-
公开(公告)号：CN118313997A
公开(公告)日：2024-07-09
申请号：CN202410491111.0
申请日：2024-04-23
Applicant: 南京信息工程大学
IPC: G06T1/00 , G06V10/764 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了信息隐藏技术领域的一种医学图像可逆数字水印方法、装置、介质及设备，旨在解决现有技术细节捕捉率低、鲁棒性低的问题。包括：获取载体图像I和原始水印M；根据所述载体图像I和原始水印M，基于预先训练的水印编码器，进行水印嵌入，得到嵌入水印的编码图像IW；根据所述嵌入水印的编码图像IW，基于预先训练的水印解码器，进行水印提取，得到解码水印M′。本发明采用了Patch Merging技术来处理图像信息，不仅增强了捕捉图像全局特征的能力，还提高了水印的鲁棒性，从而有效降低非法拷贝和使用的风险，同时结合了卷积注意力机制，提高了水印在关键位置的嵌入效果，不仅增强了水印的不可见性，同时也有效提升对抗攻击的能力，具备良好的可行性和实用性。
-
公开(公告)号：CN118226419A
公开(公告)日：2024-06-21
申请号：CN202410330555.6
申请日：2024-03-22
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种快速运动下的激光点云去畸变方法、设备及存储介质，实现实时、高效的点云数据校正，使得在无人机高速运动的情况下，获取的点云数据更为精准和可靠。这对于无人机导航、环境建模以及避障等应用至关重要，有助于提升系统的整体性能和鲁棒性，确保在动态复杂环境中获取的激光点云数据能够被准确地用于后续的导航和感知任务。本发明方法在无人机领域具有广泛的应用前景，可以提高高速飞行下激光雷达数据的精度，从而促进无人机在地图构建、目标跟踪、环境感知等领域的应用。
-
公开(公告)号：CN113936145B
公开(公告)日：2024-06-11
申请号：CN202111173394.7
申请日：2021-10-08
Applicant: 南京信息工程大学
IPC: G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/0895 , G06N3/092
Abstract: 本发明公开了一种基于注意力图排序的细粒度识别方法，属于计算机视觉和模式识别技术领域；首先，获取原图像特征；使用3*3卷积Conv、全局最大池化GAP和全局平均池化GMP对第三个卷积层的输出结果进行处理，将处理结果进行全连接来得到多尺度的原图像特征；然后，进行弱监督注意力学习；然后，进行定位与细化，通过边界框定位出细粒度识别区域并提取该区域的特征；然后，将注意力图按重要性排序算法进行排序，通过边界框选取出最有鉴别性的区域并提取该区域的特征；通过注意力图重要性排序算法，强化对最有鉴别性区域的学习；最后，将原图像、定位出的细粒度识别区域、选取的最有鉴别性的区域三个层面的特征进行级联。
-
公开(公告)号：CN118115344A
公开(公告)日：2024-05-31
申请号：CN202410242873.7
申请日：2024-03-04
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于神经网络的鲁棒零水印方法、装置及系统，方法包括将预先获得的医学图像输入至预先训练好的特征提取模型，得到融合层输出的复杂特征图；所述特征提取模型在训练过程中采用的是多任务损失函数；利用图像融合策略处理所述复杂特征图，得到深度融合图；将所述深度融合图转换成二值序列；利用逻辑映射随机生成一串序列，对预先获得的原水印进行加密，得到加密后的水印；将加密后的水印和所述二值序列进行逻辑运算处理得到零水印密钥。本发明能够提取具有一致性的特征，有效提高零水印的鲁棒性，并有效解决训练过程中因样本稀缺导致模型训练不拟合的问题。
-
公开(公告)号：CN118072395A
公开(公告)日：2024-05-24
申请号：CN202410253805.0
申请日：2024-03-06
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种结合多模态帧间运动和共享注意力权重的动态手势识别方法，旨在解决现有技术中视频存在冗余信息，对运动手部特征难以进行准确捕捉等问题，其包括获取动态手势视频；对动态手势视频进行预处理，得到动态手势视频帧序列；根据动态手势视频帧序列，基于预训练的动态手势识别模型，对动态手势进行识别，得到动态手势含义类别等步骤，所述动态手势识别模型包括依次连接的嵌入模块、特征提取模块、帧间运动注意力模块、自适应融合下采样模块以及全连接层。本发明能够将时空维度的搜索区域减少为与手部相关的区域，在减少计算量的同时可以提升动态手势识别精度。
-
Patent Agency Ranking
公开(公告)号：CN118053100A
公开(公告)日：2024-05-17
申请号：CN202410245105.7
申请日：2024-03-05
