-
公开(公告)号：CN104778667A
公开(公告)日：2015-07-15
申请号：CN201510176350.8
申请日：2015-04-14
Applicant: 南京邮电大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于水平集的锥束CT中杯状伪影的校正方法，该方法应用于锥束CT切片图像校正。该方法能够自适应的进行锥束CT的杯状伪影校正，无需人工干预就可以自动完成校正。该方法不需要重复扫描被测物体；不增加锥束CT系统的复杂度；针对重建后的切片图像，能够直接面向用户，不需要对原有锥束CT的原有设备进行任何改动，就可以完成校正工作，该方法能够高效地进行锥束CT的杯状伪影校正，同时还能够提高图像的对比度。
-
公开(公告)号：CN104457986A
公开(公告)日：2015-03-25
申请号：CN201410573157.3
申请日：2014-10-23
Applicant: 南京邮电大学
IPC: G01J3/28
Abstract: 本发明公开了一种基于自适应正则化的光谱分辨率增强方法，该方法的分辨率是光谱测量中至关重要的指标，然而由于在光谱的测量过程中，光谱测量仪器本身会引入一些导致测量的谱线位置偏移、轮廓增宽和畸变等因素，从而导致分辨率降低。本发明提出的基于自适应正则化的光谱分辨率增强方法，既能在抑制噪声的同时保留光谱细节，又能自适应地估计模糊核函数的宽度，适用于不同模糊程度下的光谱分辨率增强。本发明充分利用了噪声对光谱强度受的影响远小于对光谱强度一阶导数的影响的特点，对光谱信息的正则项施加了自适应权系数，更好的保存光谱峰值。本发明在光谱用于质量检测和材料分析等方面提供了技术支撑，具有较强的实用价值。
-
公开(公告)号：CN114169364B
公开(公告)日：2024-07-26
申请号：CN202111366669.9
申请日：2021-11-18
Applicant: 南京邮电大学
IPC: G06F18/20 , G06F18/24 , G06N3/0464 , G06N3/0442 , G06F18/22
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：CN111401117B
公开(公告)日：2022-08-26
申请号：CN201910748936.5
申请日：2019-08-14
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于双流卷积神经网络的新生儿疼痛表情识别方法，该方法首先将视频进行分帧处理，接着在多个连续的帧之间添加光流位移场获得对应的光流信息以得到光流图。然后构造出一个共用Attention双流卷积神经网络，该网络是在双流卷积神经网络的基础上添加了共用Attention模块，该网络主要由两个预训练的VGG16网络和共用Attention模块组成。在该网络中，首先从各帧图像序列中选择表情变化最大的一帧作为其中一路VGG16网络的输入，我们将该路网络称为空间信息网络，然后将光流图作为另一路VGG16网络的输入，我们称该路网络为时间信息网络。最后将通过两路网络后的特征图进行级联并输入全连接层进行新生儿疼痛表情分类。
-
公开(公告)号：CN113723199A
公开(公告)日：2021-11-30
申请号：CN202110884347.7
申请日：2021-08-03
Applicant: 南京邮电大学
Abstract: 本发明公开了一种机场低能见度检测方法、装置及系统，所述方法包括获取当前时刻关键气象因子和视频图像数据；将获取的关键气象因子数据输入预先训练的气象因子预测能见度模型，获得第一能见度；将获取的关键气象因子和视频图像数据输入预先训练的跨模态能见度预测模型，获得第二能见度；将所述第一能见度和第二能见度输入预先训练的两模型权重模型，输出预测能见度。本发明提高了通过气象数据或图像数据模型预测能见度的准确度，保证了能见度预测的可靠性。
-
Patent Agency Ranking
公开(公告)号：CN106803069B
公开(公告)日：2021-02-09
申请号：CN201611242470.4
申请日：2016-12-29
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于深度学习的人群高兴程度识别方法，首先将人工标注的单个人脸图像做分类和图像尺寸归一化处理，得到人脸高兴程度数据库和人脸遮挡程度数据库，再分别将它们分为训练集和验证集，用于训练卷积神经网络，然后利用训练好的网络模型对输入的一幅合影图像中的人脸进行高兴程度和遮挡程度的识别，最后采用人脸高兴程度加权的方式计算出图像中的人群高兴程度。采用深度学习对图像中的群体表情进行分析，相比于传统提取PHOG、Gabor特征的方法要更准确，为解决图像中的人群情感识别问题提拱了新的思路和途径。
-
公开(公告)号：CN109903236B
公开(公告)日：2020-12-18
申请号：CN201910055717.9
申请日：2019-01-21
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于VAE‑GAN与相似块搜索的人脸图像修复方法及装置，该方法主要包括：(1)利用人脸图像库样本训练构建的VAE‑GAN网络模型，优化模型中生成器G和鉴别器D的参数；(2)把待修复图像输入到训练好的生成器G中，生成一个待修复区域存在语义信息但模糊的图像M；(3)根据图像M中待修复区域及周围区域的图像块从人脸图像库的图像中搜索相似块Z；(4)用相似块Z中对应于待修复区域的图像块替换M中的待修复区域Ω的图像块，并对修复边界进行融合。本发明方法结合了深度学习方法和传统的相似块搜索方法，同时解决深度学习方法修复结果模糊的问题和传统方法无法修复语义信息的问题。
-
公开(公告)号：CN109857175B
公开(公告)日：2020-11-03
申请号：CN201910062196.X
申请日：2019-01-23
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种非侵入式人体热舒适的AI感知方法，包括数据采集和预处理、定义并提取皮肤敏感指数和构建非侵入式皮肤感知热舒适的深度学习网络并训练生成网络模型；具体采用计算机视觉采集人体皮肤的图像数据，并数据处理后构建兴趣域图片和皮肤温度之间的地址映射表；引入不同人体对外部冷热刺激的皮肤敏感程度差异作为权重系数，对地址映射表和SSI分别特征提取、融合后进一步训练、保存并优选得到网络模型，进行皮肤温度预测。应用本发明该AI感知方法，克服了人体热舒适检测中皮肤变化的微变性、个体间差异性和个体内时变性的三大挑战，实现了能源优化、节能环保，且具有较好的可操作性。
-
公开(公告)号：CN111401117A
公开(公告)日：2020-07-10
申请号：CN201910748936.5
申请日：2019-08-14
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于双流卷积神经网络的新生儿疼痛表情识别方法，该方法首先将视频进行分帧处理，接着在多个连续的帧之间添加光流位移场获得对应的光流信息以得到光流图。然后构造出一个共用Attention双流卷积神经网络，该网络是在双流卷积神经网络的基础上添加了共用Attention模块，该网络主要由两个预训练的VGG16网络和共用Attention模块组成。在该网络中，首先从各帧图像序列中选择表情变化最大的一帧作为其中一路VGG16网络的输入，我们将该路网络称为空间信息网络，然后将光流图作为另一路VGG16网络的输入，我们称该路网络为时间信息网络。最后将通过两路网络后的特征图进行级联并输入全连接层进行新生儿疼痛表情分类。
-
公开(公告)号：CN106682616B
公开(公告)日：2020-04-21
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 0.064 seconds)
