-
公开(公告)号：CN112395977B
公开(公告)日：2024-08-23
申请号：CN202011285583.9
申请日：2020-11-17
Applicant: 南京林业大学
IPC: G06V40/10 , G06V10/44 , G06V10/82 , G06V10/764 , G06V10/80 , G06N3/0464 , G06N3/082
Abstract: 一种基于身体轮廓和腿部关节骨架的哺乳动物姿态识别方法，步骤包括2个部分：第一部分，针对复杂野外环境下的野生哺乳动物图像利用Outline Mask R‑CNN进行边缘提取，获取动物外围轮廓；基于轮廓图，构建Tiny VGG轻型卷积神经网络，用于野生哺乳动物的姿态分类。第二部分，针对复杂野外环境下的野生哺乳动物视频序列，利用LEAP快速跟踪动物腿部关节点的位置，构成骨架图；以动物骨架图中的腿部关节夹角的变化为特征，以LSTM为分类器，用于野生哺乳动物的姿态分类。最后对这2部分模型得到的结果加以融合，进一步识别野生哺乳动物的不同姿态，以达到区分动物简单日常行为的目的，具有一定的应用前景。
-
公开(公告)号：CN109711345B
公开(公告)日：2023-06-13
申请号：CN201811616331.2
申请日：2018-12-27
Applicant: 南京林业大学
IPC: G06V20/52 , G06V20/40 , G06V10/764 , G06V10/56
Abstract: 本发明提供了一种火焰图像识别方法、装置及其存储介质，涉及图像识别技术领域。该火焰图像识别方法包括：确定已采集图像中的疑似火焰区域；采用滤波器提取所述疑似火焰区域的纹理特征图像；基于局部二值模式提取所述纹理特征图像的局部二值特征；采用支持向量机SVM分类器，基于所述局部二值特征确定所述疑似火焰区域是否存在火焰。该方法通过纹理特征图像以及进一步的局部二值特征的提取，提高了火焰识别效率和准确率。
-
公开(公告)号：CN114187203A
公开(公告)日：2022-03-15
申请号：CN202111504661.4
申请日：2021-12-09
Applicant: 南京林业大学
Abstract: 针对现有的去雾算法难以处理不均匀分布的雾，且深度卷积去雾网络过度依赖大规模数据集的问题，本发明提出了一种注意力优化的深度编解码去雾生成对抗网络，该网络采用了四层下采样结构的编码器，充分提取因为雾而损失的语义信息，以便恢复清晰的图像。同时，在解码器网络中，引入了注意力机制，自适应地为不同的像素和通道分配权值，从而处理不均匀分布的雾。最后，生成对抗网络的框架使得模型在小样本数据集上能取得更好的训练效果。实验结果表明，本技术方案不仅能够有效去除真实场景图像中不均匀分布的雾，而且对于训练样本较少的真实场景数据集，也能恢复清晰的图像，评价指标优于广泛采用的其他对比算法。
-
公开(公告)号：CN114022392A
公开(公告)日：2022-02-08
申请号：CN202111373753.3
申请日：2021-11-19
Applicant: 南京林业大学
Abstract: 本发明提出了一种用于单幅图像去雾的串行注意增强UNet++去雾网络，它采用基于残差结构的两个剪枝的UNet++块的串行策略。与简单的编解码结构相比，UNet++模块能够更好地利用编码器提取的特征，促进不同分辨率的上下文信息融合。串行UNet++结构可以学习深层特征，同时保留浅层特征，以便更好地处理浓密的烟雾，生成更逼真的图像，同时减少颜色失真。此外，还引入了在空间域和通道域学习权重的注意力机制来处理不均匀分布的烟雾。实验在两个具有代表性的公共数据集上进行，即大规模合成数据集RESIDE和小规模真实数据集I‑HAZY、O‑HAZY。对于RESIDE合成数据集，所提出的方法可以实现最先进的性能，对于I‑HAZY和O‑HAZY真实世界数据集，所提出的方法大大超过了以前最先进的去雾方法。
-
公开(公告)号：CN113221793A
公开(公告)日：2021-08-06
申请号：CN202110562235.X
申请日：2021-05-24
Applicant: 南京林业大学
Abstract: 一种基于轻量型双流卷积网络的监控视频火焰区域检测方法，首先将待检测视频切分成若干视频块，从单个视频块中提取第一帧、中间帧和最后一帧，计算出2张差分图像；然后将视频块中间帧和2张差分图像分别输入到卷积网络的空间流分支和时序流分支中，得到两个长宽均降至原图的1/2n的特征图；接着将两个分支输出的卷积特征图合并，用3层1×1的卷积层对融合后特征图的每个通道上的特征向量进行分析，并得出区域判定特征图；最后对区域判定特征图上每个1×1×2的元素采用Softmax分类器，判断该元素对应原图上的2n×2n的像素块是否为火焰区域。本方法构建的火灾监控视频火焰区域检测模型具有较高的检测精度和较快的检测速度。
