-
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：CN114186572A
公开(公告)日：2022-03-15
申请号：CN202111309924.6
申请日：2021-11-08
Applicant: 南京信息工程大学
IPC: G06K7/10
Abstract: 本发明公开了一种基于冲突时隙协调的未知标签识别方法及系统，能够提高系统的识别效率和稳定性，避免已知标签对未知标签的干扰，该方法包括：通过阅读器获取其识别范围内的标签信息，通过时隙帧匹配识别的结果得到每个时隙的状态；对于预期单一时隙的标签，若实际映射结果依旧是单一时隙，通过向标签发送命令进行抑制；对于预期空闲时隙的标签，若实际映射结果变为单一时隙，对标签进行识别；对于预期冲突时隙的标签，并进行第二次时隙帧匹配识别；若发生冲突的标签匹配的结果是唯一不同的值，进行标签识别；若发生冲突的标签匹配的结果有相同的值，设置为参与下一轮的识别；重复执行上述步骤，直至识别范围内的标签全部识别完毕。
-
公开(公告)号：CN119557870A
公开(公告)日：2025-03-04
申请号：CN202411734548.9
申请日：2024-11-29
Applicant: 南京信息工程大学
IPC: G06F21/45 , G06F18/214 , G06K17/00 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于相位相关性的RFID标签阵列认证方法，包括模型训练阶段和阵列认证阶段，模型训练阶段：收集并处理从常规标签阵列接收的相位序列，选择常规标签阵列中每个标签的最优标签组合；根据最优标签组合计算常规相位差序列，再根据替换机制构建受到攻击的标签阵列的相位差序列；设计神经网络，将常规相位差序列和受到攻击的标签阵列的相位差序列作为神经网络的输入进行训练，阵列认证阶段：收集并处理待认证标签阵列的相位序列，根据最优标签组合计算待认证相位差序列，输入到神经网络，得到认证结果。本发明可防御克隆攻击、模拟信号攻击和部署篡改攻击，认证精度高、部署成本低，提高了基于标签阵列的感知的安全性。
-
公开(公告)号：CN118781553B
公开(公告)日：2024-11-29
申请号：CN202411274223.7
申请日：2024-09-12
Applicant: 南京信息工程大学
IPC: G06V20/52 , G06V20/40 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于双分支时空交互网络的视频人群计数方法，包括步骤：通过随机剪裁和水平翻转，对连续的训练视频帧进行数据增强；构建由编码器、解码器和融合网络组成的双分支时空交互网络；编码器包括一个ConvNeXt‑2D模型、一个ConvNeXt‑3D模型和一个时空全连接聚合；解码器通过集成多个通道交叉注意力模块和转置卷积在多个尺度上实现2D空间特征和3D时空特征的交互，并分别生成ConvNeXt‑2D模型和ConvNeXt‑3D模型的人群密度图；融合网络通过融合两模型的人群密度图来输出最终融合的人群密度图；对双分支时空交互网络进行训练后，保存最优模型。本发明能够更准确地估计视频帧包含的人数。
-
公开(公告)号：CN117237787A
公开(公告)日：2023-12-15
申请号：CN202311509346.X
申请日：2023-11-14
Applicant: 南京信息工程大学
IPC: G06V10/82 , G06V10/22 , G06V10/24 , G06V10/44 , G06V10/10 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于双层强化网络的被动篡改检测方法，双层强化网络由两部分组成：即篡改定位强化网络和篡改边缘强化网络；其方法过程为：通过主干网络编码器提取篡改图像的初始特征；将初始特征输入到篡改检测定位强化网络中，得到全局关系特征；将初始特征和全局关系特征输入到主干网络中进行解码，并输出初步检测结果；通过篡改检测边缘强化网络得到篡改图像的边缘局部关系特征；将边缘局部关系特征和初步检测结果输入到主干网络中进行解码，得到最终篡改检测结果。本发明所公开的篡改检测定位强化网络能够对篡改区域进行精准定位，并设计篡改检测边缘强化网络实现对篡改区域边缘进行精确检测。
-
Patent Agency Ranking
公开(公告)号：CN114186571B
公开(公告)日：2023-06-09
申请号：CN202111309923.1
申请日：2021-11-08
Applicant: 南京信息工程大学
IPC: G06K7/10
