-
公开(公告)号：CN109919084B
公开(公告)日：2023-04-25
申请号：CN201910166071.1
申请日：2019-03-06
Applicant: 南京大学
IPC: G06V40/10 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于深度多索引哈希的行人重识别方法，达到了非重叠视角域多摄像头网络场景下行人检索存储空间低且检索高效的效果。该方法首先从原始视频数据中构造行人图片训练集，再结合深度学习构造端到端的有互反馈的多粒度特征学习网络，基于训练集对网络模型进行训练，得到哈希函数和训练集对应的哈希编码，并基于哈希编码构建索引。对于摄像头新收集的数据，使用哈希函数计算对应的哈希编码，并实时增加到索引中。在线检索时，对于给定的目标行人图片，首先使用多粒度网络模型进行特征的提取，使用哈希函数计算目标行人图片的哈希编码，然后基于哈希编码在索引中进行近邻检索，最后基于实值特征在近邻范围内进行重排序，得到检索结果。
-
公开(公告)号：CN110084378B
公开(公告)日：2023-04-21
申请号：CN201910375050.0
申请日：2019-05-07
Applicant: 南京大学
IPC: G06N20/00
Abstract: 本发明公开了一种基于本地学习策略的分布式机器学习方法，基于参数服务器架构，既适用于数据中心的多机集群分布式机器学习，也适用于服务器作为云端、手机或嵌入式设备作为终端的端云协同分布式机器学习。包括以下步骤：首先服务器节点累计所有工作节点计算的本地梯度和得到全梯度，并将全梯度广播给所有工作节点；随后每个工作节点各自进行若干次参数更新后将本地的参数发送给服务器节点；最后服务器节点将从工作节点收集到的参数求均值作为最新参数广播给所有工作节点；上述过程迭代多轮直到达到收敛条件。本发明的方法基于本地学习策略，不需要在工作节点每次参数更新后都进行通信，从而减少了分布式机器学习中的通信开销。
-
公开(公告)号：CN115329981A
公开(公告)日：2022-11-11
申请号：CN202210955496.2
申请日：2022-08-10
Applicant: 南京大学
Abstract: 本发明公开了一种通信高效、保护隐私且抗攻击的联邦学习方法，步骤如下：每个用户节点从服务器获取最新的模型参数，计算梯度，将梯度中绝对值最大的若干个分量的索引集合上传至服务器节点；服务器接收所有用户节点发送的索引集合，计算所有用户节点索引集合的并集并广播给用户节点；每个用户节点根据服务器广播的索引集合计算压缩梯度，应用安全聚合技术对压缩梯度进行隐私保护，然后上传至服务器节点；服务器节点通过聚合函数，根据各用户节点发送的压缩梯度和索引集合计算出最终梯度并发送给用户节点；重复以上训练步骤，直到满足停止条件；最后，服务器通知各个用户节点停止。本发明具备通信高效性、隐私保护性和对攻击的鲁棒性，广泛适用于各类联邦学习应用。
-
公开(公告)号：CN114943698A
公开(公告)日：2022-08-26
申请号：CN202210527181.8
申请日：2022-05-16
Applicant: 南京大学
Abstract: 本发明公开一种结合梯度解耦与对比学习的小样本瑕疵检测方法，本发明方法主要包括目标检测数据集的预训练、生成符合瑕疵数据特征的锚点、调整目标检测模型并输入生成的锚点训练和瑕疵的检测四个阶段。预训练阶段使用大规模目标检测数据集训练目标检测模型，可以大幅度减少模型的训练时间，使模型具有目标定位能力，其中梯度解耦模块用于解耦候选框提取网络和候选框预测网络，可在训练时获取更符合网络特征的信息，加强模型学习能力。使用瑕疵数据集和锚点对调整后的目标检测模型进行训练生成瑕疵检测模型，训练冻结骨干网络权重并在候选框预测网络中添加对比分支，对比分支可以使不同类别的候选框特征差距更大，加强模型的分辨能力，精确度更高。
-
公开(公告)号：CN114882219A
公开(公告)日：2022-08-09
申请号：CN202210501553.X
申请日：2022-05-09
Applicant: 南京大学
Abstract: 本发明公开一种基于上下文信息融合的三维医疗图像分割方法，本发明中三维医疗图像网络主要采用基于子块的方式进行训练阶段和预测阶段，通过三维医疗图像网络并行的空洞卷积分支和自注意力分支提取包含上下文信息的特征，融合后生成预测分割结果。再将得到的预测分割结果利用高斯加权融合相邻预测子块的分割结果，缓解了子块边界预测不准的问题，进一步提高了分割精度。此外，三维医疗图像网络训练时通过样本均衡采样策略采样训练子块，避免了数据中可能存在的类别不平衡问题，提升了前景类别的分割精度。本发明方法可以有效提高三维图像分割算法的准确率，可适用于各种器官的三维医疗图像分割任务，具有很好的普适性和通用性。
