-
公开(公告)号：CN114202649B
公开(公告)日：2025-05-13
申请号：CN202111536372.2
申请日：2021-12-15
Applicant: 南京理工大学
IPC: G06V10/24 , G06V10/764 , G06V10/82 , G06N3/08
Abstract: 本发明涉及一种基于多尺度注意力约束的目标定位方法及系统，方法包括：对训练图片进行数据增广和缩放，得到多张不同尺度的输入图片；根据输入图片利用神经网络进行预测分类，得到分类类别；根据分类类别确定交叉熵损失函数；对多张不同尺度的输入图片进行融合，确定多张不同尺度的类激活图；根据多张不同尺度的类激活图确定注意力的散度损失函数和定位结果；以多张不同尺度的输入图片为输入，以分类类别为输出，以交叉熵损失函数和散度损失函数为损失函数，利用随机梯度下降法对神经网络的参数进行训练，得到训练好的神经网络；将测试图片输入训练好的神经网络，得到定位信息，本发明通过对图片尺度进行处理从而提高目标定位的精度。
-
公开(公告)号：CN119557762A
公开(公告)日：2025-03-04
申请号：CN202411614435.5
申请日：2024-11-12
Applicant: 南京理工大学
IPC: G06F18/2415 , G06F18/213 , G06F18/21
Abstract: 本申请公开了一种面向特征分布不一致的半监督分类方法及相关装置，涉及数据分类技术领域，在该方法中，采用对抗域适应策略和改进mixup策略对半监督分类模型进行优化，进而基于标记数据集和未标记数据集各个类别的类别原型，对未标记样本的分类概率预测结果进行修正，之后基于均具有对应分类标记的标记数据集和未标记数据集，对局部优化后的半监督分类模型进行优化，得到全局优化后的半监督分类模型，可准确生成分类概率预测结果并确定分类标记。本申请上述方案所使用的特征分布不一致的数据中只使用少量标记样本，且无需保证标记样本和未标记样本特征分布一致，减少了样本标记成本，也解决了特征分布不一致数据中分类准确率低的问题。
-
公开(公告)号：CN114445662A
公开(公告)日：2022-05-06
申请号：CN202210087643.9
申请日：2022-01-25
Applicant: 南京理工大学 , 南京浩翔基础软件研究院有限公司
IPC: G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于标签嵌入的鲁棒图像分类方法及系统，涉及模式识别技术领域，该方法包括：根据鲁棒图像分类器对目标图片进行分类，得到分类结果；鲁棒图像分类器是基于原始标签图像分类损失子函数、标签学习损失子函数以及新标签图像分类损失子函数训练得到的；原始标签图像分类损失子函数表示人像区域特征图对应的预测分类结果与人像区域原始标签分类结果之间的损失值；标签学习损失子函数表示人像区域原始标签分类结果学习人像区域新标签分类结果时的损失值；新标签图像分类损失子函数表示人像区域特征图对应的预测分类结果与人像区域新标签分类结果之间的损失值。本发明能够对存储在相册管理系统中的人物图片进行快速准确分类。
-
公开(公告)号：CN107045629B
公开(公告)日：2020-06-26
申请号：CN201710256771.0
申请日：2017-04-19
Applicant: 南京理工大学
Abstract: 本发明公开一种多车道线检测方法，首先获取连续帧的彩色图像，对当前帧图像进行灰度化处理，并根据相机参数及设定的栅格地图大小，将灰度图做逆透视变换获得道路部分的栅格地图；然后根据控制点先验信息，使用泰森多边形对栅格地图进行区域划分，并对划分区域进行图像二值化处理；再根据车道线先验信息对区域分组，并且分别记录非零像素值的像素点坐标。接着使用改进的RANSAC算法对分组点集做曲线拟合获得车道线方程，最后结合车道线方程和粒子滤波算法对当前图像控制点的预测，计算出最终的车道线方程并对车道线方程做透视变换，获得原始图像中的车道线方程。本发明提出的方法对车道线检测精度高、鲁棒性好，可同时完成多车道线检测。
-
公开(公告)号：CN108647726A
公开(公告)日：2018-10-12
申请号：CN201810450932.4
申请日：2018-05-11
Applicant: 南京理工大学
IPC: G06K9/62
Abstract: 本发明公开了一种图像聚类方法，利用了由图像数据构成的拉普拉斯矩阵的特征向量。本发明可以自动地挑选出包含聚类信息的特征向量，并且自动地确定线性组合的系数将其线性组合，得到原始图像数据的一种具有区分性的表示。在该表示中，原始图像数据的近邻结构信息被很好地保持。这样便可以稳健地获得图像数据的有效信息，筛除冗余信息。最后对图像数据的新表示进行k-均值聚类，便可以实现图像准确聚类的目的。
