-
公开(公告)号：CN118447256B
公开(公告)日：2024-10-18
申请号：CN202410903539.1
申请日：2024-07-08
Applicant: 南京信息工程大学
IPC: G06V10/26 , G06V10/764 , G06V10/82 , G06V20/70 , G06N3/045 , G06N3/0895 , G06N3/094 , G06V10/774
Abstract: 本发明公开了一种基于强弱一致性的半监督对抗互训练语义分割方法，包括以下步骤：（1）获取开源网站Pascal VOC2012数据集体并进行预处理；（2）构建基于改进的deeplabV3+差异特征一致性融合伪标签分支监督分割网络并进行训练，包括：快速增强网络和重度增广网络；（3）输出分割图；本发明使用互训练的思想构建了一个基于强弱一致性的对抗联合训练架构方法，用于半监督语义分割，不仅拥有很好的端对端训练，而且在训练中使用了互训练的方法，两个分支相互监督避免了确认偏差的影响，且特征对抗的思想更是强制让模型拥有更强的泛化能力，强弱一致性也让模型能够在图像包含较少有效信息的情况下有很好的性能。
-
公开(公告)号：CN112435232A
公开(公告)日：2021-03-02
申请号：CN202011318668.2
申请日：2020-11-23
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于哈尔小波结合图像方差的疵点检测方法，首先，利用中值滤波抑制噪声，利用HW对图像进行增强，从而得到一个预处理图像；其次，基于预处理图像，对图像进行分块，统计每个图像块的方差，通过方差结合阈值将图像块分为带疵点图像块和不包含疵点的图像块；然后，设定阈值，对图像块的方差进行二值化处理，得到二值化处理后的图像块；最后，对二值化处理后的图像块进行合成，得到疵点检测图像。本发明通过中值滤波有效抑制了噪声，通过哈尔小波增大了疵点与图像背景的灰度值差异，不仅能准确检测出布料中的常见疵点，同时对灰度值与布料背景差异很小的疵点非常有效，从而提高布料疵点检测效率，降低误检率。
-
公开(公告)号：CN108322276B
公开(公告)日：2021-02-19
申请号：CN201810050534.3
申请日：2018-01-18
Applicant: 南京信息工程大学
IPC: H04B17/382 , H04B17/309
Abstract: 本发明公开了一种基于D‑S证据理论的频谱感知准确率提升技术，首先根据认知用户的历史感知数据，计算认知用户在历史行为中的可信度值，从而剔除那些可信度低于一定阈值的认知用户选出具有代表性的认知用户参与频谱感知。根据历史数据筛选出来的认知用户，结合D‑S证据理论方法，再次从代表性认知用户中选择更适合的认知用户参与频谱感知，从而可以判断当前信道的可用性。本发明能够有效地减少频谱感知过程中的能量消耗，同时有效地提高了频谱感知的准确率。
-
公开(公告)号：CN119849651A
公开(公告)日：2025-04-18
申请号：CN202510318639.2
申请日：2025-03-18
Applicant: 南京信息工程大学
IPC: G06N10/60 , G06N10/20 , G06N3/082 , G06N3/0464
Abstract: 本发明公开了一种基于混合量子经典极深因子分解机的点击率预测方法，包括以下步骤：（1）获取开源数据集并进行预处理，划分训练集、测试集；（2）构建新型混合量子经典极深因子分解机HQCxDeepFM模型，并利用预处理后的数据集进行训练；（3）利用sigmoid激活函数得到最终的预估结果；本发明提升CTR模型的计算能力并降低模型复杂度，同时提高CTR预测性能。
-
公开(公告)号：CN118037733B
公开(公告)日：2024-06-07
申请号：CN202410438275.7
申请日：2024-04-12
Applicant: 南京信息工程大学
IPC: G06T7/00 , G06T7/11 , G06T5/50 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于距离信息驱动的复杂工业图像异常检测方法及装置，方法为将待检测图像输入训练好的图像异常检测模型，获得异常定位图。本发明通过确定待检测物体中心并生成距离表示图像，可以学习物体每一块区域的特征分布，将不符合这种分布的区域判定为异常，能够有效的定位出复杂图片中每一个待检测物体的位置，并且能检测和定位出每一个待检测物体上可能存在的异常；在训练时不使用任何真实的异常图像，通过引入大模型对待检测物体进行分割，在获取了真实物体分割图像的同时指导小型分割模型的训练，以便在测试阶段摆脱对大模型的依赖，以较低的成本使模型同时具有分割待检测物体和物体上异常的能力。
-
Patent Agency Ranking
公开(公告)号：CN117809123A
公开(公告)日：2024-04-02
申请号：CN202410227319.1
申请日：2024-02-29
