-
公开(公告)号：CN110084149A
公开(公告)日：2019-08-02
申请号：CN201910279694.X
申请日：2019-04-09
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于难样本四元组动态边界损失函数的人脸验证方法，包括如下步骤：（1）构建人脸样本图像数据库并进行预处理。（2）对数据库中的人脸图像进行分组，设定有效的选取机制来选取难样本四元组。（3）设置模型损失函数为包含动态阈值边界的四元组损失函数，投入难样本进行训练，得到收敛好的网络模型。（4）利用训练好的网络对待验证的人脸图像进行特征提取，计算特征向量间的距离，根据距离大小判断验证结果。本发明的方法具有如下优点：1）模型收敛速度快；2）对人工设置的边界阈值依赖程度低；3）更有效地提取人脸特征并提高人脸验证的准确度。
-
公开(公告)号：CN106971158B
公开(公告)日：2019-07-16
申请号：CN201710176356.4
申请日：2017-03-23
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于CoLBP共生特征与GSS特征的行人检测方法，包括步骤：提取视频序列中每一帧图像的HOG特征及LBP特征，根据HOG特征计算出图像局部梯度块之间的成对梯度自相似性的GSS特征，同时根据LBP特征得到CoLBP共生特征；采用特征生成器FGM移除不对称的GSS特征，得到判别梯度自相似性DGSS特征；基于HOG特征与CoLBP共生特征训练的线性SVM分类器移除图像中的负样本；对于剩余负样本与正样本，利用基于HOG特征与DGSS特征训练的Real‑AdaBoost分类器再次检测每一帧图像中的行人，获得检测结果。本发明在LBP与HOG特征的基础上进一步得到更高层次的CoLBP共生特征与GSS特征，增加了行人特征提取的可靠性，最后的检测结果也表明，本发明具有较好的检测效果。
-
公开(公告)号：CN109618384A
公开(公告)日：2019-04-12
申请号：CN201910083765.9
申请日：2019-01-28
Applicant: 南京邮电大学
Abstract: 一种无线传感器网络系统，包括多个分簇，每个分簇包括簇头节点和多个其他传感器节点，所述分簇内的其他传感器节点基于自身与簇头节点之间的距离被划入一个以上的分簇，分簇内的簇头节点在预设的时间周期内轮流唤醒自身分簇内的其他无线传感器节点；被唤醒的其他无线传感器节点在对应的唤醒周期内采集监测数据并将采集到的监测数据发送至所述簇头节点；所述簇头节点接收对应时间周期中自身分簇内的被唤醒的其他无线传感器节点发送的监测数据并将所接收的监测数据进行数据融合后发送至对应的基站节点。上述的方案，可以降低网络能耗，延长无线传感器网络的生命周期。
-
公开(公告)号：CN106056067B
公开(公告)日：2019-04-12
申请号：CN201610364643.3
申请日：2016-05-27
Applicant: 南京邮电大学
Abstract: 本发明公开了一种无对应关系条件下基于对应关系预测的低分辨率人脸识别算法（CRPFR)：首先是一一对应关系的确定，对高低分辨率图像进行训练，同一幅图像在高分辨率空间中与其他类图像的结构与在低分辨率空间中的结构是相似的，通过比对高低分率图像的特征向量来辨别它们是否具有对应关系；其次，将高低分辨率图像投影到一致的特征空间，在特征空间中采用最近邻分类器进行分类，保持类内聚拢、类间分散的整体结构，根据已经求得的一一对应关系和类别信息控制特征空间的结构，目标是求得能够满足特征空间结构的一对高低投影矩阵。与传统的低分辨率人脸识别算法相比，本发明在无对应关系的条件下取得了更优的效果。
-
公开(公告)号：CN109034182A
公开(公告)日：2018-12-18
申请号：CN201810567969.5
申请日：2018-06-04
Applicant: 南京邮电大学
IPC: G06K9/62
CPC classification number: G06K9/6276
Abstract: 本发明公开了一种基于属性约束的零样本图像识别新方法，本方法利用正太分布虚拟出已知类别训练样本的真实属性来减少其属性噪声问题带来的影响，其次基于编码器‑解码器模型在已知类别训练样本和待测试未知类别样本上共同学习一个属性预测器达到有效减少语义迁移影响的目的，最后通过最近邻分类器获得待测试未知类别样本的标签。与现有的其他零样本图像识别方法相比，我们的方法在识别率上取得显著提高。
