-
公开(公告)号：CN114444600A
公开(公告)日：2022-05-06
申请号：CN202210105376.3
申请日：2022-01-28
Applicant: 南通大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于记忆增强原型网络的小样本图像分类方法。元学习是目前解决小样本图像分类任务的主流学习范式，原型网络是其中最经典的模型，在小样本图像分类任务中取得了优良的分类性能。原型网络采用片段式学习策略在元训练数据集上对任务和数据进行双重采样来获取快速适应新任务的先验知识。然而，这种随机抽取的方式使得原型网络并不能充分利用元训练数据集中的所有信息，因此本发明在原型网络中添加记忆元件对元训练数据集中的典型样本代表进行记忆，能够端对端地充分利用元训练数据集中的先验信息对原型进行校正。
-
公开(公告)号：CN110867224B
公开(公告)日：2022-02-08
申请号：CN201911030948.0
申请日：2019-10-28
Applicant: 南通大学
IPC: G16H10/60 , G06F40/205 , G06F40/279 , G06N3/00
Abstract: 本发明公开一种用于大规模脑病历分割的多粒度Spark超信任模糊方法，首先在Spark云平台上将大规模脑病历数据属性集分割至不同的多粒度进化子种群Granu‑populationi中；设计一种基于多粒度Spark超信任模型，构建多粒度种群内不同超级精英之间信任度；调整多粒度中心阈值，对超级精英使用多粒度子种群均衡调整策略进行动态更新，对大规模脑病历进行全局搜索分割与局部精化分割，超级精英在各自区域内能协同提取知识约简子集；最后求得大规模脑病历最优分割特征集并存储至Spark云平台中。本发明能稳定分割大规模脑病历知识约简集,为脑部疾病智能诊断和辅助治疗提供重要的诊断依据。
-
公开(公告)号：CN113063791A
公开(公告)日：2021-07-02
申请号：CN202110308180.X
申请日：2021-03-23
Applicant: 南通大学
IPC: G01N21/88
Abstract: 本发明提供一种基于图像处理的布匹缺陷识别方法，包括设于印染平台上方的工业相机，工业相机实时摄取印染结果图片；布匹缺陷识别方法包括如下步骤：S1、初始化，读取第一张印染结果图片f0，由人工确认该印染结果图片是否符合要求，如符合则执行步骤S2，不符合则调整印染机继续执行步骤S1；S2、读取t时刻图片ft，将ft与ft‑1进行比较，得到两者差值dt；S3、根据步骤S2中的gt与gt‑1判断布匹是否存在移位，如存在则产生报警指令，否则执行步骤S4；S4、根据步骤S2中的dt判断是否存在错印或者漏印，如存在则产生报警指令，否则继续执行步骤S2。本发明通过工业相机实时监测印染效果，当印染出现问题时，能够及时通知工人进行处理，提高了产线的智能化和自动化程度。
-
公开(公告)号：CN112884784A
公开(公告)日：2021-06-01
申请号：CN202110267138.8
申请日：2021-03-11
Applicant: 南通大学
IPC: G06T7/11 , G06T7/136 , G06T7/194 , G06T7/13 , G06T7/168 , G06T7/62 , G06T7/66 , G06T7/73 , G06T1/00
Abstract: 本发明提供一种基于图像的镜片检测与正反面判断方法，包括如下步骤：S1、摄像头采集的托盘上镜片分布的图片作为输入图像，将输入图像进行灰度化处理，进行背景建模，计算背景模型的像素均值t，并以此为图像分割阈值；S2、将输入图像灰度化处理后，进行高斯滤波，采用霍夫变换定位图像中圆形物体，确定图像中镜片的圆心和半径；S3、根据镜片图像中的角点数量判断镜片的正反面。本发明首先针对输入图像，对背景图像进行建模，得到二值分割阈值，然后对图片进行二值图像分割，并采用霍夫变换定位到图片中光学镜片的位置，最后根据镜片图像中的角点数量来判别该光学镜片的正反面，得到托盘中镜片的位置和正反面信息，降低人工成本，提高包装效率。
-
公开(公告)号：CN110176298A
公开(公告)日：2019-08-27
申请号：CN201910469264.4
申请日：2019-05-31
Applicant: 南通大学
Abstract: 本发明公开一种用于糖尿病性眼底图像分类的核主成分谱哈希方法。该方法首先对糖尿病性眼底图像数据进行预处理和分割操作，将处理后的眼底图像数据转化为向量形式；接着采用核主成分分析算法提取出眼底图像数据中非线性特征信息；然后将数据转化为二值码形式，利用Laplace-Beltrami算子的特征值和特征函数值表示出眼底图像样本数据；最后利用阈值将样本特征函数值转化为二值码，并运用最近邻算法在汉明空间进行糖尿病性眼底图像的有效分类。本发明能充分提取出复杂非线性糖尿病性眼底图像数据特征，具有较高的分类准确率，且能有效降低大规模眼底图像分类时计算的复杂度。
