-
公开(公告)号：CN119668178A
公开(公告)日：2025-03-21
申请号：CN202510180347.7
申请日：2025-02-19
Applicant: 南京信息工程大学
IPC: G05B19/042
Abstract: 本发明公开了一种控制器硬件架构及控制方法，包括控制板、驱动板以及外部电源：所述控制板包括主控芯片、CAN网络、电源电路、采样电路以及旋变电路;所述主控芯片采用数字信号处理器以及现场可编程门阵列作为核心处理器，负责执行控制算法和数据处理；所述CAN网络包括控制器与外部设备，所述控制器与外部设备组成通信设备；所述电源电路将上述的外部电源转换为控制器内部电路所需的电压和电流，从而确保各电路正常工作。本发明与现有的技术相比的优点在于：本发明采用PID控制方法实现控制，实现成本效益高，硬件实现相对简单，成本较低的优势。
-
公开(公告)号：CN113936145B
公开(公告)日：2024-06-11
申请号：CN202111173394.7
申请日：2021-10-08
Applicant: 南京信息工程大学
IPC: G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/0895 , G06N3/092
Abstract: 本发明公开了一种基于注意力图排序的细粒度识别方法，属于计算机视觉和模式识别技术领域；首先，获取原图像特征；使用3*3卷积Conv、全局最大池化GAP和全局平均池化GMP对第三个卷积层的输出结果进行处理，将处理结果进行全连接来得到多尺度的原图像特征；然后，进行弱监督注意力学习；然后，进行定位与细化，通过边界框定位出细粒度识别区域并提取该区域的特征；然后，将注意力图按重要性排序算法进行排序，通过边界框选取出最有鉴别性的区域并提取该区域的特征；通过注意力图重要性排序算法，强化对最有鉴别性区域的学习；最后，将原图像、定位出的细粒度识别区域、选取的最有鉴别性的区域三个层面的特征进行级联。
-
公开(公告)号：CN113361623B
公开(公告)日：2024-05-14
申请号：CN202110691248.7
申请日：2021-06-22
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种轻量级CNN结合迁移学习的医学图像分类方法，包括：(1)获取医学图像数据集，并对其预处理，包括调整大小，使用高斯模糊和直方图均衡化进行增强处理，之后将预处理后的医学图像数据集按照一定比例划分得到训练集、验证集以及测试集；(2)构建预训练好的MobileNetV2网络并进行微调，对MobileNetV2网络的损失函数使用L2正则化进行处理，通过贝叶斯优化方法调整MobileNetV2网络中的超参数，之后利用训练集对MobileNetV2网络进行训练，利用验证集对MobileNetV2网络进行验证，得到重新训练好的MobileNetV2网络；(3)将测试集输入重新训练好的MobileNetV2网络，得到分类结果。本发明所述方法提高了分类精度，缩短了MobileNetV2网络的训练时间，并且对于硬件设备的要求不高，适合资源匮乏的地区使用。
-
公开(公告)号：CN117763430A
公开(公告)日：2024-03-26
申请号：CN202410024920.0
申请日：2024-01-08
Applicant: 南京信息工程大学
IPC: G06F18/241 , G06F18/25 , G06F18/213 , G06V20/60 , G06V10/44 , G06V10/54 , G06V10/77 , G06V10/82 , G06F3/01 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/096 , G06F123/02
Abstract: 本发明公开了一种视障者认知虚拟纹理的方法、系统和设备，属于机器学习和视障者数字化教育领域，包括以下步骤：在公开的纹理触觉数据库中对振动触觉信号进行预处理；搭建一个基于多源信息输入的纹理触觉重建模型，并进行训练；将纹理图像以及实时的滑动速度和按压力输入到训练好的重建模型内，生成振动触觉信号；设计基于振动加速度的纹理分类模型，并进行训练；将重建模型生成的振动触觉信号输入到分类模型内，预测纹理的类别；搭建多模态虚拟纹理认知系统，用户通过力触觉装置感受与虚拟纹理交互时的振动反馈，并收听由扬声器播报的纹理类别。本发明可帮助视障者独立完成对虚拟纹理的感知和理解，为他们认知虚拟纹理提供了新的途径。
-
公开(公告)号：CN110096818B
公开(公告)日：2023-07-25
申请号：CN201910373465.4
申请日：2019-05-06
Applicant: 南京信息工程大学
IPC: G06F30/20 , G06T17/20 , G06F119/14
Abstract: 本发明公开了一种软组织监督变形算法，包括步骤第一次数据搜索并复制、局部细化网格、第二次数据搜索并修正、网格变形。本发明中的求解状态方程步骤与机器学习相结合，通过构造目标函数，得到最优参数，以带入目标函数的形式代替循环求解，大大减少了计算量，本发明使用的最小二乘法以及梯度下降算法，得到最小化的损失函数和模型参数值，提高了精确度。
