一种基于多粒度信息交互模型的行人重识别方法

    公开(公告)号:CN111709331A

    公开(公告)日:2020-09-25

    申请号:CN202010495916.4

    申请日:2020-06-03

    Applicant: 江南大学

    Abstract: 一种基于多粒度信息交互模型的行人重识别方法,属于机器视觉领域。该方法采用多粒度网络通过空间分块的方式在保留输入图片特征图的同时将该特征图分为多个尺度的子特征图,并且将原特征图作为全局分支处理,将每个子特征图作为局部分支处理。此外提出了多粒度信息交互模型来促进多个分支之间的信息交互。多粒度信息交互模型包含全局映射注意力模块和标签项互学习模块。全局映射注意力模块负责促进全局分支与局部分支之间的信息交互,标签项互学习模块负责促进多个全局分支之间的信息交互。最终利用多粒度信息交互模型分别促进了全局分支与局部分支以及不同全局分支之间的信息交互,进一步提高了具有多分支网络结构的行人重识别模型的性能。

    一种羊毛废弃物的高效综合回收再利用方法

    公开(公告)号:CN111514860A

    公开(公告)日:2020-08-11

    申请号:CN202010388464.X

    申请日:2020-05-09

    Applicant: 江南大学

    Abstract: 本发明公开了一种羊毛废弃物的高效综合回收再利用方法,本发明采用谷胱甘肽处理废弃羊毛,使其暴露出多种活性基团,能够有效吸附印染废水中的阳离子染料;采用本发明方法制备得到的羊毛海绵吸附剂对羊毛印染废水中阳离子染料去除率最高可达99%,吸附量可达263.16mg/g,是一种优良的生物吸附剂;采用本发明方法制备得到的羊毛吸附剂可重复吸附、解吸循环8‑10次。本发明实现了羊毛纺织工业废弃物的充分回收再利用,将羊毛废弃物转化成印染废水吸附剂。操作条件温和,绿色环保,步骤简洁,能耗低,易于扩大化生产;本发明获得的羊毛残渣海绵具有疏松多孔的结构,表面富含多种活性基团,是一种性质优良、效果显著的生物吸附剂。

    一种基于孪生神经网络及平行注意力模块的目标跟踪方法

    公开(公告)号:CN111354017A

    公开(公告)日:2020-06-30

    申请号:CN202010142418.1

    申请日:2020-03-04

    Abstract: 一种基于孪生神经网络及平行注意力模块的目标跟踪方法,属于机器视觉领域。包括如下步骤:1、根据视频序列图片中目标的位置及尺寸,裁剪出模板图像和搜索区域图像,构成训练数据集;2、构建孪生网络,孪生网络的基本骨架采用微调后的残差网络;3、在孪生网络的模板分支嵌入平行注意力模块,包括两个平行的通道注意力模块和空间注意力模块;4、基于训练集,构建自适应焦点损失函数,训练带有平行注意力模块的孪生网络,获得训练收敛的网络模型;5、使用训练好的网络模型进行在线跟踪。本发明在跟踪过程中,可以有效应对目标外观变化等问题,提高了跟踪的精度。

    一种高产重组腈水解酶的枯草芽孢杆菌及其应用方法

    公开(公告)号:CN107254429B

    公开(公告)日:2020-05-22

    申请号:CN201710593822.9

    申请日:2017-07-20

    Applicant: 江南大学

    Abstract: 本发明公开了一种高产腈水解酶的重组枯草芽孢杆菌及其在烟酸合成中的应用,属于生物工程技术领域。该方法通过PCR扩增恶臭假单胞菌Pseudomonas putida CGMCC 3830腈水解酶基因编码序列并与pMA5质粒相连,构建得到重组质粒pMA5‑NIT,转化至Bacillus subtilis WB600中得到可高效表达腈水解酶的重组菌B.subtilis WB600(pMA5‑NIT),命名为枯草芽孢杆菌Bacillus subtilis NIT‑2,现保藏于中国微生物菌种保藏管理委员会普通微生物中心,保藏编号为CGMCC No.14255。以重组枯草芽孢杆菌游离细胞为催化剂,可将3‑氰基吡啶完全转化生成烟酸。本发明提供了一种高产重组腈水解酶的枯草芽孢杆菌菌株,具有突出的腈水解酶活性,重组菌发酵周期短,催化效率高,具有良好的应用前景。

