-
公开(公告)号：CN116863223A
公开(公告)日：2023-10-10
申请号：CN202310820664.1
申请日：2023-07-05
Applicant: 南京邮电大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06V20/10 , G06V20/70 , G06N3/0464 , G06N3/048 , G06N3/045 , G06N3/084
Abstract: 本发明涉及语义注意力特征嵌入Swin Transformer网络的遥感图像场景分类的方法，属于深度学习、特征融合等遥感图像处理技术领域；首先获取遥感图场分类数据集并分为训练集、测试集和验证集，将训练集输入Swin Transformer骨干网中进行训练，将第4阶段全局特征图进行反卷积操作后得到反卷积深度语义特征图，与第3阶段特征图作为双向非对称注意力调制模块的两个输入参数，获取高层语义特征，再进行特征降维之后，引入全局平局池化层得到最终全局深度特征，并利用Softmax损失函数得到最终的场景分类结果；本发明充分顾及遥感场景图像的全局特征信息；语义注意力特征嵌入深度模型，提高融合特征的可辨识性。
-
公开(公告)号：CN114039625A
公开(公告)日：2022-02-11
申请号：CN202111353036.4
申请日：2021-11-15
Applicant: 南京邮电大学
Abstract: 本发明提供一种基于最佳跳频图的图分多址通信系统，包括发射机和接收机，发射机将输入基带信号调制为已调信号，再变换为按最佳跳频图跳频的信号，接收机采用与发射机相同的最佳跳频图将接收的跳频信号还原为输出已调信号，再解调为基带信号，最佳跳频图是对基于扩域构造的Golomb Costas序列进行二位循环移位法得到的，且具有理想的自相关和互相关特性的最佳跳频图。该种基于最佳跳频图的图分多址通信系统，能有效减小或消除多径传播和多普勒频移所产生的干扰，降低误码率，提高系统容量和通信质量。
-
公开(公告)号：CN116542922A
公开(公告)日：2023-08-04
申请号：CN202310484015.9
申请日：2023-04-28
Applicant: 南京邮电大学
IPC: G06T7/00 , G06T7/11 , G06T7/90 , G06T5/50 , G06N3/0464
Abstract: 本发明提供一种基于多层空洞卷积网络的半导体芯片焊点区域提取方法，通过将原始半导体芯片焊点图像数据集随机均分为N个批次；标注第一批次的半导体芯片焊点图像数据集；利用所标注的第一批次的半导体芯片焊点图像数据集对构建的多层空洞卷积网络模型进行模型训练，并生成当前阶段的最优模型；推理下一批次未标注的半导体芯片焊点图像数据集；直到处理过第N批次的半导体芯片焊点图像数据集，利用所有标注好的半导体焊点图像数据集进行最终的模型训练，得到最优提取模型，进行半导体芯片焊点区域提取；该方法能够在显著提升网络性能的同时减少模型参数量，能够保证数据集标注的高质量，能够有效提升半导体芯片焊点区域提取的效率和准确性。
-
公开(公告)号：CN114039625B
公开(公告)日：2023-04-07
申请号：CN202111353036.4
申请日：2021-11-15
Applicant: 南京邮电大学
Abstract: 本发明提供一种基于最佳跳频图的图分多址通信系统，包括发射机和接收机，发射机将输入基带信号调制为已调信号，再变换为按最佳跳频图跳频的信号，接收机采用与发射机相同的最佳跳频图将接收的跳频信号还原为输出已调信号，再解调为基带信号，最佳跳频图是对基于扩域构造的Golomb Costas序列进行二位循环移位法得到的，且具有理想的自相关和互相关特性的最佳跳频图。该种基于最佳跳频图的图分多址通信系统，能有效减小或消除多径传播和多普勒频移所产生的干扰，降低误码率，提高系统容量和通信质量。
-
公开(公告)号：CN114622162A
公开(公告)日：2022-06-14
申请号：CN202210247368.2
申请日：2022-03-14
Applicant: 南京邮电大学
IPC: C23C14/08 , C23C14/18 , C23C14/35 , H01L31/0224
Abstract: 本发明公开了一种耐高温透明导电复合薄膜及其制备方法和应用，本发明属于薄膜材料及薄膜光学领域，首先本发明提供了一种耐高温透明导电复合薄膜，由下至上包括玻璃衬底，35‑80nm的TiO2层，8‑11nm、掺杂比例为2％‑8％的Ag‑Pt层，40‑100nm的AZO层，最后本发明制备的复合薄膜可以经受500℃高温退火，在可见光范围内透射率高，最大透过率接近90％，并且导电性能好，方阻最小为10.8Ω.sq‑1。
-
Patent Agency Ranking
公开(公告)号：CN113206192A
公开(公告)日：2021-08-03
申请号：CN202110430005.8
申请日：2021-04-21