-
Patent Agency Ranking
公开(公告)号：CN108805222A
公开(公告)日：2018-11-13
申请号：CN201810430232.9
申请日：2018-05-08
Applicant: 南京邮电大学
IPC: G06K9/68
CPC classification number: G06K9/6835
Abstract: 本发明涉及一种基于ARM平台的深度学习手写数字识别方法，属于图像识别领域，具体步骤为：构建softmax深度学习神经网络模型；利用MNIST训练集训练模型；将深度学习模型移植到ARM平台；摄像头拍摄的手写数字照片预处理；识别并输出结果。本发明利用TensorFlow进行深度学习，具有开发简单、建模速度快、识别准确率高的优点，且ARM嵌入式平台具有成本低、稳定性好、实时性高等诸多优点。
-
公开(公告)号：CN108492267A
公开(公告)日：2018-09-04
申请号：CN201810222590.0
申请日：2018-03-16
Applicant: 南京邮电大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于图正则化的矩阵填充图像修复方法，包括以下步骤：步骤1：将待修复图像D分成i个搜索区域M，将第Mi个搜索区域分成j个图像块K；步骤2：在第Mi个搜索区域中寻找p个与第Kj个图像块最为相似的图像块形成数据矩阵F；步骤3：计算数据矩阵F的图拉普拉斯矩阵与图正则化项；步骤4：将据矩阵F输入到基于图正则化的矩阵填充算法；步骤5：运用交替方向法求解基于图正则化的矩阵填充算法优化问题；步骤6：完成该搜索区域j个图像块处理后，通过整合图像块复原该搜索区域图像；若所有搜索区域都处理结束，跳到步骤7，否则跳到步骤2；步骤7：直至恢复出完整的图像。本发明有图像修复效果好的优点。
-
公开(公告)号：CN108446711A
公开(公告)日：2018-08-24
申请号：CN201810101265.9
申请日：2018-02-01
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于迁移学习的软件缺陷预测方法，该方法利用降维迁移学习的思想，综合考虑不同项目数据样本之间概率分布以及条件概率分布，在源项目和目标项目之间建立一个新的特征表示，在一个新的空间中最小化二者之间的差异，训练出一个新的分类器，进而实现迁移学习。算法首先采用了一种不同分布之间的距离度量方式，最大均方差异来量化源数据和目标数据之间的分布差异和条件分布差异，通过最小化这种度量来获得一个模型，通过这个模型映射过后的训练数据和测试数据几乎具有相同的概率分布和条件概率分布；然后就可以采用传统的机器学习算法对测试数据进行分类。
-
公开(公告)号：CN108288270A
公开(公告)日：2018-07-17
申请号：CN201810113321.0
申请日：2018-02-05
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于通道修剪与全卷积深度学习的目标检测方法，首先，使用套索回归方法在卷积神经网络的每层通道上实现冗余通道的修剪；然后，使用线性最小二乘法重构最小化误差；最后，利用全卷积神经网络获取感兴趣区域，加速目标检测。通过在通用Caltech行人检测数据集的实验表明，本发明提出的方案可有效提高行人检测的准确性与快速性。
-
公开(公告)号：CN103618728B
公开(公告)日：2018-03-02
申请号：CN201310647570.5
申请日：2013-12-04
Applicant: 南京邮电大学
CPC classification number: H04L9/3073
Abstract: 本发明公开了一种多机构中心的属性加密方法，该方法通过把CP‑ABE扩展到多个授权机构，将单授权机构的信任和工作量分散到系统所有授权机构上，提高了系统的安全性和解密效率；该方法包括：系统初始化:通过CA中心的身份验证后，初始化产生密钥；密钥计算：AA中心计算出用户的公私钥对，用于数据加密和解密运算；加密：数据属主执行加密操作后，将密文上传到云端；解密：用户端提交部分私钥后，执行预解密处理，处理后的密文发送到用户端，执行最终的解密运算；属性撤销：当某个用户的属性被撤销后，执行密钥更新以及数据重加密操作，确保数据不被非法获取。
-
-
-
-
-
-
-
-
-
Search Results
105
records
(took 0.025 seconds)