    一种滁菊露酒及其制作方法

    公开(公告)号:CN108587841A

    公开(公告)日:2018-09-28

    申请号:CN201810351197.1

    申请日:2018-04-18

    Applicant: 江南大学

    Abstract: 本发明公开了一种滁菊露酒的制备方法,采用醇提滁菊精华,精选食用酒精或伏特加作为基酒,混合调配,最终生产得到滁菊露酒的方法。所述制备方法包括:滁菊精华的提取,基酒的选取,滁菊精华与基酒的混合调配、过滤除杂,澄清处理。通过此制备方法能够更彻底提取滁菊精华,从而更有效利用滁菊香味以及功效成分,并且制备出的滁菊精华与基酒缔合完美,酒体柔和。

    基于自适应选择机制的稀疏联合模型目标跟踪方法

    公开(公告)号:CN107203747A

    公开(公告)日:2017-09-26

    申请号:CN201710347548.7

    申请日:2017-05-17

    Applicant: 江南大学

    Abstract: 本发明公开了一种基于自适应选择机制的稀疏联合模型目标跟踪方法。构造稀疏的判决模型时,利用特征选择机制提取更具辨识力的特征,并以置信值度量为约束,更好地区分出目标和背景;构造稀疏的生成模型时,结合L1正则化和PCA子空间重构思想,使得目标不仅保留充足外观信息,且可有效抵御离群子干扰,并提出一种结合线性回归和软阈值算子的迭代算法对目标函数进行最小化求解。相较于传统的乘性联合机制,本发明提出了一种基于欧式距离的自适应选择机制,通过分别比较上述两种模型的预测结果与前一帧的跟踪结果的差异,计算偏差,判断模型是否发生退化,并以此构建出更加合理的联合模型评估函数来提升跟踪精度。

    基于L0正则化的局部稀疏表示目标跟踪方法

    公开(公告)号:CN105931273A

    公开(公告)日:2016-09-07

    申请号:CN201610299342.7

    申请日:2016-05-04

    Applicant: 江南大学

    CPC classification number: G06T2207/20076

    Abstract: 本发明公开了一种基于L0正则化的局部稀疏表示目标跟踪方法,与传统L1目标跟踪方法不同,本发明提出将L0范数与结构化局部稀疏外观模型相结合,充分利用稀疏编码,更好地区别跟踪过程中的目标和背景,并且在对目标进行建模时使用琐碎模板对局部遮挡等干扰进行建模,进一步提高了算法在跟踪过程中对噪声干扰的鲁棒性。为使目标模型在跟踪过程中更好地应对目标外观的不断变化,本发明通过构建目标模板集,在跟踪过程中采用L0范数对目标重构并采用概率性策略将重构结果替换模板集中某一模板,实现模板动态更新,进一步提高了算法稳定性。针对基于L0范数约束的目标函数优化求解的NP问题,本发明采用APG算法实现了有效求解。

    基于增量式超限向量回归机集成网络的实时电力负荷预测方法

    公开(公告)号:CN105160441A

    公开(公告)日:2015-12-16

    申请号:CN201510673385.2

    申请日:2015-10-16

    Applicant: 江南大学

    Abstract: 本发明公开了一种基于增量式超限向量回归机集成网络的实时电力负荷预测方法,包含在线学习和在线负荷预测阶段。在线学习阶段包括以下步骤:实时采集第1批次电力负荷数据和影响因素数据并归一化;初始化II-ESVR模型;实时采集第k+1(k≥1)批次电力负荷和影响因素数据,归一化并进行增量学习训练。在线负荷预测阶段包括以下步骤:实时采集一批相关影响因素的数据,归一化并作为模型的输入;基于学习阶段的II-ESVR模型及参数,实时计算预测结果。本发明通过增量式超限向量回归机集成网络的实时电力负荷预测方法,解决数据多样性造成的不稳定问题,该方法具有“快、稳、准”的特点,能够满足电力负荷预测未来发展的需求。

Patent Agency Ranking