-
公开(公告)号：CN118298301A
公开(公告)日：2024-07-05
申请号：CN202410384119.7
申请日：2024-04-01
Applicant: 南京信息工程大学
IPC: G06V20/10 , G06V10/44 , G06V10/52 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/086
Abstract: 本发明公开了基于差分进化和多尺度神经网络的湖泊叶绿素反演方法，包括：采集湖泊图像及叶绿素浓度标签，构建多尺度卷积神经网络模型，包括模型的一维卷积部分、全连接层部分、激活函数部分、输出层部分；初始化差分进化算法；运行差分进化算法优化多尺度卷积神经网络，评估种群中每个个体的适应度、选择下一代个体，应用交叉和变异操作，更新种群；选择最佳个体，创建最佳的多尺度叶绿素反演模型，训练和测试最佳的多尺度叶绿素反演模型；读取湖泊高光谱图像输入最佳多尺度叶绿素反演模型，预测每个像素点的叶绿素浓度，输出湖泊叶绿素浓度热力图。本发明所设计的方法更好地反映水体中的叶绿素浓度，提高反演精度和鲁棒性。
-
公开(公告)号：CN117786617B
公开(公告)日：2024-04-30
申请号：CN202410214228.4
申请日：2024-02-27
Applicant: 南京信息工程大学
IPC: G06F18/27 , G06F18/214 , G06F18/15 , G06N3/0442 , G06N3/048 , G06N3/08 , G16C20/20 , G01N21/25
Abstract: 本发明公开了一种基于GA‑LSTM高光谱定量反演的布料成分分析方法及系统，涉及检测技术领域，包括：接收样本布料光谱数据，对样本布料光谱数据进行预处理，得到样本数据，将样本数据进行分类得到训练集和测试集；将训练集和测试集输入至预先建立的长短期记忆神经网络LSTM的布料成分分析回归模型内，输出得到一次训练LSTM的布料成分分析回归模型；优化一次训练LSTM的布料成分分析回归模型的学习率，将优化后的学习率输入至一次训练LSTM的布料成分分析回归模型内，输出得到二次训练LSTM的布料成分分析回归模型；将待测布料的融合后的光谱数据输入至二次训练LSTM的布料成分分析回归模型内，得到布料成分分析结果。
-
公开(公告)号：CN117788538A
公开(公告)日：2024-03-29
申请号：CN202410211297.X
申请日：2024-02-27
Applicant: 南京信息工程大学
Abstract: 本发明公开了点云区间配对体积方差一致性的配准方法、装置和系统，涉及三维激光点云处理技术领域，包括：对待配准点云数据进行降采样处理，选取降采样处理后的待配准点云数据中任意一点作为中心点，运用k近邻算法找到离中心点最近的k个点；对选取的每个中心点和中心点周围的k个点计算局部方向中心性度量，得到源点云和目标点云所有点的局部方向中心性度量值；将局部方向中心性度量值进行排序，找到最大值和最小值，将最大值和最小值进行等分的区间划分，得到若干个区间；统计每个区间内局部方向中心性度量值的个数，并计算每个区间内局部方向中心性度量值的个数与局部方向中心性度量值的总数的比值；将比值进行比较，对配准精度进行判定。
-
Patent Agency Ranking
公开(公告)号：CN117740727A
公开(公告)日：2024-03-22
申请号：CN202410182019.6
申请日：2024-02-19
Applicant: 南京信息工程大学
IPC: G01N21/359 , G01N21/3563 , G06F18/10 , G06F18/214 , G06F18/243 , G06N3/006 , G06N5/01 , G06N20/20
Abstract: 本发明公开了一种基于红外高光谱的纺织品成分定量反演方法，包括：S1利用近红外光谱分析仪对羊毛、涤纶、棉纺织样本布料进行红外高光谱数据采集；S2将采集到的样本布料的红外高光谱数据进行数据预处理；S3建立布料成分分析随机森林回归模型，获取模型的评价指标；S4利用麻雀搜索算法优化随机森林模型，寻找随机森林回归算法中的mtry最优值构建模型；S5将羊毛、涤纶、棉纺织样本布料高光谱训练集数据输入已建立的模型进行训练，将测试集数据输入至已建立的随机森林回归模型进行测试，获取模型的评价指标；S6获取待测布料的光谱数据，并按S2方法得到布料光谱处理后的数据，将数据输入到经过优化后的随机森林回归模型中，进行布料成分分析。
