-
公开(公告)号：CN119942367A
公开(公告)日：2025-05-06
申请号：CN202510414342.6
申请日：2025-04-03
Applicant: 无锡学院
IPC: G06V20/13 , G01W1/14 , G06V10/82 , G06V10/80 , G06V10/44 , G06V10/77 , G06N3/0455 , G06N3/084 , G06N3/0985 , G06V10/72
Abstract: 本发明涉及遥感图像处理与气象监测技术领域，具体为一种基于RepFNet网络的积雪覆盖度监测方法，包括：获取FY‑4A影像数据、Landsat卫星影像数据和地理辅助数据；构建适用于深度学习训练的数据集；生成高分辨率的积雪覆盖度图像；构建编码器‑解码器架构的RepFNet网络模型，集成改进的特征提取模块、动态上采样模块及自适应图通道注意力模块；确定最佳模块组合和参数配置；使用ADAM优化器结合动态学习率策略进行模型训练；通过调整超参数和对比实验，优化模型性能；利用训练完成的RepFNet模型对研究区域进行积雪覆盖度的精准反演，并结合时空滤波方法进行去云处理，确保积雪监测的准确性和稳定性。
-
公开(公告)号：CN119360325A
公开(公告)日：2025-01-24
申请号：CN202411896708.X
申请日：2024-12-23
Applicant: 无锡学院
IPC: G06V20/54 , G06V10/82 , G06V10/40 , G06V10/80 , G06V20/17 , G06V20/40 , G06V10/62 , G06N3/082 , G06N3/0464
Abstract: 基于YOLO‑Light对交通图像目标检测方法，属于图像识别技术领域，解决了现有技术对于无人机视角下的尺寸小、场景复杂且遮挡频繁的目标，容易出现漏检和误检，从而影响检测精度和目标跟踪的稳定性的问题。在YOLO‑Light的骨干，交通图像经过特征提取后，经过改进快速空间池化层再次进行特征提取，输出交通特征图；调整YOLO‑Light的骨干的最后三层通道数；在YOLO‑Light的颈部，交通特征图经过多联级的上采样、连接层和特征分解，再进行多尺度特征融合，输出多尺度的交通特征图；在YOLO‑Light的头部，多尺度的交通特征图依次输入空间注意力机制和检测头对交通目标进行检测。
-
公开(公告)号：CN119251551A
公开(公告)日：2025-01-03
申请号：CN202411250365.X
申请日：2024-09-06
Applicant: 无锡学院
IPC: G06V10/764 , G06V10/72 , G06V10/77 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/0455
Abstract: 本发明公开了一种基于自编码器的非负表示分类方法及系统，涉及图像模式分类的技术领域。所述方法包括以下步骤：获取用于图像分类的测试样本与训练样本集，并对所述训练样本集进行预处理；根据预处理后的训练样本集，提取测试样本在训练样本集上的表示系数与映射矩阵；基于所述表示系数与映射矩阵对测试样本进行分类，得到测试样本被识别为最小残差对应的类别。通过本申请所提供的方法与系统，能够同时约束子空间竞争表示项和类别表示向量，增加各类别表示向量的贡献，并且能够有效将低维非线性数据映射到高维空间，确保样本在高维特征空间中具有线性结构，有效完成对各种图像分类任务并提高图像分类的准确率。
-
公开(公告)号：CN119130925A
公开(公告)日：2024-12-13
申请号：CN202411135169.8
申请日：2024-08-19
Applicant: 无锡学院
IPC: G06T7/00 , G06T7/90 , G06T5/70 , G06V10/774 , G06V10/82 , G06V10/764 , G06V10/52 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于PeleeNet与CNN的双路径缺陷检测方法，属于半导体制造领域，尤其涉及晶圆缺陷检测技术。该发明针对现有晶圆缺陷检测方法在处理复杂几何形态及多尺度缺陷信息时存在的精度不足、特征提取能力有限等问题，提出了一种结合PeleeNet分类网络、卷积神经网络(CNN)以及SE注意力层(SE Attention Mechanism)的双路径检测模型，称为DPSE‑WDDN网络。该方法通过双路径结构分别提取多尺度特征，并自适应调整特征通道权重，从而显著提高了晶圆缺陷检测的准确性和效率。本发明适用于半导体制造中的质量控制、生产线自动化检测以及晶圆供应链中的质量评估等场景。
-
公开(公告)号：CN118886801A
公开(公告)日：2024-11-01
申请号：CN202411382722.8
申请日：2024-09-30
Applicant: 无锡学院
IPC: G06Q10/067 , G06N3/0464 , G06N3/08 , G06Q10/04 , G06Q10/0637 , G06Q50/26 , G08G1/01
Abstract: 本发明公开一种交通流预测模型的构建方法及交通流预测方法，包括如下步骤：S100、以图结构来描述网络中实体之间的关系，同时构建节点之间的特征矩阵；S200、根据图结构和特征矩阵，采用结合时空注意力机制的卷积神经网络框架，构建交通流预测模型。本发明建立一个由图网络生成层、图卷积模块和多尺度时间卷积模块三个核心组件构成的框架，由自适应动态图生成器和异构邻接关系注意力机制来生成动态邻接矩阵，并对多类邻接矩阵聚合，进而更好地利用交通节点中的交通特性，以及捕捉提取交通特征里隐含的空间特征，克服了传统方法的局限性，有效地解决了传统交通流量预测方法在智能交通系统中预测准确度度、无法反映交通网络影响等问题。
