-
公开(公告)号：CN111861926A
公开(公告)日：2020-10-30
申请号：CN202010722071.8
申请日：2020-07-24
Applicant: 南京信息工程大学滨江学院
Abstract: 本发明提出了一种基于空域组增强机制与长短时记忆网络的图像去雨方法，首先使用膨胀卷积模块提取多尺度的特征信息，并采用空域组增强模块检测条纹信息，然后引入长短时记忆神经网络传播不同阶段深度特征的依赖性关系，最后利用残差密集块提取丰富的局部特征信息来进一步地提升复原图像的质量。本发明方法在图像去雨上有更优的视觉效果，更好地保持了图像的原有信息，进一步解决了在处理含密集雨条纹图像中出现的雨条纹残留，避免图像出现模糊现象，而且该方法在定量指标上超过了目前先进的对比方法。
-
公开(公告)号：CN110879097A
公开(公告)日：2020-03-13
申请号：CN201910992038.4
申请日：2019-10-18
Applicant: 南京信息工程大学滨江学院
IPC: G01G23/01 , G01G19/414
Abstract: 本发明具体涉及一种手提称及其标定方法与测量方法，属于手提称技术领域。包括传感器、微控制单元、显示器、蜂鸣器、按键单元；按键单元用于启闭微控制单元；微控制单元驱动传感器；微控制单元包括ADC单元、计算单元、储存单元；传感器用于采集拉力信号，并输出模拟电信号至ADC单元；ADC单元用于ADC采样，将模拟电信号转换成数字电信号并将采样后的数字电信号输入计算单元；计算单元调用储存单元内的标定值与信号采样值进行分析计算后，输出挂重值至显示器进行重量显示，并驱动蜂鸣器。本发明的标定方法，采用二次标定包括预设标定值与实际标准砝码值标定。本发明提升了手提称的称重测量准确性和称重测量精度，减少了称重测量误差。
-
公开(公告)号：CN112468568B
公开(公告)日：2024-04-23
申请号：CN202011318708.3
申请日：2020-11-23
Applicant: 南京信息工程大学滨江学院 , 中科怡海高新技术发展有限公司
IPC: H04L67/10 , H04W4/70 , H04W28/084 , H04W40/22
Abstract: 本发明公开了一种移动边缘计算网络的任务中继卸载方法，包括集成了毫米波和频率低于6GHz电磁波(Sub‑6GHz)的移动边缘计算网络，Sub‑6GHz实现用户设备的全覆盖，设置基站和用户设备预先执行了波束训练和对齐机制，因此能够在建立数据连接时配置适当的波束。由于每个用户设备都是独立的个体，因此，采用平均场博弈MFG的框架最大程度的减少功耗，针对MFG优化方法的限制，将公式化的MFG简化为马尔可夫决策过程MDP，利用MDP优化问题求得MFG的均衡解，即通过采用强化学习框架，最大化CUs的价值函数，在强化学习的指导下得到均衡解，实现任务的成功卸载，并减少系统能耗。
-
公开(公告)号：CN112241724B
公开(公告)日：2023-12-15
申请号：CN202011186593.7
申请日：2020-10-30
Applicant: 南京信息工程大学滨江学院
IPC: G06F18/2415 , G06F18/25 , G06F18/213 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N3/084 , G06N3/047
Abstract: 本发明公开一种基于双路卷积长短期神经网络的自动识别方法及系统，利用将无线电信号的同向分量和正交分量转换成幅度分量和相位分量；构造双路神经网络，将简单的同向正交分量送入到卷积神经网络，同时，将转换的幅度相位分量送入到长短期神经网络进行识别；然后，将两路神经网络提取的时空特征进行信息融合，连接成一个新的特征矩阵；训练神经网络，使用softmax分类器完成信号识别分类。本发明基于双路卷积长短期神经网络，可以同时提取信号的时间和空间特征，并且为不同的特征选择适合的神经网络，充分利用神经网络提取特征的能力，学习更好的性能，提高分类的准确率。
-
公开(公告)号：CN113554565B
公开(公告)日：2023-12-12
申请号：CN202110848397.X
申请日：2021-07-27
Applicant: 南京信息工程大学滨江学院
Abstract: 本发明名公开了一种基于郎伯比尔定律的水下图像增强办法，首先，分析水下图像成像过程，通过朗伯比尔定律增强水下图像，构建水下图像增强模型；其次，使用景物信息丰富的自然图像的统计均值和方差来校正水下图像的均值和方差；然后，构建与水下图像的均值和方差相关联的线性模型，用于定位包含更多无法改善的细节的图像区域；最后，利用定位信息加入非线性自适应权重函数，改善水下图像细节并防止其余细节失真。本发明对水下图像产生更好的结构还原，更自然的色彩校正和更少的时间消耗。
-
Patent Agency Ranking
公开(公告)号：CN112598598B
公开(公告)日：2023-11-28
申请号：CN202011573740.6
申请日：2020-12-25
Applicant: 南京信息工程大学滨江学院
IPC: G06T5/00 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明提供了一种基于两级反射光消除网络的图像反射光去除方法，首先设置两级反射光消除网络中生成器的一级子网络和二级子网络；然后设定两级反射光消除网络中生成器的损失函数，由像素损失和感知损失两部分构成；再设定两级反射光消除网络中鉴别器的损失函数；训练两级反射光消除网络直到两级反射光消除网络参数收敛得到训练好的两级反射光消除网络；最后用训练好的两级反射光消除网络对测试数据集进行图像反射光去除，输出图像反射光去除以后的透射图。本发明克服了现有技术中容易出现色彩失真和细节损失的缺点，使得本发明对反射图像的去除效果更加明显，并且不存在色彩失真。(56)对比文件US 2018075581 A1,2018.03.15王青等.一种基于直接数字控制的Buck变换器的设计《.数字技术与应用》.2017,(第04期),全文.南栋等.一种基于稀疏系数匹配学习的图像去雾算法《.控制与决策》.2020,第35卷(第11期),全文.Taesik Go et al.Deep learning-basedhologram generation using a white lightsource《.Open Access》.2020,全文.
