-
公开(公告)号：CN112862834A
公开(公告)日：2021-05-28
申请号：CN202110059363.2
申请日：2021-01-14
Applicant: 江南大学
Abstract: 本发明公开了一种基于视觉显著区域和主动轮廓的图像分割方法，属于模式识别和智能信息处理领域。该方法首先采用一种改进的视觉显著区域检测方法对原始图像进行预处理操作，自动设置初始化轮廓，并使用获取的目标先验信息设计自适应符号函数，对优化LoG能量项进行加权，构造自适应符号函数加权的优化LoG能量项；其次充分考虑局部空间与灰度变化信息，对局部能量项进行改进。最后，以线性方式将全局能量项与改进的局部能量项进行融合，提出新的基于区域的混合主动轮廓分割模型。本发明方法能够在含有复杂背景图像中快速定位目标位置，并保持了目标轮廓的连贯性和完整性。
-
公开(公告)号：CN112766134A
公开(公告)日：2021-05-07
申请号：CN202110047932.1
申请日：2021-01-14
Applicant: 江南大学
Abstract: 本发明公开了一种强化类间区分的表情识别方法，属于模式识别和智能信息处理领域。本发明的方法从各类表情的类间关系出发，通过观察分类之后的召回率矩阵(RM)结合筛选算法来构建分类支路。通过分析类间关系，可以获取各类表情之间的关联程度，相当于获取了表情识别问题理论情况下的客观规律。将这样的规律设计到网络模型之中，模型就获取到了特定的先验知识，而这样的先验知识在一般的深层神经网络中能否被学习到有着不确定性。本发明在神经网络的深层上固定了参数，在真实环境中保持了优越的识别精度，满足实际工程系统的设计需求。
-
公开(公告)号：CN110060204B
公开(公告)日：2020-12-29
申请号：CN201910354852.3
申请日：2019-04-29
Applicant: 江南大学
Abstract: 本发明公开了一种基于可逆网络的单一图像超分辨率方法，属于图像处理领域。所述方法通过引入可逆网络来构建超分辨率模型的网络结构，利用可逆网络的可逆性质实现了高分辨率图像空间和低分辨率图像空间的相互映射，从低分辨率和高分辨率两个方向对超分辨率过程进行优化，解决了其他基于深度学习的超分辨率方法无法有效利用高分辨率和低分辨率图像之间的相互依赖的问题，从而提升了模型进行图像超分辨率的能力。还通过引入奇异值分解初始化1×1可逆卷积层的权重矩阵，提升了1×1可逆卷积层的逆过程的传播速度；采用本申请方法能够有效实现单一图像的超分辨率过程，利用低分辨率图像生成具有良好纹理细节以及视觉效果的超分辨率图像。
-
公开(公告)号：CN110782393A
公开(公告)日：2020-02-11
申请号：CN201910959774.X
申请日：2019-10-10
Applicant: 江南大学
IPC: G06T3/40
Abstract: 本发明公开了一种基于可逆网络的图像分辨率压缩及重建方法，属于图像处理领域。所述方法利用卷积神经网络与可逆网络构建进行图像分辨率压缩以及重建的网络模型，然后将高分辨率图像输入到进行分辨率压缩的网络中生成低分辨率压缩图像，将压缩图像输入到进行重建的网络中得到高分辨率重建图像，利用压缩图像和重建图像分别与目标低分辨率图像和原始图像之间的差异来设计优化的目标函数，通过最小化该函数的值来对网络模型的参数进行更新，提升网络进行图像分辨率压缩以及重建的能力；解决了图像分辨率压缩及重建模型在压缩图像时无法保存更多的信息以及无法利用压缩过程来指导重建过程，从而导致图像重建效果不佳的问题。
-
公开(公告)号：CN109947375A
公开(公告)日：2019-06-28
申请号：CN201910269201.4
申请日：2019-04-04
Applicant: 江南大学
IPC: G06F3/06
Abstract: 本发明公开了一种基于分区处理共识算法的分布式存储系统优化方法，属于分布式系统性能优化领域，主要解决现有分布式存储系统性能随客户端命令冲突的增多而下降的问题。该优化方法实时监控客户端命令的处理情况，并根据客户端命令处理情况，判断是否需要进行分区处理。对无需分区处理的情况，分布式存储系统中各副本采用EPaxos共识算法处理客户端命令；对需要分区处理的情况，先生成分区方案，再根据具体的分区方案协调分布式存储系统中各副本的处理流程，进行分区处理。本发明在客户端命令冲突影响分布式存储系统性能的情况下，能提升系统的延迟与吞吐量性能，同时可以更好地适应不同的客户端环境，满足实际应用的需求。
-
Patent Agency Ranking
公开(公告)号：CN106778522A
公开(公告)日：2017-05-31
申请号：CN201611059543.6
申请日：2016-11-25
Applicant: 江南大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于Gabor特征提取和空间变换的单样本人脸识别方法，主要解决在只有单张训练样本图像的条件下，由于类内散布矩阵是零而导致的传统面部识别方法不能够应用的问题。该方法采用Gabor小波从原始的单样本图像中提取空间特征向量，然后融合所提取的空间特征向量和原始的光谱特征向量，利用特征空间变换方法对融合特征矩阵进行低维特征空间变换，将其变换到一个低维子空间中，最后，利用最近邻分类器完成识别。本发明方法能够准确地完成单样本人脸的识别，提高了识别精度、降低了计算的代价。与现有技术相比，本发明提出的人脸识别方法更具有效性和鲁棒性。
-
-
-
-
-
-
Search Results
42
records
(took 0.024 seconds)
