-
公开(公告)号：CN119206379A
公开(公告)日：2024-12-27
申请号：CN202411700036.0
申请日：2024-11-26
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06V20/10 , G06N3/0464 , G06N3/049 , G06N3/08
Abstract: 本发明公开了高光谱图像处理领域的一种高光谱图像分类方法，旨在解决高光谱图像中存在复杂的空间关系和纹理信息，常规的分类算法难以充分利用这些信息技术问题。其包括：脉冲神经网络能够自适应地提取更有效的特征，提高对高光谱数据的敏感性，动态阈值调整层避免人工设定固定阈值，更好地适应高光谱数据的复杂性；脉冲神经网络通过模拟生物神经系统的动态处理特性，能有效处理时空数据，特征提取层突出二值化的脉冲信号中的关键特征，从而增强关键特征的分类性能；根据每个像素的具体信息自动二值化编码为脉冲序列，具备更好的信息保真度；进而实现从高光谱图像中充分提取关键特征，实现高光谱图像的分类。
-
公开(公告)号：CN119169399A
公开(公告)日：2024-12-20
申请号：CN202411688591.6
申请日：2024-11-25
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V20/10 , G06V10/40 , G06V10/74 , G06V10/82
Abstract: 本发明公开了高光谱图像处理领域的一种高光谱图像分类方法，旨在解决难以利用高光谱图像中复杂信息导致识别准确性低技术问题。其包括：首先通过初步特征提取处理剔除无用信息；利用KAN卷积运算处理时元素之间相互学习激活的特性捕捉空间和光谱特征，并利用自适应注意力机制放大空间和光谱特征，减少无用信息对计算资源的占用；自适应注意力机制采用基于汉明距离计算查询和键之间的相似性，可以降低无用信息的不良影响；利用重聚焦卷积自适应调整特征图中每个局部区域的响应强度，通过响应强度控制特征表达，实现对图像深度细节信息的挖掘，充分利用高光谱图像中存在复杂的空间关系和纹理信息，提高分类效率和准确性。
-
Patent Agency Ranking
公开(公告)号：CN118658080B
公开(公告)日：2024-11-22
申请号：CN202411150514.5
申请日：2024-08-21
Applicant: 南京信息工程大学
IPC: G06V20/13 , G06V20/10 , G06V10/82 , G06V10/774 , G06N3/0442 , G06N3/0455 , G06N3/08 , G06N5/01
Abstract: 本发明公开了一种基于退火优化LSTM算法反演湖泊叶绿素的方法及系统，属于人工智能中的模式识别技术领域。所述方法包括获取湖泊的高光谱图像，从高光谱图像中提取每个像素点的光谱序列数据；将高光谱图像中每个像素点的光谱序列数据输入到预先训练好的基于退火优化算法优化的MHA‑LSTM模型中，预测每个像素点的叶绿素浓度；根据预测的每个像素点的叶绿素浓度，生成表示叶绿素分布的热力图。所述MHA‑LSTM模型包括依次连接的编码层、多头局部自注意力机制层、LSTM层、注意力门控机制层和输出层。本发明能够显著提高叶绿素浓度预测的准确性，在保证模型预测精度的同时，显著减少了训练时间和计算资源消耗。
-
公开(公告)号：CN118658080A
公开(公告)日：2024-09-17
申请号：CN202411150514.5
申请日：2024-08-21
Applicant: 南京信息工程大学
IPC: G06V20/13 , G06V20/10 , G06V10/82 , G06V10/774 , G06N3/0442 , G06N3/0455 , G06N3/08 , G06N5/01
Abstract: 本发明公开了一种基于退火优化LSTM算法反演湖泊叶绿素的方法及系统，属于人工智能中的模式识别技术领域。所述方法包括获取湖泊的高光谱图像，从高光谱图像中提取每个像素点的光谱序列数据；将高光谱图像中每个像素点的光谱序列数据输入到预先训练好的基于退火优化算法优化的MHA‑LSTM模型中，预测每个像素点的叶绿素浓度；根据预测的每个像素点的叶绿素浓度，生成表示叶绿素分布的热力图。所述MHA‑LSTM模型包括依次连接的编码层、多头局部自注意力机制层、LSTM层、注意力门控机制层和输出层。本发明能够显著提高叶绿素浓度预测的准确性，在保证模型预测精度的同时，显著减少了训练时间和计算资源消耗。
-
公开(公告)号：CN119206379B
公开(公告)日：2025-04-22
申请号：CN202411700036.0
申请日：2024-11-26
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06V20/10 , G06N3/0464 , G06N3/049 , G06N3/08
Abstract: 本发明公开了高光谱图像处理领域的一种高光谱图像分类方法，旨在解决高光谱图像中存在复杂的空间关系和纹理信息，常规的分类算法难以充分利用这些信息技术问题。其包括：脉冲神经网络能够自适应地提取更有效的特征，提高对高光谱数据的敏感性，动态阈值调整层避免人工设定固定阈值，更好地适应高光谱数据的复杂性；脉冲神经网络通过模拟生物神经系统的动态处理特性，能有效处理时空数据，特征提取层突出二值化的脉冲信号中的关键特征，从而增强关键特征的分类性能；根据每个像素的具体信息自动二值化编码为脉冲序列，具备更好的信息保真度；进而实现从高光谱图像中充分提取关键特征，实现高光谱图像的分类。
-
公开(公告)号：CN119169399B
公开(公告)日：2025-04-22
申请号：CN202411688591.6
申请日：2024-11-25
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V20/10 , G06V10/40 , G06V10/74 , G06V10/82
Abstract: 本发明公开了高光谱图像处理领域的一种高光谱图像分类方法，旨在解决难以利用高光谱图像中复杂信息导致识别准确性低技术问题。其包括：首先通过初步特征提取处理剔除无用信息；利用KAN卷积运算处理时元素之间相互学习激活的特性捕捉空间和光谱特征，并利用自适应注意力机制放大空间和光谱特征，减少无用信息对计算资源的占用；自适应注意力机制采用基于汉明距离计算查询和键之间的相似性，可以降低无用信息的不良影响；利用重聚焦卷积自适应调整特征图中每个局部区域的响应强度，通过响应强度控制特征表达，实现对图像深度细节信息的挖掘，充分利用高光谱图像中存在复杂的空间关系和纹理信息，提高分类效率和准确性。
-
公开(公告)号：CN215710896U
公开(公告)日：2022-02-01
申请号：CN202122096302.1
申请日：2021-09-01
Applicant: 南京信息工程大学滨江学院
IPC: B66B5/00
Abstract: 本实用新型涉及一种适用于电梯的环境安全检测系统，包括控制芯片、摄像头、语音提示模块、电梯控制模块和电源模块，所述摄像头、语音提示模块、电梯控制模块和电源模块均与控制芯片连接，所述摄像头设置于电梯内，并实时拍摄进入电梯人员的图像并将图像传递给控制芯片，控制芯片预存电梯使用人员图像且对摄像头拍摄对图像进行检测，并控制语音提示模块进行报警或控制电梯控制模块运行。该电梯系统不需要门禁卡也可对乘梯人员进行检测。
-
-
-
-
-
-
Search Results
7
records
(took 0.033 seconds)