-
Patent Agency Ranking
公开(公告)号：CN112766353B
公开(公告)日：2023-07-21
申请号：CN202110040859.5
申请日：2021-01-13
Applicant: 南京信息工程大学
IPC: G06F16/583 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种加强局部注意的双分支车辆再识别方法，包括以下步骤：(1)预训练ResNet50网络，并将其最后的下采样步长设置为1；(2)利用ResNet50的Layer3、Layer4搭建上分支；(3)将Layer4提出的特征沿纵向均匀分成三个部分，对每个部分的像素做随机丢弃操作，搭建下分支；(4)用三元组与焦点损失训练双分支模型；(5)使用训练好的网络模型，提取待查询与图像库图像特征；(6)计算待查询与图像库车辆图像的相似度，返回图像库中相似度靠前的车辆图像。本发明提出双分支车辆再识别方法，上分支提取车辆全局特征，下分支加强了对局部特征的注意力，增加车辆图像特征的区分程度和辨识度，适合复杂交通场景下跨摄像头的车辆再识别，提高车辆再识别的效率。
-
公开(公告)号：CN111341449B
公开(公告)日：2023-06-23
申请号：CN202010114616.7
申请日：2020-02-25
Applicant: 南京信息工程大学
IPC: G16H50/50 , G06F30/20 , G06F111/04 , G06F119/14
Abstract: 本发明公开了一种虚拟血管介入手术训练的模拟方法，包括以下步骤：(1)使用基于点的方法对血管内部构建形变模型；(2)使用基于位置动力学法对血管内部节点施加距离约束、体积守恒约束和弹性势能守恒约束三种约束条件；(3)使用无网格移动最小二乘法构建从血管内部到血管表面的映射模型；本发明的方法不仅无需网格拓扑结构的初始划分和重构，甚至避免了采用网格法在产生大形变时的网格扭曲或畸形问题，而且考虑了血管的弹性特性和体积守恒特性，并提高了软组织形变模型的计算精度、稳定性和实时性。
-
公开(公告)号：CN116026315B
公开(公告)日：2023-06-13
申请号：CN202310284089.8
申请日：2023-03-22
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于多传感器融合的通风管道场景建模与机器人定位方法，包括双目相机、单线激光雷达、惯性测量单元和对称设置在机器人主体左右两侧的TOF测距传感器；该方法利用TOF测距传感器实时获取管道宽度数据，实现对管道机器人当前所在场景的判断；在视觉特征点稀疏的主管道场景中,通过提取雷达点云线特征和图像消失点实现机器人定位；在管径狭窄的分支管道场景中，通过提取双目相机数据中的ORB特征点进行帧间匹配实现机器人定位；根据机器人在单节管道内的定位结果计算管道长度，以拓扑的方式不断构建具有几何信息的管道地图，进而提高机器人在通风管道环境下的作业能力与工作效率。
-
公开(公告)号：CN115171485B
公开(公告)日：2023-05-23
申请号：CN202210934947.4
申请日：2022-08-04
Applicant: 南京信息工程大学
IPC: G09B21/00
Abstract: 本发明公开了一种电磁驱动式盲文显示装置，所述装置包括上框架、探针、复位弹簧、隔磁线圈、电磁线圈、磁铁、套筒、延长柱、封盖和柱头螺丝，所述上框架位于最外侧，探针位于装置顶端中间，复位弹簧位于探针上方，套筒位于封盖上方，隔磁线圈和电磁线圈位于套筒外侧，磁铁和延长柱位于套筒内侧，所述延长柱位于探针下方，并与磁铁连接，随磁铁在套筒内部左右移动。本发明装置通过延长柱斜面与探针斜面相配合，延长柱的横向位移被转化为探针的纵向位移，使盲文点克服重力并弹起，设计精巧且结构稳定性强；锁止力大、能耗低、重量轻，符合盲人阅读习惯，便于盲文显示装置的推广。
-
公开(公告)号：CN113284037B
公开(公告)日：2023-05-23
申请号：CN202110690957.3
申请日：2021-06-22
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于深度神经网络的陶瓷水印载体恢复方法，首先，基于Evo‑BiSeNet的图像分割网络，对预先获取的陶瓷三维图像进行检测，获取水印载体部位；其次，基于空间变换网络的水印载体平面化处理；最后，基于GAN的水印载体复原，恢复载体并提高水印的鲁棒性。本发明采用归一化激活层提高图像分割的实时性，利用卷积注意力机制对陶瓷表面不规则图像的细小边缘特征进一步优化提取，更有效的保留水印载体的信息；使用GAN对水印载体复原，其中包括对水印载体的鲁棒训练，提高水印的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
175
records
(took 0.033 seconds)
