-
公开(公告)号：CN114782936B
公开(公告)日：2022-09-02
申请号：CN202210683839.4
申请日：2022-06-17
Applicant: 南京信息工程大学
IPC: G06V20/59 , G06V40/20 , G06V10/40 , G06V10/774 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/04
Abstract: 本发明提供一种基于改进yolov5s网络的行为检测方法，包括以下步骤：获取抽烟、打电话行为数据集，将数据集通过Labelimg进行标记，标记为calling和smoking两类；将标记好的行为数据集经过格式转换，转换为txt格式，将其分为训练集和测试集；获取yolov5s网络结构，对yolov5s网络结构进行改进创新；将数据在改进过后的yolov5s网络结构上进行训练；通过测试集对训练后得到的训练模型进行测试，计算mAP指标和Recall指标。本发明能够增强了网络的特征提取能力，保证检测小目标物体的检测精度。
-
公开(公告)号：CN114742179A
公开(公告)日：2022-07-12
申请号：CN202210658920.7
申请日：2022-06-13
Applicant: 南京信息工程大学
Abstract: 本发明涉及基于ECMWF的格点预报偏差修正方法，首先获取卫星数据、雷达数据、ECMWF格点预报数据、以及ECMWF再分析数据，以切片方式获得不同高度不同时刻一定范围内数据；在数据预处理阶段，使卫星数据、雷达数据插值到和ECMWF的格点预报数据相同的分辨率上；随后针对ECMWF再分析数据的各数据类型进行特征选择，综合得到各目标气象因子，并归一化处理；在构建深度学习网络结构阶段，利用深度学习的非线性映射能力和信息提取能力，构建Encoder‑Decoder网络提取时间和空间特征进行预测修正；整个设计方案充分考虑与相关的其他不同高度的气象因素和时间特征，根据历史气象数据，对气象预报数据进行有效修正。
-
公开(公告)号：CN114520768A
公开(公告)日：2022-05-20
申请号：CN202210237294.4
申请日：2022-03-11
Applicant: 南京信息工程大学
Abstract: 本发明公开一种用于工业物联网中随机任务的AI卸载优化方法，利用无人机充当边缘服务器，建立一个两层无人机的边缘计算实体网络，用于卸载和处理随机任务，并通过人工智能的方法优化边缘计算模型。针对危险作业环境里生产区发生通信故障时的特定任务处理以及能耗问题提出一个邻近智能卸载方法NIO，在两层无人机的边缘计算实体网络下，根据无人机采集到的设备信息构建系统卸载模型，首先基于距离提出一种密集设备就近卸载、分散设备集中卸载的卸载决策，随后通过李雅普诺夫优化方法进行能耗优化处理，最后基于DDPG‑G算法得到计算资源分配及无人机部署的最优方案。本发明解决危险作业过程中通信故障造成的任务卸载失败问题，并实现系统能耗最优化。
-
公开(公告)号：CN114048689B
公开(公告)日：2022-04-15
申请号：CN202210034831.5
申请日：2022-01-13
Applicant: 南京信息工程大学
IPC: G06F30/27 , G06F9/445 , G06F9/48 , G06F9/50 , G06N3/04 , G06N3/08 , G06N3/12 , G06F111/04 , G06F119/06 , G06F119/12
Abstract: 本发明公开了一种基于深度强化学习的多无人机空中充电和任务调度方法，包括：构建多无人机群辅助边缘计算模型；预设每个无人机的计算资源；构建多无人机位置部署、用户设备卸载决策和计算资源分配的优化模型；以无人机群能耗最小为优化目标，采用DDQN算法求解用户设备的卸载决策；采用差分进化算法求解无人机的计算资源分配策略；再次利用差分进化算法对无人机部署策略进行优化；迭代直至获得无人机的部署策略、无人机的计算资源最优分配策略，以及用户设备的最优卸载决策。本发明考虑到了多无人机之间的协作，无人机之间计算资源的平衡，使部分无人机充当中继站，将任务传输给其他无人机来计算，以获得无人机系统能耗最小的最优卸载决策。
-
公开(公告)号：CN113731832B
公开(公告)日：2022-02-15
申请号：CN202111297530.3
申请日：2021-11-04
Applicant: 南京信息工程大学
IPC: B07C5/00 , B07C5/36 , B07C5/38 , B07C5/02 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种用于垃圾转运站的垃圾分拣处理方法，包括：在滚筒筛出口处安装两层具有高度差的传送带，将被滚筒筛留下的直径大于80毫米的垃圾传入传送带，对传送带指定区域上的所有垃圾进行拍摄；采用安装在嵌入式处理终端上的垃圾识别模块，对垃圾进行分类；设置相应程序控制伺服电机，转动传送带旁的机械臂，采用机械手抓取垃圾送去相应的垃圾分类槽。本发明可接受任意尺寸的图像输入，轻量化网络适合垃圾转运站快速垃圾分拣处理，可部署在嵌入式处理终端上，同时兼顾了堆叠垃圾整体分拣处理时的精度和效率需求，有效地克服了垃圾转运站中可回收物分拣处理的不足。