Applicant: 南京信息工程大学
IPC: G06V20/40 , G06V10/764 , G06V10/80
Abstract: 本发明公开了一种多模态情感识别方法、系统、装置及存储介质，方法包括获取有声视频，分解有声视频得到视频模态数据、音频模态数据和文本模态数据；对三个模态数据的局部特征进行位置编码和段编码，分别得到三个模态数据的输出特征；在三个模态中任选两个为一组，利用模态对齐注意力分支对每一组的输出特征进行跨模态融合，得到跨模态特征；利用调距注意力分支扩大输出特征与平均特征的距离，得到各组的调距特征；基于得到的输出特征、跨模态特征和调距特征，拼接后得到跨模态融合特征，将其输入分类器进行识别后输出情感类别。本发明通过模态对齐注意力分支，对齐视频、音频和文本之间的对应关系；通过调距注意力分支缓解了特征相似的问题。
-
公开(公告)号：CN113361623B
公开(公告)日：2024-05-14
申请号：CN202110691248.7
申请日：2021-06-22
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种轻量级CNN结合迁移学习的医学图像分类方法，包括：(1)获取医学图像数据集，并对其预处理，包括调整大小，使用高斯模糊和直方图均衡化进行增强处理，之后将预处理后的医学图像数据集按照一定比例划分得到训练集、验证集以及测试集；(2)构建预训练好的MobileNetV2网络并进行微调，对MobileNetV2网络的损失函数使用L2正则化进行处理，通过贝叶斯优化方法调整MobileNetV2网络中的超参数，之后利用训练集对MobileNetV2网络进行训练，利用验证集对MobileNetV2网络进行验证，得到重新训练好的MobileNetV2网络；(3)将测试集输入重新训练好的MobileNetV2网络，得到分类结果。本发明所述方法提高了分类精度，缩短了MobileNetV2网络的训练时间，并且对于硬件设备的要求不高，适合资源匮乏的地区使用。
-
公开(公告)号：CN117726491A
公开(公告)日：2024-03-19
申请号：CN202311578312.6
申请日：2023-11-24
Applicant: 南京信息工程大学
IPC: G06T1/00 , G06V10/40 , G06V10/774 , G06V10/80 , G06N3/0464 , G16H30/00
Abstract: 本发明公开一种基于全局和局部特征自适应融合的零水印应用方法及装置，应用于虚拟医疗服务中，方法包括：获取待处理的医疗载体图像；将所述医疗载体图像输入训练好的特征提取模型，输出特征提取结果；对所述特征提取结果进行处理，得到一串二值序列；将所述二值序列和加密后的水印进行异或处理，得到最终的零水印；所述特征提取模型的训练包括：搭建具有预设特征提取框架的特征提取模型，采用Hifuse模型的三层支路结构，上下支路分别提取全局和局部特征，并在中间支路层进行自适应融合，提取更准确且鲁棒的特征；采用小样本类增量的方法处理数据并训练模型，得到训练好的特征提取模型，解决医学图像样本稀缺导致模型学习效果不佳的问题。
-
公开(公告)号：CN116992735B
公开(公告)日：2024-02-23
申请号：CN202311088990.4
申请日：2023-08-25
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于线性有限元和能量正则化的软组织形变模拟方法，包括：根据软组织的形态和特性，将未知的杨氏模量和搜索节点的位移构成迭代向量；引入最小形变能原理，将其作为正则化项，设计得到正则化参数；动态测量局部表面位移数据，将其与线性有限元模型预测的位移进行比较，定义约束条件；利用局部表面位移测量数据，通过最小化估计误差的方法来估计未知的边界条件；利用估计得到的边界条件，结合线性有限元模型，计算生物组织的变形情况。本发明能够在进行虚拟手术的关节置换手术时，不需要事先了解软组织的边界条件，就可以提高软组织的形变模拟精度。
-
公开(公告)号：CN116992735A
公开(公告)日：2023-11-03
申请号：CN202311088990.4
申请日：2023-08-25
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于线性有限元和能量正则化的软组织形变模拟方法，包括：根据软组织的形态和特性，将未知的杨氏模量和搜索节点的位移构成迭代向量；引入最小形变能原理，将其作为正则化项，设计得到正则化参数；动态测量局部表面位移数据，将其与线性有限元模型预测的位移进行比较，定义约束条件；利用局部表面位移测量数据，通过最小化估计误差的方法来估计未知的边界条件；利用估计得到的边界条件，结合线性有限元模型，计算生物组织的变形情况。本发明能够在进行虚拟手术的关节置换手术时，不需要事先了解软组织的边界条件，就可以提高软组织的形变模拟精度。
-
-
-
-
-
-
-
-
-
Search Results
468
records
(took 0.078 seconds)