-
Patent Agency Ranking
公开(公告)号：CN119494989A
公开(公告)日：2025-02-21
申请号：CN202510041036.2
申请日：2025-01-10
Applicant: 南京理工大学
IPC: G06V10/764 , G06N3/08 , G06V10/82 , G06V20/10
Abstract: 本发明公开了一种基于原型对齐的高光谱图像主动域适应分类方法，所述分类方法包括三个阶段。在第一阶段，为置信的目标域样本分配伪标签并得到目标域原型的特征表示，在源域和目标域原型的交互引导下初步对齐域之间的分布；在第二阶段，选择域偏移下潜在最有价值的目标域样本并由专家进行标注；在第三阶段，采样具有平衡类别分布的目标域样本进行自训练。本发明能够利用有限的标注预算有效地提升目标域上的分类性能，具有显著的成本效益，同时缓解高光谱图像中普遍存在的类别不平衡问题。
-
公开(公告)号：CN114898092A
公开(公告)日：2022-08-12
申请号：CN202210396418.3
申请日：2022-04-15
Applicant: 南京理工大学
Abstract: 本发明提出了一种用于空间目标同步检测与分割的方法，采用ResNet‑FPN提取出多层不同尺度的特征图，并对多层不同尺度的特征图进一步做融合，在不同尺度特征图上融合所有层的特征，尽可能保留浅层网络的边缘形状等信息和深层网络的语义信息，最后获得的特征表达能力更强，应对小物体遗漏、几何变换、图像退化等问题效果更鲁棒；设计多分类损失FocalLoss作为组件分类检测时的损失函数，以避免挖掘困难样本时，类别样本不均的问题，在不损失推理速率的前提下，对空间目标的检测和分割效果皆能保持稳定。
-
公开(公告)号：CN114898092B
公开(公告)日：2025-05-06
申请号：CN202210396418.3
申请日：2022-04-15
Applicant: 南京理工大学
Abstract: 本发明提出了一种用于空间目标同步检测与分割的方法，采用ResNet‑FPN提取出多层不同尺度的特征图，并对多层不同尺度的特征图进一步做融合，在不同尺度特征图上融合所有层的特征，尽可能保留浅层网络的边缘形状等信息和深层网络的语义信息，最后获得的特征表达能力更强，应对小物体遗漏、几何变换、图像退化等问题效果更鲁棒；设计多分类损失FocalLoss作为组件分类检测时的损失函数，以避免挖掘困难样本时，类别样本不均的问题，在不损失推理速率的前提下，对空间目标的检测和分割效果皆能保持稳定。
-
公开(公告)号：CN119579847A
公开(公告)日：2025-03-07
申请号：CN202510123236.2
申请日：2025-01-26
Applicant: 南京理工大学
IPC: G06V10/20 , G06N3/0464 , G06N3/048 , G06V10/143 , G06V10/42 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于频域分解网络的多光谱遥感图像全色锐化方法，所述方法构建一种频域分解与域泛化网络，所述网络包含三个核心模块：动态卷积低频提取模块、高频保持模块、光谱增强模块；并提出一种域泛化训练策略，采用类生成对抗网络结构，并引入对抗损失函数；通过故意误分配域标签，引导生成器在判别器的监督下实现更好的跨域泛化能力。本发明有效捕捉不同尺度的信息，提升了融合图像的质量，实现对不可见卫星数据的精准融合。
-
公开(公告)号：CN108647726B
公开(公告)日：2022-03-22
申请号：CN201810450932.4
申请日：2018-05-11
Applicant: 南京理工大学
IPC: G06K9/62 , G06V10/762
Abstract: 本发明公开了一种图像聚类方法，利用了由图像数据构成的拉普拉斯矩阵的特征向量。本发明可以自动地挑选出包含聚类信息的特征向量，并且自动地确定线性组合的系数将其线性组合，得到原始图像数据的一种具有区分性的表示。在该表示中，原始图像数据的近邻结构信息被很好地保持。这样便可以稳健地获得图像数据的有效信息，筛除冗余信息。最后对图像数据的新表示进行k‑均值聚类，便可以实现图像准确聚类的目的。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.02 seconds)
