-
公开(公告)号：CN109409294B
公开(公告)日：2021-06-22
申请号：CN201811264277.X
申请日：2018-10-29
Applicant: 南京邮电大学
Abstract: 本发明公开了基于对象运动轨迹的停球事件的分类方法和系统，其中方法包括：采用神经网络对训练视频进行检测分别得到球员和足球的预测框；记录同时检测到一个足球和一个球员的图像的帧数、球员的坐标以及足球的坐标，并将前后两帧图像的帧数相减，差值大于预设阈值时则确定停球事件；选取每个停球事件中预设定帧长的视频；将停球事件成功与否打上标签；将不同的停球事件进行向量化处理得到向量化的数据并投入到分类器中，通过交叉验证，给出停球时间成功或失败的二分类结果并输出分类准确率。本发明通过检测的结果划分事件，通过设置具体的分类器的属性，能对加载的停球事件的位置信息做出准确的分类，具有很好的稳定性以及鲁棒性。
-
公开(公告)号：CN108646999B
公开(公告)日：2021-04-16
申请号：CN201810420790.7
申请日：2018-05-04
Applicant: 南京邮电大学
IPC: G06F3/147 , G06F1/3234
Abstract: 本发明公开了一种基于多频段亮度补偿的显示屏节能降耗方法，包括将图像依据频率分解为n个图像；采用组合函数及低通滤波器将各个频段的亮度动态范围进行压缩；确定图像的n个非重叠频段的亮度压缩值；对不同频段采用不同的亮度增益补偿方法进行亮度增益补偿得到最终亮度动态分范围；对分解后的图像合成得到最终的图像。本发明方法提出了分解图像及多频段分解方案、对不同频段设定不同亮度补偿增益方案；相比于传统方法，本发明方法既保证了图像质量，又在很大程度上解决了目前显示屏能耗过大的问题。
-
公开(公告)号：CN108768585B
公开(公告)日：2021-03-16
申请号：CN201810391478.X
申请日：2018-04-27
Applicant: 南京邮电大学
IPC: H04L1/00
Abstract: 本发明公开了一种基于深度学习的上行免信令NOMA系统多用户检测方法，该方法包括对接收信号建模，将接收信号稀疏表示和训练用于稀疏信号恢复的深度结构三个部分；本发明利用NOMA系统中用户的稀疏性以及在不同时隙的发送信号之间存在的联系，使用结构化压缩感知理论进行多用户检测，并利用深度学习理论来解决稀疏重构问题，能够实现低复杂度且高性能的多用户检测，结合用户在不同时隙的发送信号之间存在的相关性，使用结构化压缩感知理论实现多用户检测；利用深度学习理论来解决信号恢复的欠定逆问题，基于深度学习的方法从优化参数、训练稀疏表示以及神经网络三个方面进一步改进了稀疏重构算法的重构精度并提高了重构效率。
-
公开(公告)号：CN107889124B
公开(公告)日：2020-10-16
申请号：CN201711262024.4
申请日：2017-12-04
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于非正交多址接入的洪涝监测数据传输方法，在水位监测系统中同一河道有多个水位监测点，每个监测点到基站的距离不同，基站对监测点的信道条件进行估计后再配对分组，将多址接入信道的频域划分成多个正交子信道，每个子信道上至少两个监测点共享，它们之间采用非正交传输。基站按照一定的功率分配算法给每个子信道上的监测点分配功率，各监测点接收机通过串行干扰消除技术完成消息解码。本发明实施提供的方案既不影响水位系统监测质量，同时创造性地解决洪涝时频谱资源不足的问题。
-
公开(公告)号：CN110197175A
公开(公告)日：2019-09-03
申请号：CN201910349580.8
申请日：2019-04-28
Applicant: 南京邮电大学
Abstract: 本发明公开了一种图书书名定位及词性标注的方法及系统，该方法包括：步骤1、对待定位的所述图书封面图像进行定位，获取已定位的图书封面图像；步骤2、在已定位的所述图书封面图像上裁剪，获取仅包含图书书名的图片；步骤3、对获取的仅包含图书书名的所述图片文字识别，获取所述图片的字符串类型；步骤4、对所述字符串类型进行分词划分和词性标注；本发明对进一步关键词提取、主题生成和图书分类建档提供可行性，利用深度学习和自然语言处理的方法，大大节省了人力、物力和财力，并且结果具有很好的准确性和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN109977953A
公开(公告)日：2019-07-05
申请号：CN201910246900.7
