-
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。
-
公开(公告)号：CN117576398A
公开(公告)日：2024-02-20
申请号：CN202311597758.3
申请日：2023-11-28
Applicant: 南京工业大学
IPC: G06V10/26 , G06N3/04 , G06N3/0895 , G06V10/30 , G06V10/774
Abstract: 一种面向损伤类别不平衡的航空发动机半监督语义分割方法，本方法使用一个具有类别平衡模块和类别感知损失函数的学生‑教师模型，整个方法分为源模型和目标模型的训练两个部分，首先，使用有标签图像以全监督的方式去训练源模型，根据网络的预测结果和真实标签计算模型损失，反向传播更新网络权重，训练结束之后保存网络权重；然后，用源模型的网络权重初始化目标模型中的学生和教师模型，输入的是无标签图像，对所有的无标签图像进行弱和强数据增强后分别输入到教师模型和学生模型中训练；接着，使用教师模型得到的像素特征输入到类别平衡模块中进行再训练得到类别感知权重；最后，使用类别感知权重计算无监督一致性损失，反向传播更新网络权重。
-
公开(公告)号：CN117354012A
公开(公告)日：2024-01-05
申请号：CN202311314537.0
申请日：2023-10-11
Applicant: 南京工业大学
IPC: H04L9/40
Abstract: 一种基于GNST的加密流量分类的方法，步骤包括：步骤一：将加密流量数据进行预处理，将每个数据包转化为固定长度的向量；步骤二：采用分类模型，以步骤一得到的向量为输入数据，处理得到特征向量；步骤三：步骤二得到的特征向量通过全连接层得到分类结果。步骤二中，先构建基于GNST的加密流量分类模型，将经过步骤一处理的数据输入该分类模型；在分类模型中，先通过双层动作结构性图卷积ASGC模块提取数据的空间特征，再由空间转换ST模块对空间特征进行注意力机制计算，得到加权组合特征向量。本方法解决了现有的加密网络流量识别分类方法的识别分类的精确度和效率不高等问题。
-
Patent Agency Ranking
公开(公告)号：CN115115608A
公开(公告)日：2022-09-27
申请号：CN202210852913.0
申请日：2022-07-20
Applicant: 南京工业大学
IPC: G06T7/00 , G06T7/11 , G06V10/26 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/04
Abstract: 一种基于半监督语义分割的航空发动机损伤检测方法，使用两组学生‑教师模型，在两个具有相同结构但初始化权重不同的学生网络中，输入图是标记图像/未标记图像，根据学生网络的预测和标签计算监督损失；然后，通过将一个学生网络的预测作为另一个学生网络的伪监督图，计算交叉伪监督损失；在学生网络和其对应的教师网络之间，计算教师网络的预测与其对应的学生网络预测的一致性损失，增强对同一输入图的一致性；最后，对三个损失进行加权求和计算总损失，反向传播更新网络权重。本发明能够同时处理标记图像和未标记图像，减少人工标注工作量，通过挖掘未标记图像的潜力，从未标记图像中获取额外的监督信号来有效地提升模型的性能。
-
公开(公告)号：CN114998255A
公开(公告)日：2022-09-02
申请号：CN202210606883.5
申请日：2022-05-31
Applicant: 南京工业大学
Abstract: 一种基于航空发动机孔探裂纹检测轻量化部署方法，包括步骤；1)获取航空发动机孔探裂纹的图像或视频，并构成孔探裂纹图像数据集；视频是多个连续帧图像；2)建立基于GhostNet的YOLOv5卷积神经网络模型；3)训练改进的YOLOv5卷积神经网络模型；4)利用训练好的权重文件与测试数据集进行测试，针对改进模型的测试结果进行消融实验，对各个模型的性能进行对比，从中选择性能最好的YOLOv5改进网络模型；5)将改进的网络模型部署到Jetson Nano嵌入式平台，利用训练好的权重文件对孔探裂纹图像和视频进行检测；通过比较裂纹检测的精准度和单帧图像推理时间，对改进模型的轻量化部署进行最终的评估。
-
公开(公告)号：CN109165382B
公开(公告)日：2022-08-23
申请号：CN201810878021.1
申请日：2018-08-03
Applicant: 南京工业大学
IPC: G06F40/30 , G06F40/284 , G06F40/216 , G06F16/33 , G06K9/62
Abstract: 本发明公开了一种加权词向量和潜在语义分析结合的相似缺陷报告推荐方法。本发明首先计算缺陷报告的加权词向量，得到相似度Sim1和Sim2；然后计算缺陷报告的LSI向量，得到相似度Sim3和Sim4；计算不同缺陷报告所涉及的产品和组件之间的相似度Sim5；计算要查询的缺陷报告和各候选缺陷报告之间的总相似度并进行升序排序，从候选缺陷报告中选出与要查询的缺陷报告总相似度最高的缺陷报告。本发明利用TF‑IDF方法为单个词的词向量增加权重，特别适用于短文本，表示了缺陷报告中各个词的重要程度。同时利用潜在语义索引方法计算缺陷报告的相似度。二者结合能够很好地分析缺陷报告之间的相似度，明显提高向开发者推荐相似的缺陷报告的准确性，加快软件缺陷的修复。
-
公开(公告)号：CN114785782A
公开(公告)日：2022-07-22
申请号：CN202210316440.2
申请日：2022-03-29
Applicant: 南京工业大学
IPC: H04L67/10 , H04L67/1074
Abstract: 本发明公开了一种面向异构云‑边计算的通用的任务卸载方法，首先，将任务建模成有向图GT；获取每个任务在不同环境下的计算代价和通信代价；然后，为GT中的任务节点随机初始化卸载分区，定义为初始分区；根据此初始分区为每个任务计算将该任务从当前分区移动到对面分区获得的增益；将初始分区根据增益进行迭代优化之后获得最终分区，该最终分区即对应着最终的任务卸载策略。本发明利用迭代获取最大增益的方法得到面向异构云‑边环境的高效任务卸载策略，能够明显降低在异构的云‑边环境中卸载整个任务应用的总代价。
-
公开(公告)号：CN114400053A
公开(公告)日：2022-04-26
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。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.025 seconds)