-
Patent Agency Ranking
公开(公告)号：CN118460120A
公开(公告)日：2024-08-09
申请号：CN202410546065.X
申请日：2024-05-06
Applicant: 无锡学院 , 无锡市德科立光电子技术股份有限公司
Abstract: 一种金刚石复合导热胶及其制备方法与应用，属于电子封装技术领域，在烧杯中取水玻璃溶液加入MgO搅拌得溶液A，将60μm、20μm、10μm三种粒度的金刚石粉末与溶液A搅拌得到溶液B，将溶液B放入真空干燥箱中，常温抽真空后以80℃固化12h，冷却后脱模，得到制备好的金刚石复合导热胶；通过将金刚石研磨成金刚石粉加入到导热胶中形成金刚石复合导热胶，由于金刚石硬度大且导热胶具有固化速度适中的特点，由此在导热胶固化后能够为光放大器提供稳定的结构，不会受温度因素对波导层经行挤压，这样保证了其具有很好的粘合性，能够粘合半导体光放大器中的波导层与覆盖层，光芯片的上表面和外壳等。
-
公开(公告)号：CN117233870B
公开(公告)日：2024-01-23
申请号：CN202311518550.8
申请日：2023-11-15
Applicant: 南京信息工程大学 , 无锡学院 , 南京气象科技创新研究院 , 中国人民解放军国防科技大学
IPC: G01W1/10 , G06F30/27 , G06F18/214 , G06F119/02
Abstract: 本发明公开了一种基于多气象要素的短临降水集合预报及降尺度方法，包括以下步骤：（1）收集自动气象站逐10分钟站点观测数据；生成格点场数据（2）基于格点场数据，建立用于深度学习模型训练的标准气象序列数据集，并进行归一化处理；（3）构建耦合卷积神经网络‑循环神经网络‑对抗生成神经网络的深度学习模型，利用标准气象序列数据集针对降水进行训练，并通过在网络中增加噪声，生成集合预报；（4）利用超分辨率对生成的降水预报进行降尺度，获得高时空分辨率的短临降水集合预报；本发明将卷积神经网络、循环神经网络与对抗生成神经网络结合，提高了模型的预报真实性；利用超分辨率技术，提高降水预报准确率。
-
公开(公告)号：CN117237677A
公开(公告)日：2023-12-15
申请号：CN202311518546.1
申请日：2023-11-15
Applicant: 南京信息工程大学 , 无锡学院 , 南京气象科技创新研究院 , 中国人民解放军国防科技大学
IPC: G06V10/74 , G01W1/10 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/0455 , G06T7/62 , G06T7/60 , G06T7/73
Abstract: 本发明公开了一种基于深度学习的强降水空间整体相似度的降水预报订正方法，包括以下步骤：（1）利用YOLOv5对降水属性进行识别；（2）建立基于GAN的降水预报订正模型；（3）建立基于GAN且融合降水空间特征的强降水订正模型O‑GAN；（4）将测试期的数值模式预报数据代入模型O‑GAN，生成后处理之后的降水预报；本发明有效提高了传统仅优化逐点误差模型的订正技巧；实现了从降水图片到降水雨团空间属性的“端到端”输出，提高客观识别效率；避免了传统逐点订正模型可能出现的预报模糊化问题，同时能够有效捕捉强降水特征，提高降水预报准确率。
-
公开(公告)号：CN117233870A
公开(公告)日：2023-12-15
申请号：CN202311518550.8
申请日：2023-11-15
Applicant: 南京信息工程大学 , 无锡学院 , 南京气象科技创新研究院 , 中国人民解放军国防科技大学
IPC: G01W1/10 , G06F30/27 , G06F18/214 , G06F119/02
Abstract: 本发明公开了一种基于多气象要素的短临降水集合预报及降尺度方法，包括以下步骤：（1）收集自动气象站逐10分钟站点观测数据；生成格点场数据（2）基于格点场数据，建立用于深度学习模型训练的标准气象序列数据集，并进行归一化处理；（3）构建耦合卷积神经网络‑循环神经网络‑对抗生成神经网络的深度学习模型，利用标准气象序列数据集针对降水进行训练，并通过在网络中增加噪声，生成集合预报；（4）利用超分辨率对生成的降水预报进行降尺度，获得高时空分辨率的短临降水集合预报；本发明将卷积神经网络、循环神经网络与对抗生成神经网络结合，提高了模型的预报真实性；利用超分辨率技术，提高降水预报准确率。
-
公开(公告)号：CN116962591A
公开(公告)日：2023-10-27
申请号：CN202310685128.5
申请日：2023-06-09
Applicant: 无锡学院
Abstract: 本发明公开了基于连续博弈行为空间相对位置的构造式隐写方法及系统，包括以下步骤：S1、信息隐藏：通信双方事先共同构造转换规则集合，博弈行为开局落子不同位置对应转换规则集合中不同转换规则，发送方根据转换规则将需传输的秘密信息嵌入到落子行为信息中，构建出含密图像，完成对秘密信息的隐藏；S2、信息提取：接收方根据开局落子位置判断对应的转换规则，根据转换规则从含密图像中的游戏行为获取秘密信息。本发明根据博弈游戏行为进行构造，提高了信息的隐藏性，有效抵抗计算机隐写分析，提高了通信安全性；由于博弈行为的多样性，提高了隐写的隐藏容量；基于相对位置进行信息隐藏，可以有效防止因为在本地储存或者远程访问隐写模型而暴露。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.038 seconds)