-
Patent Agency Ranking
公开(公告)号：CN106599583B
公开(公告)日：2018-11-16
申请号：CN201611169445.8
申请日：2016-12-16
Applicant: 南通大学
IPC: G16H50/20
Abstract: 本发明公开了一种用于中医病历辨证诊断的属性圆盘轮转方法。该方法首先设计具有n组元素的圆盘用来存储中医病历辨证诊断属性；接着利用中医辨证诊断属性指针Ki获取辨证属性在圆盘轮转中位置D(Ki)；然后构造属性圆盘上每一对冲突地址D(Ki)与D(Kj)间相似矩阵S和中医病历诊断症状与辨证要素间相关性矩阵C(i,j)；最后构建中医病历辨证诊断规则约简最优目标模型，并采用Skowron差别矩阵原理对该模型进行辨证诊断规则属性约简，提取出诊断症状与辨证要素间相关性的最优诊断规则集。该方法能准确提取出中医病历诊断症状与辨证要素间的相关性，对开展中医病历辨证诊断的定性与定量智能分析具有较好的积极作用。
-
公开(公告)号：CN106272965B
公开(公告)日：2018-10-19
申请号：CN201610678602.1
申请日：2016-08-17
Applicant: 南通大学 , 晟唐伟业建设集团有限公司
Abstract: 本发明公开了一种建筑用搅拌机，包括壳体、竖直引料总成、搅拌轴总成、驱动机构、进水机构以及承载机构，物料通过壳体上的进料口进入壳体中，水从进水机构进入壳体，在搅拌轴的作用下实现搅拌，搅拌轴由驱动机构进行驱动，物料可以在竖直引料机构的作用下将底部物料引到上部进行充分搅拌，提升搅拌效果，并能防止物料搅拌过程中的离析现象，搅拌完成后由出料口进行卸料。本发明消除了传统装置中存在的搅拌死角，提高了的搅拌效果。本发明适合在搅拌领域中广泛应用。
-
公开(公告)号：CN107633093A
公开(公告)日：2018-01-26
申请号：CN201710934931.2
申请日：2017-10-10
Applicant: 南通大学
Abstract: 本发明公开了一种供电决策知识图谱的构建方法，具体步骤包括：1)构建事物数据库DBT；2)挖掘强关联规则；3)构建供电决策知识图谱。通过上述方式，本发明一种供电决策知识图谱的构建及其查询方法，该方法为供电决策人员提供更直观的决策参考，从而不断提高供电市场占有率，以满足供电企业的对客户快速精准服务的需要。
-
公开(公告)号：CN119904845A
公开(公告)日：2025-04-29
申请号：CN202411806509.5
申请日：2024-12-10
Applicant: 南通大学
IPC: G06V20/59 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/22 , G06V10/776
Abstract: 本发明提供了一种轻量级的驾驶员分心行为检测方法，属于计算机视觉技术领域。解决了分心驾驶检测算法模型结构复杂，参数量大，以及模型轻量化与检测精度之间的不平衡技术问题。其技术方案为：包括以下步骤：S1：采集分心驾驶行为数据图片，构建分心驾驶行为数据集；S2：以YOLOv8n模型为基础构建轻量级的分心驾驶检测网络ASU‑YOLO；S3：使用制作的分心驾驶行为数据集对构建的ASU‑YOLO网络模型进行训练，得到轻量级的分心驾驶检测模型；S4：通过训练好的模型对分心驾驶行为进行检测。本发明的有益效果为：本发明在减少算法的参数量与计算量的同时提高模型的检测精度，实现模型的轻量化，满足实时检测的需求。
-
公开(公告)号：CN115115892B
公开(公告)日：2024-09-20
申请号：CN202210855415.1
申请日：2022-07-20
Applicant: 南通大学
IPC: G06V10/764 , G06N3/0464 , G06N3/0895 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种基于生成模型与判别分类模型的图像半监督分类方法，包括以下步骤：S1、构建SVM判别分类模型，利用1000个有标签数据对模型进行训练；S2、构建生成模型，利用生成模型推测出未标签数据，得到伪标签数据；S3、将步骤S2获得的伪标签数据和步骤S1中获得的有标签数据重新训练SVM判别分类模型；S4、测试重新训练SVM判别分类模型的准确率，重复步骤S2‑S3，直至模型的准确率达到设定目标。本发明结合生成式神经网络模型与SVM判别分类模型对数字图像进行准确半监督分类，能够准确高效地对手写数字图像进行半监督分类，即利用少量标记数据便可以获得较优的分类准确率。
-
-
-
-
-
-
-
-
-
Search Results
93
records
(took 0.05 seconds)