-
Patent Agency Ranking
公开(公告)号：CN108427773B
公开(公告)日：2022-06-21
申请号：CN201810429012.4
申请日：2018-05-08
Applicant: 南京大学
Abstract: 本发明公开了一种分布式知识图谱嵌入方法。工业界常用的普通服务器计算能力和内存容量有限，在处理大规模知识图谱数据时，单台服务器往往不能完成处理工作。为了解决这个问题，本发明提出了一种分布式知识图谱嵌入方法，该方法采用一种分布式架构，将多台服务器统一在一个计算系统中，通过网络进行通信，共享CPU和内存等计算资源，从而完成大规模知识图谱嵌入的计算。该方法中，参数按照维度划分到各台服务器上，从而减少计算中产生的通信开销，加快运行速度。
-
公开(公告)号：CN112364924A
公开(公告)日：2021-02-12
申请号：CN202011275509.9
申请日：2020-11-16
Applicant: 南京大学
Abstract: 本发明公开一种基于深度学习的口腔医疗图像识别方法，首先利用病人口腔图像和对应的标记，使用深度学习训练一个基于多张连续医疗图像的两阶段深度神经网络模型；再用训练所得的模型预测未知的病人口腔图像，识别得到病人口腔图像的标记。本发明不再仅仅得到单张图像的预测结果，而是可以同时得到整个病人的预测结果。
-
公开(公告)号：CN111127450A
公开(公告)日：2020-05-08
申请号：CN201911371902.5
申请日：2019-12-27
Applicant: 南京大学 , 南京和光智能制造研究院有限公司
Abstract: 本发明公开了一种基于图像的桥梁裂缝检测方法及系统，包括以下步骤：1）获取桥梁图像；2）对获取的桥梁图像进行预处理；3）利用形态学算子对步骤2）处理后的图像进行噪声抑制和裂缝连接；4）利用Hough直线检测算法对步骤3）处理后的图像进行噪声抑制；5）利用形状特征对步骤4）处理后的图像进行噪声抑制，得到最终的检测结果。优点：通过设计多重噪声抑制步骤，有效排除了桥梁裂缝图像中钢筋、接缝等结构以及阴影、水迹等自然因素对裂缝分割造成的干扰；同时算法速度较快，适合高分辨率图像分割。除此之外，算法检测裂缝灵敏度高，对于较细小的裂缝也有较好的检测效果。
-
公开(公告)号：CN110110063A
公开(公告)日：2019-08-09
申请号：CN201910361175.8
申请日：2019-04-30
Applicant: 南京大学
IPC: G06F16/332 , G06F16/33 , G06F16/35
Abstract: 本发明公开了一种基于哈希学习的问答系统构建方法，可以达到在线问答场景下模型精度高、内存开销低且响应时间短的效果。该方法首先根据问答系统的应用场景收集问答训练集，再结合深度学习技术构造端到端的问答系统网络模型，在训练集上通过机器学习优化算法训练模型。在系统部署前，通过答案收集算法收集答案知识库，使用训练好的问答系统网络模型计算答案知识库中答案的二值矩阵表示。在线部署时，对于收到的问题，首先使用问答系统网络模型进行问题编码，然后问答系统网络模型根据问题的编码和答案的二值矩阵表示计算问题和答案的匹配程度。最后根据答案知识库中的答案与问题的匹配程度对答案进行排序，将排在前面的答案作为响应返回给用户。
-
公开(公告)号：CN110084378A
公开(公告)日：2019-08-02
申请号：CN201910375050.0
申请日：2019-05-07
Applicant: 南京大学
IPC: G06N20/00
Abstract: 本发明公开了一种基于本地学习策略的分布式机器学习方法，基于参数服务器架构，既适用于数据中心的多机集群分布式机器学习，也适用于服务器作为云端、手机或嵌入式设备作为终端的端云协同分布式机器学习。包括以下步骤：首先服务器节点累计所有工作节点计算的本地梯度和得到全梯度，并将全梯度广播给所有工作节点；随后每个工作节点各自进行若干次参数更新后将本地的参数发送给服务器节点；最后服务器节点将从工作节点收集到的参数求均值作为最新参数广播给所有工作节点；上述过程迭代多轮直到达到收敛条件。本发明的方法基于本地学习策略，不需要在工作节点每次参数更新后都进行通信，从而减少了分布式机器学习中的通信开销。
-
-
-
-
-
-
-
-
-
Search Results
75
records
(took 0.027 seconds)