Abstract: 本发明公开了一种基于特征组的查询树多标签并发识别方法及系统，其根据标签返回的数据串的特征将整个数据串空间划分为多个互不相交的子集，每个子集包含若干个不同的数据串，子集中的每个数据串可以视为一个完整标签ID或部分ID，且每个子集都对应的唯一的查询前缀，该前缀的长度固定，不会随着碰撞发生的实际位置动态增长，当来源于同一个子集的多个数据串同时返回时，读写器可以在一个时隙中同时识别它们，消除了传统方法中碰撞时隙无法被充分利用的问题，极大的加快了查询速度，有效的减少了查询次数，提高了查询效率，减少了信息的传输量。
-
公开(公告)号：CN119863725A
公开(公告)日：2025-04-22
申请号：CN202510039781.3
申请日：2025-01-10
Applicant: 南京信息工程大学
IPC: G06V20/17 , G06N3/0464 , G06N3/08 , G06V10/25 , G06V10/40 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于YOLO‑LiteMax神经网络的无人机目标检测方法，在不增加模型参数量的情况下进行密集小目标的识别，步骤包括：在主干网络中通过选择卷积模块将C2f模块中的Bottleneck替换为FasterNet块，减少特征图冗余信息；在颈部网络对不同尺度的特征图进行差异化处理，再通过增加大尺度特征图的方式突出小目标信息，得到小目标的局部细节；在头部网络使用组归一化和共享卷积进一步提取特征，识别目标物体图片中的密集小目标。本发明无人机目标检测方法，有效增强了无人机对密集小目标物体的检测能力，提高了检测精度，在保持效率的同时增强其在复杂环境中的鲁棒性。
-
公开(公告)号：CN114186572B
公开(公告)日：2023-07-25
申请号：CN202111309924.6
申请日：2021-11-08
Applicant: 南京信息工程大学
IPC: G06K7/10
Abstract: 本发明公开了一种基于冲突时隙协调的未知标签识别方法及系统，能够提高系统的识别效率和稳定性，避免已知标签对未知标签的干扰，该方法包括：通过阅读器获取其识别范围内的标签信息，通过时隙帧匹配识别的结果得到每个时隙的状态；对于预期单一时隙的标签，若实际映射结果依旧是单一时隙，通过向标签发送命令进行抑制；对于预期空闲时隙的标签，若实际映射结果变为单一时隙，对标签进行识别；对于预期冲突时隙的标签，并进行第二次时隙帧匹配识别；若发生冲突的标签匹配的结果是唯一不同的值，进行标签识别；若发生冲突的标签匹配的结果有相同的值，设置为参与下一轮的识别；重复执行上述步骤，直至识别范围内的标签全部识别完毕。
-
公开(公告)号：CN114186571A
公开(公告)日：2022-03-15
申请号：CN202111309923.1
申请日：2021-11-08
Applicant: 南京信息工程大学
IPC: G06K7/10
Abstract: 本发明公开了一种基于特征组的查询树多标签并发识别方法及系统，其根据标签返回的数据串的特征将整个数据串空间划分为多个互不相交的子集，每个子集包含若干个不同的数据串，子集中的每个数据串可以视为一个完整标签ID或部分ID，且每个子集都对应的唯一的查询前缀，该前缀的长度固定，不会随着碰撞发生的实际位置动态增长，当来源于同一个子集的多个数据串同时返回时，读写器可以在一个时隙中同时识别它们，消除了传统方法中碰撞时隙无法被充分利用的问题，极大的加快了查询速度，有效的减少了查询次数，提高了查询效率，减少了信息的传输量。
-
公开(公告)号：CN118781553A
公开(公告)日：2024-10-15
申请号：CN202411274223.7
申请日：2024-09-12
Applicant: 南京信息工程大学
IPC: G06V20/52 , G06V20/40 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于双分支时空交互网络的视频人群计数方法，包括步骤：通过随机剪裁和水平翻转，对连续的训练视频帧进行数据增强；构建由编码器、解码器和融合网络组成的双分支时空交互网络；编码器包括一个ConvNeXt‑2D模型、一个ConvNeXt‑3D模型和一个时空全连接聚合；解码器通过集成多个通道交叉注意力模块和转置卷积在多个尺度上实现2D空间特征和3D时空特征的交互，并分别生成ConvNeXt‑2D模型和ConvNeXt‑3D模型的人群密度图；融合网络通过融合两模型的人群密度图来输出最终融合的人群密度图；对双分支时空交互网络进行训练后，保存最优模型。本发明能够更准确地估计视频帧包含的人数。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.023 seconds)
