-
公开(公告)号：CN108613332A
公开(公告)日：2018-10-02
申请号：CN201810324427.5
申请日：2018-04-12
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种节能型建筑微区域人员交互式热舒适度调节方法，包括：将建筑物划分微区域；对划分的微区域内采集若干个用户热舒适意愿温度；将所述每个用户热舒适意愿温度加上用户热感觉标度作为反馈输入，进行训练和学习获得微区域内用户平均热舒适意愿温度并计算其方差；监测微区域环境温度，连同用户平均热舒适意愿温度及其方差作为建立的热舒适行为模型的输入，并利用联合凸优化算法对模型中热收益函数和热成本达到最优化平衡求解计算，得到最优解并根据最优解进行HVAC自适应调节，直至用户热舒适收益达到设定阈值后结束。本发明在优化用户热舒适效益的同时能够有效使用电能，达到节能的目的。
-
公开(公告)号：CN103763696A
公开(公告)日：2014-04-30
申请号：CN201410018578.X
申请日：2014-01-16
Applicant: 南京信息工程大学
CPC classification number: Y02D70/00
Abstract: 本发明公开了一种基于跨层安全压缩的节能传感器数据收集方法，利用CS跨层安全压缩方法实现高能效和安全性。该方法包括两个部分：基于CS的安全压缩方法以及跨层联合优化方法。基于CS的安全压缩法将加密及完整性检查与压缩感知相结合，确保数据的安全性和低冗余度；跨层联合优化涉及到物理层和MAC层的信源编码速率、传输功率和TDMA时隙分配几方面，利用一种非线性凸优化算法实现能量最小化。使用本发明所公开的数据收集方法可以具备较高的数据安全性、优化的能量效率化、较小的传输信息量、较小的系统复杂性。
-
公开(公告)号：CN101826885A
公开(公告)日：2010-09-08
申请号：CN201010158090.9
申请日：2010-04-28
Applicant: 南京信息工程大学
Abstract: 本发明提供了一种双通道灾害预警信息接收系统及其接收方法。本发明的系统包括手机信息预处理模块、DAB接收机信息预处理模块、适配器、手机、DAB接收机，预警信息接收方法通过卫星DAB接收和GPRS短信接收两种方式：对于城市地区，通过手机GPRS短信接收，利用移动通信网，根据地址区域归属地信息，自动识别预警区域，实现手机终端对预警信息的选择，实时、准确接收；对于农村地区，根据北斗卫星的区域参数信息，DAB接收终端自动识别预警区域地址码，实现边远地区的预警信息接收。本发明通过双通道接收模式，可最大程度的保证全国各范围内对各级各类各部门预警信息的实时、准确接收，保障广大人民群众的生命财产安全。
-
公开(公告)号：CN119251228A
公开(公告)日：2025-01-03
申请号：CN202411776956.0
申请日：2024-12-05
Applicant: 南京信息工程大学
IPC: G06T7/00 , G06V10/26 , G06V10/52 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于小样本学习的深度可解释皮肤病识别方法，属于图像处理领域，将同类或异类皮肤病图像分别输入双分支小样本对比学习网络中，对皮肤病图像的病变区域进行分割生成病变分割掩码，提取其中形状信息，并定位包含病变区域的最小正方形边框，进行裁剪缩放获得病变图像；提取两个支路病变图像对应分支的深浅特征，计算双支路深浅特征的对比损失，以优化网络参数，同时提取多尺度纹理信息；将包含形状信息、纹理信息的元数据与图像的深浅特征进行多模态融合用于皮肤病识别，通过多阶段的深度学习网络与医学诊断逻辑的结合，逐步提取并融合病变区域的形态、纹理等特征，以提高皮肤病识别的分类准确性和模型的可解释性。
-
公开(公告)号：CN117851775A
公开(公告)日：2024-04-09
申请号：CN202410011116.9
申请日：2024-01-04
Applicant: 南京信息工程大学
IPC: G06F18/20 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本发明提供公开了一种基于深度学习的北极海冰密集度预测方法，具体为，步骤1：获取北极海冰密集度数据和ERA5气象因子数据；步骤2：对气象因子数据进行预处理，步骤3：将同时刻的北极海冰密集度数据与气象因子数据在通道维度上拼接，得到多源融合数据；步骤4：将步骤3中的多源融合数据按照时间分成n组，建立特征提取网络；该特征提取网络包n个特征提取模块，步骤5：将第n组多源融合数据组输入到特征提取网络的第n个特征提取模块中，提取多源融合数据组的时空特征，步骤6：将特征提取网络的输出输入至自适应权重分配网络中，得到海冰密集度预测值。本发明解决了传统时序预测模型注意力集中在末端的问题，有效提升了预测的精确度。
-
Patent Agency Ranking
公开(公告)号：CN117746374A
