-
公开(公告)号：CN116962591A
公开(公告)日：2023-10-27
申请号：CN202310685128.5
申请日：2023-06-09
Applicant: 无锡学院
Abstract: 本发明公开了基于连续博弈行为空间相对位置的构造式隐写方法及系统，包括以下步骤：S1、信息隐藏：通信双方事先共同构造转换规则集合，博弈行为开局落子不同位置对应转换规则集合中不同转换规则，发送方根据转换规则将需传输的秘密信息嵌入到落子行为信息中，构建出含密图像，完成对秘密信息的隐藏；S2、信息提取：接收方根据开局落子位置判断对应的转换规则，根据转换规则从含密图像中的游戏行为获取秘密信息。本发明根据博弈游戏行为进行构造，提高了信息的隐藏性，有效抵抗计算机隐写分析，提高了通信安全性；由于博弈行为的多样性，提高了隐写的隐藏容量；基于相对位置进行信息隐藏，可以有效防止因为在本地储存或者远程访问隐写模型而暴露。
-
公开(公告)号：CN119810511A
公开(公告)日：2025-04-11
申请号：CN202411840437.6
申请日：2024-12-13
Applicant: 无锡学院
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06N3/045
Abstract: 本发明涉及图像预测技术领域，公开了一种基于KAN网络的情绪预测方法、系统和存储介质，方法包括：采集数据集，并对数据集进行预处理；构建基于KAN网络的情绪预测模型，使用训练集训练情绪预测模型，训练过程中使用交叉熵损失函数调整情绪预测模型的参数，获得训练好的情绪预测模型；使用验证集评估训练好的情绪预测模型的性能；将待预测的图像输入训练好的情绪预测模型，输出情绪预测结果。本发明通过使用Kolmogorov‑Arnold网络代替传统的多层感知器进行图像情感分析，KAN网络在处理复杂关系和逻辑推理方面具有显著优势，能够提高情感预测的准确率，还通过结合网络数据收集和文本生成图片模型来获取训练数据，有效降低人工标注的工作量。
-
公开(公告)号：CN118711147A
公开(公告)日：2024-09-27
申请号：CN202411090235.4
申请日：2024-08-09
Applicant: 无锡学院
IPC: G06V20/54 , G06V20/40 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/80 , G06V10/82 , G06V10/94 , G06N3/045 , G06N3/0464 , G06N3/0495 , G06N3/082 , G08G1/01
Abstract: 本发明公开了一种基于深度学习的车辆闯红灯监测方法和系统，所述方法包括以下步骤：通过高清摄像头采集交通路口实时监控视频；对实时监控视频进行检测区域划分；通过深度神经网络对划分后的检测区域进行检测；基于划分区域的检测结果对车辆是否闯红灯进行判断。所述系统包括：车辆实时视频采集模块，目标路口区域划分模块，基于深度神经网络的车辆检测模块，红灯显示期间关键帧获取模块，闯红灯行为判断模块，报警模块，信息存储模块和电子设备部署装置。本发明能够对闯红灯的车辆进行识别，并根据车牌照片自动提取车牌信息完成数据存储与报警。
-
公开(公告)号：CN118230554B
公开(公告)日：2024-08-27
申请号：CN202410642052.2
申请日：2024-05-23
Applicant: 无锡学院
Abstract: 一种基于物联网与边缘计算的车载实时道路信息采集系统。其首先将多个车辆的车辆运行数据通过5G物联网通信网络传输至边缘计算节点，接着，在所述边缘计算节点，分别对所述多个车辆的车辆运行数据进行编码以得到多个车辆运行状态全连接编码特征向量，然后，在所述边缘计算节点，对所述多个车辆运行状态全连接编码特征向量进行特征提取以得到车辆间运行状态关联特征向量的序列，接着，在所述边缘计算节点，将所述车辆间运行状态关联特征向量的序列通过门控特征筛选本质特征网络以得到道路全域车辆间运行状态关联表征特征，最后，基于所述道路全域车辆间运行状态关联表征特征，确定道路拥堵状态等级标签。
-
公开(公告)号：CN118446092A
公开(公告)日：2024-08-06
申请号：CN202410535294.1
申请日：2024-04-30
Applicant: 无锡学院
IPC: G06F30/27 , G06T3/4053 , G06F17/11 , G06T3/4007 , G06T3/4038 , G06T5/80 , G06F18/243 , G06N5/01 , G06N20/00
Abstract: 本发明公开了一种基于XGBoost的降尺度积雪深度反演方法，属于积雪深度监测技术领域。其方法包括：Step1：获取待反演区域的输入数据；Step2：对获取的数据进行预处理；Step3：根据站点的经纬度开展数据匹配，得到站点对应的亮温数据、积雪深度数据和辅助特征数据；Step4：进行参数筛选；Step5：输入机器学习积雪深度反演模型训练；Step6：对最优模型进行不同雪深下的模型精度验证；Step7：获得所述最优模型的特征重要性排序；Step8：进行500米空间分辨率的积雪深度制图。本发明使用XGBoost算法可以更好地学习到积雪深度与特征之间复杂的非线性关系，提高了雪深监测的能力。