-
Patent Agency Ranking
公开(公告)号：CN110751089A
公开(公告)日：2020-02-04
申请号：CN201910992933.6
申请日：2019-10-18
Applicant: 南京林业大学
Abstract: 由于基于图像特征的火焰检测模型泛化性不强，而深度神经网络模型对训练样本数量要求较高，本专利提出了一种基于数字图像和卷积特征的火焰目标检测方法，首先制作包含视频动态特征的数据集；然后将经典的Faster R-CNN中VGG16的标准卷积替换为深度可分离卷积，并减少卷积层数；接着根据RPN产生的候选框从原图裁剪出256个图像块，对每个图像块提取LBP特征；再通过卷积缩减ROI池化层输出特征图尺寸以及全连接层神经元数量，进一步减少网络参数；最后将提取的LBP特征，数据集中的动态特征与池化后平铺的特征向量合并，送入全连接层进行分类和回归。本专利构建的火焰目标检测模型具有较高的检测精度，便于针对测试结果的不足进行改进，灵活性高。
-
公开(公告)号：CN109711345A
公开(公告)日：2019-05-03
申请号：CN201811616331.2
申请日：2018-12-27
Applicant: 南京林业大学
Abstract: 本发明提供了一种火焰图像识别方法、装置及其存储介质，涉及图像识别技术领域。该火焰图像识别方法包括：确定已采集图像中的疑似火焰区域；采用滤波器提取所述疑似火焰区域的纹理特征图像；基于局部二值模式提取所述纹理特征图像的局部二值特征；采用支持向量机SVM分类器，基于所述局部二值特征确定所述疑似火焰区域是否存在火焰。该方法通过纹理特征图像以及进一步的局部二值特征的提取，提高了火焰识别效率和准确率。
-
公开(公告)号：CN102619256B
公开(公告)日：2014-03-19
申请号：CN201210068204.X
申请日：2012-03-15
Applicant: 南京林业大学
IPC: E03B7/09
Abstract: 本发明为同时抽吸市政管网和水箱模式下的二次增压供水自动分流装置，包括水流自动分流器本体、电动调节机构和控制器3个部分，所述水流自动分配器本体、电动调节机构和控制器构成自动分流装置。本发明专利的有益效果为：传统的分流器吸水箱喷嘴口径固定，在用水量较少时，抽吸水箱的水很少，导致水箱水长时间滞留，容易变质。本装置能够根据预设的水箱水更新速率，自动调节分流器喷嘴口径，切实保证水箱水更新速率，又兼顾抽吸管网叠压供水，为用户节省用电量；以往为避免传统固定喷嘴口径的分流器缺点，一般采用定时开关外部管网进水阀门，由于电动阀门的频繁开启容易损坏，因此采用该装置大大提高二次增压供水系统的可靠性。
-
公开(公告)号：CN113837967B
公开(公告)日：2023-11-17
申请号：CN202111133584.6
申请日：2021-09-27
Applicant: 南京林业大学
IPC: G06T5/00 , G06T5/50 , G06V10/77 , G06V10/772
Abstract: 一种基于稀疏误差约束表示的野生动物图像去噪方法，首先采用2D‑DCT变换对野生动物图像进行高低频分解，并对高频图像进行高斯多尺度变换；然后，分别构建基于正则化稀疏误差约束的高频图像和高频多尺度图的结构化字典，运用黎曼共轭梯度式极小化方法对包含有非凸但光滑的p范数的目标函数进行求解；在此基础上，引入PALM算法解决高频图像降噪模型中的非凸非光滑函数的极小化问题，并用PALM算法进行字典和稀疏系数的更新；最后，融合高频图像与低频图像生成降噪后的图像。本方法适于野外拍摄的动物图像的去噪，具有重要的研究意义和应用价值。
-
公开(公告)号：CN109712135A
公开(公告)日：2019-05-03
申请号：CN201811629872.9
申请日：2018-12-28
Applicant: 南京林业大学
Abstract: 本发明提供了一种水果缺陷识别方法、装置及其存储介质，涉及图像处理技术领域。该水果缺陷识别方法包括：确定水果表面图像的疑似缺陷区域，在所述疑似缺陷区域提取多幅局部纹理特征图像；将所述多幅局部纹理特征图像张成合成特征矩阵，确定所述合成特征矩阵的互协方差矩阵；在所述互协方差矩阵中选取指定特征向量组成指定特征矩阵；基于所述指定特征矩阵，采用机器学习分类器确定水果表面是否存在缺陷。该方法基于在疑似缺陷区域的局部纹理特征图像中提取的互协方差矩阵进行需要识别处理的特征矩阵选取，提高了水果表面缺陷的识别精度和效率。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.035 seconds)
