-
公开(公告)号：CN113838014A
公开(公告)日：2021-12-24
申请号：CN202111078204.3
申请日：2021-09-15
Applicant: 南京工业大学
Abstract: 一种基于双重空间扭曲的航空发动机损伤视频检测方法，步骤包括：步骤1，确定孔探视频中的关键帧；若当前帧为关键帧，则执行步骤2，若当前帧为非关键帧，则执行步骤3；步骤2，提取当前视频帧的多尺度语义特征图；步骤3，通过计算当前帧与其前一帧之间的光流场，得到扭曲语义特征图；若当前帧为关键帧的下一帧，则执行步骤5，否则执行步骤4；步骤4，通过计算关键帧到当前帧之间连续帧对的扭曲光流场得到当前帧的扭曲语义特征图；步骤5，对步骤2得到的多尺度语义特征图以及步骤3或步骤4得到的扭曲语义特征图进行特征解码，得到当前帧的语义分割图。本发明的方法将双流场用于扭曲关键帧特征，可以解决孔探视频中快速移动对象的扭曲误差。
-
公开(公告)号：CN112579285A
公开(公告)日：2021-03-30
申请号：CN202011433118.5
申请日：2020-12-10
Applicant: 南京工业大学
Abstract: 本发明公开了一种面向边缘网络的分布式神经网络协同优化方法。本方法首先将神经网络建模成有向图GN；然后将边缘网络GE和有向图GN通过建模得到特定的辅助图Gd；之后对辅助图Gd进行迭代优化求解当前最小割并得到最终S‑T割集，即面向边缘网络的高效分布式神经网络协同优化策略。本发明结合图理论对神经网络进行分层分区得到了面向边缘网络的高效分布式神经网络协同优化策略。该方法能够明显降低在边缘设备对分布式神经网络进行协同计算的总延迟。
-
公开(公告)号：CN111157629A
公开(公告)日：2020-05-15
申请号：CN202010010459.5
申请日：2020-01-06
Applicant: 南京工业大学
Abstract: 本发明公开一种基于Lamb波的非线性混频技术对板中微裂纹方向识别方法，先采用脉冲反转法提取损伤响应信号中的和频信号和差频信号，再通过提取的和频信号和差频信号得到非线性散射系数β的方向性模式图，确定Lamb波最大前向散射点和最小后向散射点，垂直于Lamb波最大前向散射点和最小后向散射点连线的方向为微裂纹的方向，从而实现对微裂纹方向的识别。本发明利用混频激发的Lamb波与非线性介质相互作用会产生新的频率分量的特性，通过脉冲反转方法有效提取损伤响应信号中和频和差频有效频率成分，通过研究微裂纹不同方向的Lamb波非线性散射程度，实现对微裂纹方向的识别，有效解决了幅值过小、信号较弱的和频和差频信号不易提取和识别的技术问题。
-
公开(公告)号：CN110445866A
公开(公告)日：2019-11-12
申请号：CN201910739002.5
申请日：2019-08-12
Applicant: 南京工业大学
IPC: H04L29/08
Abstract: 本发明公开了一种移动边缘计算环境中任务迁移和协作式负载均衡方法，包括：周期初始微云检查是否有新的微云进入自己的通信范围，如果有，则更新邻居微云的列表；计算各邻居微云的当前负载，计算各邻居微云的延迟指标并广播；由得到的延迟指标，计算延迟参数和迁移概率，确定最优迁移对象；将任务迁移到最优迁移对象的邻居微云；进入下一个周期并回到步骤一执行，直到计算任务结束；计算最大负载、失衡度量和统计偏度，并进行负载均衡。所述方法根据微云当前的负载信息为移动用户选择最优的任务迁移对象；以及针对微云的协作式负载均衡策略，只需获取局部信息就可以有效地实现移动微云之间的负载均衡。
-
公开(公告)号：CN115147385B
公开(公告)日：2025-04-08
申请号：CN202210820374.2
申请日：2022-07-13
Applicant: 南京工业大学
IPC: G06T7/00 , G06N3/09 , G06N3/0464
Abstract: 本发明公开了一种航空孔探视频中重复损伤的智能检测和判定方法，首先对内部损伤进行目标检测，读取当前帧目标检测框的位置和各检测框图像块的深度特征；然后根据置信度对检测框进行过滤；对检测框进行极大值抑制以消除同一损伤有多个检测框的现象；使用卡尔曼滤波追踪器预测目标当前帧的位置；接着对基于外观信息的马氏距离计算轨迹信息和探测信息的代价矩阵，相继进行级联匹配和IOU匹配；最后更新卡尔曼滤波追踪器参数和特征集，同时进行目标消失和新目标出现的判断。在此过程中，为了解决孔探视频中出现重复损伤误判的问题，本发明基于孪生卷积神经网络和最佳堆叠块的融合，提出了一种航空孔探视频中重复损伤的智能检测和判定方法。
-
Patent Agency Ranking
公开(公告)号：CN119672797A
公开(公告)日：2025-03-21
申请号：CN202411638607.2
申请日：2024-11-15
Applicant: 南京工业大学 , 江苏省食品药品监督信息中心