-
Patent Agency Ranking
公开(公告)号：CN113723377A
公开(公告)日：2021-11-30
申请号：CN202111288146.7
申请日：2021-11-02
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于LD‑SSD网络的交通标志检测方法，涉及计算机视觉图像识别技术领域，获取不同天气下分别包含有各个目标交通标志的图像作为样本图像，构建并训练交通标志识别网络，应用交通标志识别网络，对待识别目标图像内所含的目标交通标志进行类型识别，获得待识别目标图像中所包含各目标交通标志在待识别目标图像中的位置的输出，确定目标交通标志的交通标志类型。通过本发明的技术方案，在保证检测精度较高的同时，对模型进行轻量化处理，使模型可以部署在资源有限的嵌入式设备上，同时还提高了模型的实时性，最终实现快速准确地识别复杂天气条件下的交通标志，有效减少交通事故发生。
-
公开(公告)号：CN113296963A
公开(公告)日：2021-08-24
申请号：CN202110849361.3
申请日：2021-07-27
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种考虑用户移动性的无人机辅助的边缘计算方法，包括：建立由数字孪生驱动的无人机辅助计算网络；由无人机辅助计算网络实时反馈用户、无人机和空闲设备的实时数据、位置和状态；以降低用户总时延为目标，采用分布式深度学习求解用户的卸载策略；利用差分进化学习求解无人机的位置部署。本发明可以有效的利用孪生网络反馈用户实时数据，获得全局近优解的无人机部署和卸载策略，降低用户的处理时延。
-
公开(公告)号：CN113256754A
公开(公告)日：2021-08-13
申请号：CN202110803605.4
申请日：2021-07-16
Applicant: 南京信息工程大学
Abstract: 本发明提出了一种分割后小面积肿瘤块的堆叠投影重建方法。其中，该方法包括：步骤1，将医学影像数据降维成离散的二维切片序列，利用改进的全卷积神经网络对不同模态切片进行小面积肿瘤块的大批量分割；步骤2，对含有肿瘤的切片根据相似性指标patch校准，精确定位肿瘤块；步骤3，堆叠小面积肿瘤块图像，重复约束多栏平行滤波偏移极小角度，将校准后的小面积肿瘤块进行投影重建病体。本发明方法的目标是实现对病体的快速分割、精确定位及逆向重建，并以此显示多维结构信息，单独或组合显示肿瘤组织的分布情况与相对位置，推动影像导航微创手术等新兴医疗方案的发展。
-
公开(公告)号：CN112263224B
公开(公告)日：2021-03-23
申请号：CN202011543525.1
申请日：2020-12-24
Applicant: 南京信息工程大学
IPC: A61B5/00
Abstract: 本发明公开了一种基于FPGA边缘计算的医学信息处理方法，属于信息处理技术领域，主要用于皮肤类的医学信息处理，本发明通过拍摄皮肤病图像，并上传至FPGA边缘计算设备进行预处理，FPGA边缘计算设备使用其搭载的IR‑BNnet模型对皮肤病图像进行信息处理，同时将FPGA的信息处理结果中类别识别概率值较低的模糊处理案例再次上传到信息处理服务器，由信息处理服务器搭载的双通道模型GL‑CNN对皮肤病图像进行更精确的二次处理，二次信息处理结果分别发送到FPGA边缘计算设备和数据平台。本发明中，FPGA边缘计算设备搭载的IR‑BNnet模型和信息处理服务器搭载的双通道模型GL‑CNN能综合使用轻便型深度学习方法和复杂高精度的深度学习方法对大量的医学信息进行精确分类，提高信息处理效率。
-
公开(公告)号：CN111507319A
公开(公告)日：2020-08-07
申请号：CN202010617109.5
申请日：2020-07-01
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于深度融合卷积神经网络的农作物病害识别方法，该方法提出的IR_CNN模型由Inception v1和ResNet50中的有效模块级联而成，其可分别提取农作物病害图像多样性和深层特征，并进行融合。IR_CNN模型模块由不同分支的神经网络构成，增加了总体网络的宽度，且将全连接甚至一般的卷积都转化为稀疏连接，减小了网络的计算量。本发明结合不同网络模型的特征提取能力，可更好地获得农作物病害图像中的多样性特征和深层特征，后续将特征进行融合，通过训练学习，可更好地识别出不同农作物的多种病害类别，尤其是复杂的农作物病害，并具有较高的识别精度。
-
-
-
-
-
-
-
-
-
Search Results
129
records
(took 0.032 seconds)
