号：CN201611233344.2
申请日：2016-12-28
Applicant: 南京邮电大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于语音、表情与姿态的三模态情感识别方法，该方法首先将训练样本与测试样本的语音、表情、姿态三个模态的情感特征分别进行降维并归一化，然后进行特征融合，利用训练样本的融合特征数据对基于支持向量机的分类器进行训练，最后利用已经训练好的分类器对新输入的测试样本进行情感分类，分为悲伤、高兴、厌恶、恐惧、惊吓、中性六种情感。本发明综合利用了情感表达过程中的各种模态的信息，实现各模态情感信息之间的交叉互补，同时减少了各模态信息的冗余性，能有效地提高情感识别的准确率，为人机交互领域的情感交流系统提供了一种新的方法和途径。
-
公开(公告)号：CN106682616A
公开(公告)日：2017-05-17
申请号：CN201611231363.1
申请日：2016-12-28
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于双通道特征深度学习的新生儿疼痛表情识别方法。该方法首先对新生儿面部图像进行灰度化，提取局部二值模式（Local Binary Pattern，LBP）特征图谱；然后用一个双通道卷积神经网络对并行输入的新生儿面部图像的灰度图及其LBP特征图两个通道的特征进行深度学习；最后采用基于softmax的分类器对两个通道的融合特征进行表情分类，分为平静、哭、轻度疼痛、剧烈疼痛四类表情。该方法结合灰度图像及其LBP特征图谱两个通道的特征信息，能够有效地识别出平静、哭、轻度疼痛、剧烈疼痛等表情，并对新生儿面部图像的光照、噪声与遮挡问题具有很好的鲁棒性，为开发出新生儿疼痛表情识别系统提供了一种新的方法和途径。
-
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.03 seconds)