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/26 , G06F16/51 , G06F16/532 , G06F16/583 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种双阶段图像的异常检测与重构方法及系统，方法包括：将输入图像输入至预设的图像分割模型获得异常掩码图#imgabs0#；将所述异常掩码图#imgabs1#中的伪异常区域所对应在输入图像的区域记为可疑异常区域#imgabs2#；将输入图像的可疑异常区域#imgabs3#替换为相似图像对应的区域获得叠加图像#imgabs4#；对叠加图像#imgabs5#进行灰度化处理后输入预设的图像重构模型获得重构图像#imgabs6#；逐像素比较重构图像#imgabs7#与输入图像之间的差异获得异常得分，根据异常得分对输入图像的异常区域进行定位和判断；本发明不仅可以重构正常图片细节，还可以有效重构大面积的异常，进而增加整体的异常检测精度。
-
公开(公告)号：CN113255493A
公开(公告)日：2021-08-13
申请号：CN202110533314.8
申请日：2021-05-17
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种融合视觉词和自注意力机制的视频目标分割方法，属于计算机视觉技术领域。该方法包括如下步骤：首先利用固定数量的视觉词来表示感兴趣的目标，即使一个对象作为一个整体可能会受到遮挡，变形，视点变化或者从同一视频中消失并重新出现，但其某些局部部分的外观仍会保持一致，因此使用视觉词可以实现更鲁棒的匹配。然后，我们将自注意力机制用于视觉单词匹配生成的相似图，以捕获不同相似图之间的依赖关系。最后，为了解决目标对象的外观变化和视觉词不匹配问题，提出了在线更新和全局匹配机制进一步提高准确率。本发明在部分视频场景中分割精度超出同类算法，同时分割效率有明显的提升。
-
公开(公告)号：CN114037684B
公开(公告)日：2024-06-14
申请号：CN202111316595.8
申请日：2021-11-08
Applicant: 南京信息工程大学
IPC: G06T7/00 , G06V10/40 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08 , G01D21/02
Abstract: 本发明公开了一种基于yo1ov5和注意力机制模型的疵点检测方法，包括：基于yo1ov5网络和注意力机制模型构建疵点检测模型；对导入的工业疵点图像进行预处理，将预处理图像导入疵点检测模型，得到形状不同的三个输出特征层；对形状不同的三个输出特征层进行预测，生成边界框并预测类别；对图像上疵点的类别和疵点的位置信息进行显示，得到疵点检测图像。本发明可以有效的提高模型对空间特征和通道特征的学习，通过检测头可以实现对不同大小的疵点进行检测，提高了对于大疵点的检测效果，从而提高检测效率，解决了当前工业疵点检测算法很难同时保证检测算法的准确率及实时性。
-
公开(公告)号：CN118037733A
公开(公告)日：2024-05-14
申请号：CN202410438275.7
申请日：2024-04-12
Applicant: 南京信息工程大学
IPC: G06T7/00 , G06T7/11 , G06T5/50 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于距离信息驱动的复杂工业图像异常检测方法及装置，方法为将待检测图像输入训练好的图像异常检测模型，获得异常定位图。本发明通过确定待检测物体中心并生成距离表示图像，可以学习物体每一块区域的特征分布，将不符合这种分布的区域判定为异常，能够有效的定位出复杂图片中每一个待检测物体的位置，并且能检测和定位出每一个待检测物体上可能存在的异常；在训练时不使用任何真实的异常图像，通过引入大模型对待检测物体进行分割，在获取了真实物体分割图像的同时指导小型分割模型的训练，以便在测试阶段摆脱对大模型的依赖，以较低的成本使模型同时具有分割待检测物体和物体上异常的能力。
-
公开(公告)号：CN117809123B
公开(公告)日：2024-05-14
申请号：CN202410227319.1
申请日：2024-02-29
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/26 , G06F16/51 , G06F16/532 , G06F16/583 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种双阶段图像的异常检测与重构方法及系统，方法包括：将输入图像输入至预设的图像分割模型获得异常掩码图#imgabs0#；将所述异常掩码图#imgabs1#中的伪异常区域所对应在输入图像的区域记为可疑异常区域#imgabs2#；将输入图像的可疑异常区域#imgabs3#替换为相似图像对应的区域获得叠加图像#imgabs4#；对叠加图像#imgabs5#进行灰度化处理后输入预设的图像重构模型获得重构图像#imgabs6#；逐像素比较重构图像#imgabs7#与输入图像之间的差异获得异常得分，根据异常得分对输入图像的异常区域进行定位和判断；本发明不仅可以重构正常图片细节，还可以有效重构大面积的异常，进而增加整体的异常检测精度。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.03 seconds)