申请日：2019-03-29
Applicant: 南京邮电大学
Abstract: 本发明公开了计算机视觉图像处理领域的一种基于YOLOV3的目标检测算法在嵌入式设备上的实现方法，旨在解决传统的大型图像处理设备很难在实际的应用场景中部署，获取数据周期长、处理图像数据的实时性差的问题。包括步骤：激活开发板，使其具备可使用的操作系统；安装工具包；准备YOLOV3的运行环境DARKNET框架文件，保存在darknet文件夹下；修改darknet文件夹下的配置文件Makefile中的参数使其与开发板的硬件配置相匹配；编译安装darknet；下载并保存权重文件；运行测试。本发明能够在便于安装使用的嵌入式设备上实现、适用于不同场景下并具有很高的目标检测准确率。
-
公开(公告)号：CN109858414A
公开(公告)日：2019-06-07
申请号：CN201910051813.6
申请日：2019-01-21
Applicant: 南京邮电大学
Abstract: 本发明公开了一种发票分块检测方法，所述方法包括以下步骤：采集待检测发票图像；将待检测发票图像输入至已训练好的深度学习模型中，回归得到发票图像的块区域和对应的分类类别；根据分类类别从块区域中提取目标块区域，输出被检测发票图像及对应的目标块区域图像，本发明结合Yolov3深度学习算法、K-means聚类方式、采用全卷积与residual结构相结合的Darknet-53网络结构对特征值进行提取，实现了对发票块区域精准定位和提取，本发明对图片的智能定位产生深远影响和重要意义，也为发票的进一步文字识别提高了准确性。
-
公开(公告)号：CN109086964A
公开(公告)日：2018-12-25
申请号：CN201810711159.2
申请日：2018-07-03
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于随机森林的MR覆盖率影响因素判定方法，包括步骤：选取若干个影响MR覆盖率的相关维度；对维度数据进行清洗，得到清洗后的相关维度；抽取维度数据作为训练样本，剩余的维度数据作为测试样本；以清洗后的相关维度作为特征，根据训练样本来训练随机森林模型；将测试样本输入随机森林模型得到输出准确率；调整随机森林模型的参数，直至当输出准确率大于设定阈值，则将该随机森林模型作为MR覆盖率影响因素判定模型；计算每个影响MR覆盖率的相关维度的影响度；根据影响度，对若干个影响MR覆盖率的相关维度进行排序；利用MR覆盖率影响因素判定模型定位MR覆盖率的影响因素，清晰劣化根因。本方法精确度高，稳定性强。
-
公开(公告)号：CN108830281A
公开(公告)日：2018-11-16
申请号：CN201810527166.7
申请日：2018-05-29
Applicant: 南京邮电大学
IPC: G06K9/46
Abstract: 本发明公开了一种基于局部变化检测和空间加权的重复图像匹配方法，具体步骤包括：通过SIFT算法提取待匹配图像信息；进行投影变换；检测图像的三个指标：匹配点间的距离、异常点、投影变换幅度；运用最小二乘法求解目标函数：匹配点位置信息相似度最大和投影变换幅值最小，得到投影变换参数；计算在此投影变换参数下的匹配点位置信息相似度，通过与阈值的比较判断图像匹配情况。通过引入投影变换模拟了拍摄角度细小变换对结果的影响，考虑到像素点的空间分布对结果的影响，同时加入异常点对匹配结果的影响，对监控平台的重复图像检测具有重要的意义。
-
公开(公告)号：CN108768585A
公开(公告)日：2018-11-06
申请号：CN201810391478.X
申请日：2018-04-27
Applicant: 南京邮电大学
IPC: H04L1/00
Abstract: 本发明公开了一种基于深度学习的上行免信令NOMA系统多用户检测方法，该方法包括对接收信号建模，将接收信号稀疏表示和训练用于稀疏信号恢复的深度结构三个部分；本发明利用NOMA系统中用户的稀疏性以及在不同时隙的发送信号之间存在的联系，使用结构化压缩感知理论进行多用户检测，并利用深度学习理论来解决稀疏重构问题，能够实现低复杂度且高性能的多用户检测，结合用户在不同时隙的发送信号之间存在的相关性，使用结构化压缩感知理论实现多用户检测；利用深度学习理论来解决信号恢复的欠定逆问题，基于深度学习的方法从优化参数、训练稀疏表示以及神经网络三个方面进一步改进了稀疏重构算法的重构精度并提高了重构效率。
-
-
-
-
-
-
-
-
-
Search Results
125
records
(took 0.114 seconds)