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于MXene/钡铁氧体的铁电忆阻器、阵列及其制备方法，其特征在于，包括多个相互平行且设有间隙的第二电极层，所述第二电极层上设有阻变层，所述阻变层包括设于第二电极层上的介质层和设于介质层上的MXene，所述介质层为钡铁氧体，所述介质层上设有多个相互平行且设有间隙的第一电极层，所述第一电极层与第二电极层之间交叉布设。本发明能够显著提高阻变层的开关特性和稳定性，使得基于MXene/钡铁氧体的铁电忆阻器能够更好的应用于多值存储，大大增加了铁电存储器的存储密度和应用范围。
-
公开(公告)号：CN118154971A
公开(公告)日：2024-06-07
申请号：CN202410340247.1
申请日：2024-03-25
Applicant: 南京邮电大学
IPC: G06V10/764 , G06V10/82 , G06V10/26 , G06V10/44 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于全卷积‑动态图网络的SAR图像分类方法，首先获取SAR图像数据，并将其输入全卷积多层级超像素分割网络，获取多层级超像素图和丰富细节特征。其次，采用超像素图转换方法将多层级超像素图转换成动态图，并计算多层级图之间的关系矩阵和图的邻接矩阵。最后，将细节特征、动态图、关系矩阵和邻接矩阵喂入动态图U‑Net网络进行特征提取，并输出分类结果。本发明的动态图U‑Net引入了残差图卷积调制融合层与注意力节点特征聚合池化层等关键技术，以提升分类效果。通过全卷积多层级超像素分割与动态图U‑Net的有机结合，充分挖掘了SAR图像的可判别空间拓扑结构信息，从而提高了分类准确性和鲁棒性。该技术具有广阔的应用前景和实用价值。
-
公开(公告)号：CN113206192B
公开(公告)日：2022-07-26
申请号：CN202110430005.8
申请日：2021-04-21
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于MXene/钡铁氧体的铁电忆阻器、阵列及其制备方法，其特征在于，包括多个相互平行且设有间隙的第二电极层，所述第二电极层上设有阻变层，所述阻变层包括设于第二电极层上的介质层和设于介质层上的MXene，所述介质层为钡铁氧体，所述介质层上设有多个相互平行且设有间隙的第一电极层，所述第一电极层与第二电极层之间交叉布设。本发明能够显著提高阻变层的开关特性和稳定性，使得基于MXene/钡铁氧体的铁电忆阻器能够更好的应用于多值存储，大大增加了铁电存储器的存储密度和应用范围。
-
公开(公告)号：CN119380059A
公开(公告)日：2025-01-28
申请号：CN202411481967.6
申请日：2024-10-23
Applicant: 南京邮电大学
IPC: G06V10/762 , G06N3/0895 , G06V10/82 , G06N3/0464 , G06V20/10
Abstract: 本发明属于高光谱图像无监督技术领域，公开了一种基于局部‑全局双分支网络的高光谱图像自监督聚类方法，包括：(1)构造3D像素块；(2)通过ResNet模块获取浅层深度特征；(3)将浅层特征注入到双路径网络模块；(4)计算局部特征与聚类中心的相似性，得到局部语义概率分布，然后得到目标分布；(5)将全局特征送入前馈神经网络得到每个像素的概率，获取全局语义概率分布；(6)通过双重自监督机制构建网络损失函数指导整个网络模型的更新。本发明通过引入双路径网络架构挖掘高光谱图像的局部细节特征以及全局语义特征，有效提高了高光谱地物的识别精度。
-
公开(公告)号：CN118587467A
公开(公告)日：2024-09-03
申请号：CN202410371409.8
申请日：2024-03-29
Applicant: 南京邮电大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/42 , G06V10/44 , G06V10/80 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种小波特征引导头选择Transformer网络的高光谱和LiDAR联合分类方法，在空间和光谱维度上同时抽取HSI和LiDAR数据在频域和空间域内的细节特征和非冗余全局上下文特征，为了更好地获取空间和光谱特征的细节信息，首先引入光谱‑空间频域特征提取模块，继而在传统Transformer编码器模块之后插入了基于头选择池化Transformer的自适应全局‑局部特征提取模块，最后，引入具有局部特征和全局类别标记的多模态特征融合分类模块，以生成最终的可辨别特征。本发明在考虑网络性能的同时，有效地降低了模型的参数量和对冗余信息的处理，缩短了模型的训练和推理的时间，大大地提升了模型性能。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.018 seconds)