-
公开(公告)号：CN116863247A
公开(公告)日：2023-10-10
申请号：CN202311056294.5
申请日：2023-08-22
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/77 , G06V10/80 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种融合全局和局部信息的多模态遥感数据分类方法，属于高光谱图像处理技术领域，包括获取待分类的多模态遥感数据集，并输入至预先训练好的多模态遥感数据分类模型；所述多模态遥感数据分类模型基于所述待分类的多模态遥感数据集，输出多模态遥感数据分类结果。本发明解决了现有技术中多模态卷积的可解释性差，对于跨模态特征提取不够充分，且上下文独立的卷积结构难以捕获全局信息的问题，通过特征解耦的方式将多模态信息分解为共有信息和特有信息，实现多模态信息融合，充分挖掘多模态遥感数据的特征，大幅度降低了遥感图像领域中深度学习模型对于训练数据的需求，以此实现更准确的图像分类。
-
公开(公告)号：CN116740474A
公开(公告)日：2023-09-12
申请号：CN202311021136.6
申请日：2023-08-15
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/774 , G06V20/10 , G06V10/40 , G06V10/82
Abstract: 本发明公开了一种基于锚定条纹注意力机制的遥感图像分类方法，该方法通过双层卷积网络提取样本浅层空‑谱特征表示，利用编译器将特征表示转换成语义特征，嵌入位置信息后生成语义标记序列，输入到锚定条纹注意力机制和窗口注意力模块，对语义特征进行深层次建模，计算得到注意力得分，利用线性层和全连接对多尺度信息进行融合，通过softmax函数得到样本的标签，根据最终的分类模型得到分类结果的遥感图像分类方法。本发明通过构建多尺度锚定条纹注意力机制网络来度量无标记样本的类间不确定性，每类随机选取一定比例的少量样本进行标注，提高模型的泛化能力。
-
公开(公告)号：CN116309759B
公开(公告)日：2023-08-15
申请号：CN202310596936.4
申请日：2023-05-25
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于快速三角特征直方图的点云粗配准方法，包括：对原点云P和目标点云Q体素降采样；根据Delaunay三角剖分规则进行点云表面三角网构建；计算其简易三角特征直方图，并进行距离加权求和，得到快速三角特征直方图特征描述子；找到相似度最高的三角形进行对应匹配；采样一致性初始配准算法计算出点云之间的最佳旋转矩阵与位移向量，完成对原点云P和目标点云Q的粗配准；本发明提高低密度点云配准精度以及缩短配准时间，得到鲁棒性好的点云配准特征描述符；在0.005米体素采样条件下的点云配准旋转误差为0.7535度，位移误差0.0026米，提高了低密度点云配准成功率。
-
公开(公告)号：CN116503746A
公开(公告)日：2023-07-28
申请号：CN202310780145.7
申请日：2023-06-29
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于多层嵌套非全映射U型网络的红外小目标检测方法，涉及目标检测和图像处理技术领域，包括以下步骤：步骤1、构建密集嵌套特征提取模型；步骤2、构建级联模型，计算通道空间注意模块特征映射；步骤3、对特征图进行通道维度的连接，重建图像的质量和细节；步骤4、计算全局鲁棒特征图，获取深层特征信息；步骤5、计算属于同一类像素的每一个目标的质心；步骤6、根据红外图像和重建图像得到目标检测图像；从而通过引入级联模型和计算全局鲁棒特征图来充分挖掘红外图像的邻域信息和空间信息的相关性，以提升红外图像目标检测的准确性，本发明的目标检测结果准确率为96.12%，相比现有技术具有更高的准确性。
-
-
-
-
-
-
-
Search Results
58
records
(took 0.026 seconds)