公开(公告)日：2024-03-22
申请号：CN202311822572.3
申请日：2023-12-26
Applicant: 南京信息工程大学
IPC: G06V20/56 , G06V10/20 , G06V10/74 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/096
Abstract: 本发明公开了一种暗光条件下天气现象自动识别方法。首先，对夜间驾驶场景下拍摄到的暗光图像识别分类，得到道路区域增强图像和整体增强图像，学习原始图像和增强图像的共通特征，通过双通道之间的损失函数限制噪声影响。然后，在图像深层信息处理中使用通道注意力机制，关注图像的重要信息，利用迁移学习搭建辅助通道，在训练前期帮助模型拟合，还融合气象要素，生成气象数据权重向量融合进模型，提升模型的识别能力。最后，设计Result机制进行三通道的多尺度数据融合，损失函数采用交叉熵损失、分支差异损失以及亮暗双通道损失的组合函数，采用Adam优化器进行学习率优化，通过回调函数适时调整学习率，实现在夜间驾驶这种暗光条件下的天气识别。
-
公开(公告)号：CN112862837B
公开(公告)日：2023-06-23
申请号：CN202110114973.8
申请日：2021-01-27
Applicant: 南京信息工程大学
IPC: G06T7/11 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于卷积神经网络的图像处理方法和系统，将数据集中的三维脑部图像进行预处理，得到二维图像；采用堆叠分割算法对预处理后的二维图像进行分割，分割后得到感兴趣区域的图像；构建ResNet50‑II卷积神经网络，将分割后的图像分成训练集和测试集，将训练集中的图像输入到ResNet50‑II卷积神经网络进行训练；训练完成后，将测试集的图像输入ResNet50‑II神经网络进行分类。本发明的分类准确性得到了大幅提升。
-
公开(公告)号：CN115511882B
公开(公告)日：2023-03-21
申请号：CN202211396393.3
申请日：2022-11-09
Applicant: 南京信息工程大学
IPC: G06T7/00 , G06T7/11 , G06T7/62 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于病变权重特征图的黑色素瘤识别方法，包括：获取预处理后的皮肤镜图像；将皮肤镜图像输入预先训练获得的FA‑MobileNet神经网络，输出初步识别结果；对初步识别结果进行可视化，将可视化结果输入病变权重指数模块进行处理，获得病变权重特征图；将病变权重特征图再次输入所述FA‑MobileNet神经网络，输出最终识别结果。本发明基于病变权重特征图对图像进行了两次识别，同时FA‑MobileNet模型具有轻量化特点，能够获取精细的多尺度特征，有效提高了黑色素瘤识别的精度和速度。
-
公开(公告)号：CN115546257A
公开(公告)日：2022-12-30
申请号：CN202210948863.6
申请日：2022-08-09
Applicant: 南京信息工程大学
Abstract: 本发明提出了一种基于双判别器WGAN‑GP与光流法的卫星云图预测方法。首先对卫星云图数据集进行直方图均衡化处理，然后构建双判别器WGAN‑GP网络，将卫星云图序列输入生成器，利用光流法得到卫星云图的光流序列，再用编码解码器模块生成预测光流，将历史卫星云图与预测光流融合生成卫星云图的预测。将生成卫星云图与真实卫星云图一并输入判别器中训练，空间判别器与时间判别器分别对生成样本与真实样本进行评价，通过多次对抗训练使双判别器WGAN‑GP网络达到纳什均衡。最后，将历史卫星云图数据输入训练好的双判别器WGAN‑GP网络的生成器得到卫星云图预测结果。本方法能够有效减少地面背景信息对卫星云图预测任务的干扰，提高卫星云图预测的精度和效率。
-
公开(公告)号：CN115511882A
公开(公告)日：2022-12-23
申请号：CN202211396393.3
申请日：2022-11-09
Applicant: 南京信息工程大学
IPC: G06T7/00 , G06T7/11 , G06T7/62 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于病变权重特征图的黑色素瘤识别方法，包括：获取预处理后的皮肤镜图像；将皮肤镜图像输入预先训练获得的FA‑MobileNet神经网络，输出初步识别结果；对初步识别结果进行可视化，将可视化结果输入病变权重指数模块进行处理，获得病变权重特征图；将病变权重特征图再次输入所述FA‑MobileNet神经网络，输出最终识别结果。本发明基于病变权重特征图对图像进行了两次识别，同时FA‑MobileNet模型具有轻量化特点，能够获取精细的多尺度特征，有效提高了黑色素瘤识别的精度和速度。
-
-
-
-
-
-
-
-
-
Search Results
137
records
(took 0.047 seconds)