IPC: G06V40/20 , G06V20/40 , G06V10/774 , G06V10/82 , G06V10/42 , G06V10/44 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明涉及计算机视觉和深度学习技术领域，是一种七步洗手法动作规范性智能检测方法。该方法首先完成视频数据的采集、预处理和标注；其次通过引入Swin Transformer V1网络和CA(CoordAttention)注意力机制，对YOLOv5模型的Backbone进行增强，以提升图像特征提取能力和特征表达能力；然后在Neck网络结构中加入BiFPN(Bi‑directional Feature Pyramid Network)网络，实现多尺度特征的有效融合，提升检测精度；最后进行模型训练，并将训练好的模型应用于实时视频流，实现对七步洗手法各个动作步骤的准确识别。本发明提升了对复杂动作细节的识别精度和连续性检测能力，同时增强了模型在多变环境下的鲁棒性，为七步洗手法动作规范性的智能检测提供了一种高效、准确的解决方案，具有广阔的应用前景。
-
公开(公告)号：CN119359665A
公开(公告)日：2025-01-24
申请号：CN202411413979.5
申请日：2024-10-10
Applicant: 南京工业大学 , 江苏省人民医院(南京医科大学第一附属医院)
IPC: G06T7/00 , G06V40/14 , G06V20/40 , G06V10/25 , G06V10/30 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/096 , G06N3/0985
Abstract: 本发明涉及医学图像处理领域，公开了一种基于造影图像的冠脉血管狭窄检测方法和系统。本方法的实施步骤包括：采集冠脉序列视频，在专业医生的指导下对冠脉视频中的血管帧进行采样及标注，获得冠脉造影图像集以及冠脉造影背景数据集；使用微调的扩散模型DDPM提取血管的潜在特征图，并与原冠脉图像进行通道重塑；将冠脉造影图像进行维度特征提取，在主干网络中提取出对应层的特征；然后对被提取后的特征映射进行狭窄特征增强和多尺度Transformer运算；最后把不同层的特征映射进行特征融合再交给检测头模块进行预测。本发明能够提升冠脉狭窄的检测效果，为后续进行血管狭窄定量检测建立了基础，有很大的应用前景。
-
公开(公告)号：CN114400053B
公开(公告)日：2024-08-09
申请号：CN202210049939.1
申请日：2022-01-17
Applicant: 南京工业大学
Abstract: 本发明公开了一种基于深度学习的非特征构建式MOF碳捕获性能预测方法，首先使用机器学习预测每种原子对于二氧化碳吸附性能的重要性；然后对原子对于二氧化碳吸附性的重要性进行排序，作为该类原子的投影权值；之后对晶体学信息文件CIF中的每一个原子，通过坐标转换公式将其投影至a‑b，b‑c，a‑c面得到特征图；最后将每个MOF的三张特征图使用ResNet进行训练及预测。本发明结合机器学习与深度学习方法，在无需额外构建描述符，在仅使用CIF文件作为输入的情况下高效准确地预测出给定MOF的二氧化碳吸附性能及CO2/N2选择性。该方法能够显著减少预测成本，降低使用门槛及预测时间，为大规模筛选数据库提供可能。
-
公开(公告)号：CN118365902A
公开(公告)日：2024-07-19
申请号：CN202410388302.4
申请日：2024-03-29
Applicant: 南京工业大学
IPC: G06V10/74 , G06V10/82 , G06V10/774 , G06V10/44 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06T7/00
Abstract: 本发明公开了一种基于多任务学习与背景解耦的孔探损伤计数方法。本方法的第一项任务分支是通过YOLOv5检测当前视频帧损伤，结合预训练的CNN模型提取损伤特征并计算与前帧的损伤特征相似度。本方法的第二项任务分支通过背景解耦模块BDM从YOLOv5的原始特征图中提取背景特征并计算与前帧的背景特征相似度。进一步引入背景生成模块BGM，利用预训练的FCN分割模型生成背景区域标签，与BGM得到的背景区域图像计算曼哈顿距离。最后，联合多任务学习所得到的损伤特征相似度与背景特征相似度计算综合相似度，并与预设阈值进行比较。本方法提高了损伤计数的准确性和鲁棒性，实现了对损伤视频的高精度损伤计数。
-
公开(公告)号：CN118279795A
公开(公告)日：2024-07-02
申请号：CN202410427123.7
申请日：2024-04-09
Applicant: 南京工业大学
IPC: G06V20/40 , G06V10/74 , G06V10/774 , G06V10/82 , G06V10/40
Abstract: 一种面向航空发动机孔探多损伤视频分割的低延迟处理方法，步骤包括：步骤一、提取航空发动机孔探损伤视频中的单帧图像；步骤二、构建模型L，它的两条通道是单帧分割网络S和光流网络R；步骤三、在单帧分割网络S中：3.1)选择单帧图像作为关键帧处理得到其分割概率图；3.2)判断当前帧与关键帧的视觉相似性；如果二者相似，则把它们送入步骤四进行处理；否则重新选取当前帧为关键帧，把新选取的关键帧送入3.1)处理；重复步骤3.1)和3.2)，直至完成所有视频帧的处理；步骤四、在光流网络R中：先将关键帧和当前帧送入光流网络R处理得到光流图；再把关键帧的分割概率图传播到当前帧，得到当前帧的分割概率图。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.018 seconds)