-
公开(公告)号：CN112598711B
公开(公告)日：2022-12-20
申请号：CN202011573891.1
申请日：2020-12-25
Applicant: 南京信息工程大学滨江学院
Abstract: 本发明提供了一种基于联合光谱降维和特征融合的高光谱目标跟踪方法，首先利用基于多维缩放和主成分分析的联合光谱降维方法对原始高光谱图像序列进行降维处理；然后分别提取降维处理后得到的图像序列的四对特征，将四对特征进行融合；并将融合后的特征送入核相关滤波器，得到四个基于第一到第四个特征的弱响应图；并利用权重系数对弱响应图进行加权得到强响应图；将强响应图中最大值位置作为目标的位置；并对基样本和权重系数的参数进行自适应更新。本发明克服了现有技术中计算量大，实时性差的缺点，使得本发明提高了复杂背景下高光谱图像序列中目标跟踪的速度，并且当目标出现形变和遮挡时有较好跟踪效果。
-
公开(公告)号：CN112153615B
公开(公告)日：2022-07-12
申请号：CN202010964458.4
申请日：2020-09-15
Applicant: 南京信息工程大学滨江学院 , 中科怡海高新技术发展有限公司
Abstract: 本发明公开一种多小区蜂窝D2D设备中基于深度学习的用户关联方法，首先，收集环境内终端设备的信道增益信息；其次，运用穷举法得到相应信道增益样本下的最优蜂窝用户关联策略，收集训练数据集；然后，构建卷积神经网络框架，初始化神经网络参数；最后，训练该神经网络：将训练数据集输入至神经网络，构建神经网络的输出和标签之间的MSE作为损失函数，并选择随机梯度下降算法对神经网络的权重进行更新；当损失函数小于预设值或达到迭代次数时即认为神经网络训练完成，保存神经网络。本发明克服了环境中D2D设备对蜂窝设备造成的干扰问题，用卷积神经网络以监督学习的方式逼近传统算法来学习信道增益到最优用户关联策略之间的映射关系。
-
公开(公告)号：CN114531726A
公开(公告)日：2022-05-24
申请号：CN202110738351.2
申请日：2021-06-30
Applicant: 南京信息工程大学滨江学院 , 中科怡海高新技术发展江苏股份公司
Abstract: 本发明公开了基于密集无线网络的功率控制策略，属于通信系统物理层技术领域，包括如下步骤：1)收集训练数据集；2)确定训练集和测试集的分割比例；3)构建DRSN框架，并初始化神经网络权重；4)将训练数据集输入至神经网络构建神经网络的输出和标签之间的MSE作为损失函数，并选择随机梯度下降算法对神经网络的权重进行更新；5)当损失函数小于预设值或达到迭代次数时即认为神经网络训练完成，保存神经网络；6)测试阶段由测试集作为输入数据测试性能。本发明克服了深度神经网络对大规模网络学习能力弱，极大程度上防止了“梯度消失”和“梯度爆炸”现象的出现。
-
公开(公告)号：CN113706554A
公开(公告)日：2021-11-26
申请号：CN202110885204.8
申请日：2021-08-03
Applicant: 南京信息工程大学滨江学院
Abstract: 本发明提供了基于三光谱实时成像显示优化的建筑物相对距离估计方法，首先测量雾天下太阳光的光谱并从中选定三个近红外成像波段；然后搭建三光谱实时成像光学系统，在雾天下对建筑物进行成像得到同一场景下不同波段成像的三幅近红外图像；再分别确定三幅近红外图像的全局大气光值和消光系数；根据三幅近红外图像及其对应的全局大气光值和消光系数推导基于近红外三光谱实时成像建筑物相对距离估计公式；利用所推导的距离估计公式对建筑物相对距离进行估计，最后对估计距离进行显示优化，所提建筑物相对距离估计方法实现了实时图像采集，能够忽略材料表面反射率，同时对波段的选择限制减小，相对距离结果的相对误差更小，并且能将估计结果优化显示。
-
-
-
-
-
-
-
-
-
Search Results
189
records
(took 0.046 seconds)