-
Patent Agency Ranking
公开(公告)号：CN116602121B
公开(公告)日：2023-09-19
申请号：CN202310894418.0
申请日：2023-07-20
Applicant: 无锡学院
IPC: A01D45/00
Abstract: 本发明涉及农作物采摘机技术领域，具体为一种具有分选功能的采摘机，包括采摘机本体，还包括有固定座，固定座设置在采摘机本体上；分选件，分选件设置在固定座上，夹持板，夹持板设置有两个，两个夹持板分别设置在固定座两侧；同步转动部件，同步转动部件设置在固定座上，并与两个夹持板相连接，此具有分选功能的采摘机，利用所述分选件能够对长条形农作物进行检测分选；利用所述同步转动部件驱使两个所述夹持板；在所述同步转动部件驱使两个夹持板相互靠近后，所述气动防护部件对两个所述气囊同时进气，在所述同步转动部件驱使两个夹持板相互远离至靠近固定座时，所述气动防护部件同时释放两个气囊内的气体，吹动周围的农作物叶片。
-
公开(公告)号：CN115042111A
公开(公告)日：2022-09-13
申请号：CN202210983897.9
申请日：2022-08-17
Applicant: 无锡学院
IPC: B25B11/00
Abstract: 本发明公开了一种自适应管壁内径的机械夹具，属于机械领域，夹具底座左侧中央安装有固定块，固定块内安装有螺杆，夹具底座顶部安装有锥台固定座，锥台固定座顶部安装有固定顶盖，锥台固定座左右两侧均开设有第一滑动槽，左右第一滑动槽内均安装有弧形转动支撑杆，且弧形转动支撑杆通过夹具底座与螺杆相连接，锥台固定座上安装有管壁内径位于上锥台与下锥台直径之间的管件；本发明能够自适应一定范围内的管件大小，并且从管件内壁进行固定，更加方便对管件外壁进行打磨、加工。
-
公开(公告)号：CN119697442A
公开(公告)日：2025-03-25
申请号：CN202411816812.3
申请日：2024-12-11
Applicant: 无锡学院
IPC: H04N21/472 , H04N21/458 , H04N21/44 , H04N21/435 , H04N21/442
Abstract: 本发明公开了一种基于情感反馈的文本驱动广告视频生成方法，涉及数字广告和人机交互技术领域，通过实时采集用户面部表情、语音特征和眼动轨迹等情感数据，动态调整广告内容，提升个性化、互动性和转化率；结合文本生成视频模型与多模态情感识别技术，利用特征融合和反馈处理，使广告视频更契合用户情感；多轮反馈与自适应优化确保广告传递核心信息的同时灵活响应用户情感状态，大幅提升吸引力与参与度，创新的特征融合算法进一步提高了生成视频的个性化和实时响应能力，为数字广告领域提供了全新解决方案，推动了个性化与情感互动的发展。
-
公开(公告)号：CN119516513A
公开(公告)日：2025-02-25
申请号：CN202411626109.6
申请日：2024-11-14
Applicant: 无锡学院
IPC: G06V20/58 , G06T5/50 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/774 , G06T5/73 , G06F17/18 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种道路目标检测方法、电子设备及存储介质，属于目标检测的技术领域；其中的道路目标检测方法包括：获取多模态图像数据集并进行预处理，构建双流特征提取主干网络，分别对可见光图像和红外图像进行特征提取；设计自适应特征对齐融合模块，通过特征级联和交叉注意力机制实现不同模态特征的动态融合，自适应调整不同模态的权重；设计三分支动态参数增强模块，集成去雾和低光照增强功能，通过轻量级参数估计网络对场景质量进行优化；采用两阶段训练策略，第一阶段通过预训练建立基本特征提取能力，第二阶段聚焦优化场景退化问题。本发明能够提高特征互补性，能够有效解决恶劣天气条件下的道路目标检测问题。
-
公开(公告)号：CN119399648A
公开(公告)日：2025-02-07
申请号：CN202510003634.0
申请日：2025-01-02
Applicant: 无锡学院
IPC: G06V20/13 , G06V10/422 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/0985
Abstract: 本发明涉及遥感图像处理的技术领域，具体为一种基于残差特征融合反演的积雪覆盖度估计方法，包括：获取陆地卫星数据并根据筛选条件进行影像数据筛选；获取气象卫星数据并进行预处理和地理高程数据的拼接；生成二元积雪图，并根据定义法和气象卫星分辨率计算积雪覆盖度，获得积雪覆盖度标签；根据积雪覆盖度标签将气象卫星影像裁剪为矩形；建立基于深度学习的积雪覆盖度估计模型；经过反复实验调试对比找到最佳实验参数；预测完成后得到各自积雪覆盖度估计结果再拼接成一张完整的积雪覆盖度估计结果；将生成的积雪覆盖度估计结果，结合前后时相卫星数据有效滤除云遮蔽干扰，并且可以因此具有更高的时间分辨率和可靠性。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.017 seconds)
