公开(公告)号：CN115439694A

公开(公告)日：2022-12-06

申请号：CN202211135259.8

申请日：2022-09-19

Applicant: 南京邮电大学

Inventor： 张登银 ,  冯莹莹 ,  黄丽 ,  严伟丹

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的高精度点云补全方法及装置，包括：在特征提取模块引入动态核卷积PAConv，可以根据每个点与其邻域点的位置关系学习权重系数，并组合权重矩阵自适应地构建卷积内核。在特征融合模块添加了空间注意力机制，有助于解码器更好学到多种特征之间的相互关系，从而更好的表示这些特征信息。鉴别器模块包含全局和局部注意力鉴别器模块，利用多层全连接进行分类，分别从整体和局部来判断生成结果是否符合真实点云分布，进而优化生成结果。从而提高点云补全的精度，得到完整准确的点云补全结果，这也为点云分割、分类、物体识别以及点云重建等诸多下游任务的顺利进行提供了保障。

公开(公告)号：CN115719457A

公开(公告)日：2023-02-28

申请号：CN202211481338.4

申请日：2022-11-24

Applicant: 南京邮电大学

Inventor： 张登银 ,  邱宇 ,  冯莹莹

IPC: G06V20/17 ,  G06V10/44 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开了一种基于深度学习的无人机场景下小目标检测的方法，所述方法包括：将无人机拍摄的画面输入预先训练的基于Unet型网络结构的生成器中，输出正常光线的图像；将正常光照的图像输入目标检测网络中，输出多个多维矩阵特征图，所述目标检测网络以卷积块Self‑Block为基础融合了通道注意力机制和空间注意力机制，采用7*7的大卷积核；将多个多维矩阵特征图输入特征金字塔BiFPN‑S模块进行特征融合，输出相应的多个特征图用于预测不同尺寸的目标。

公开(公告)号：CN117391968A

公开(公告)日：2024-01-12

申请号：CN202311332176.2

申请日：2023-10-16

Applicant: 南京邮电大学

Inventor： 张登银 ,  严伟丹 ,  周超 ,  英俊豪 ,  冯莹莹 ,  刘艺

IPC: G06T5/00 ,  G06N3/0455 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种人脸图像复原方法、系统、存储介质及设备，上述方法采用的复原模型，从人脸结构化信息出发，根据待复原的人脸图像的特征生成结构化的人脸图，通过结构化的人脸图和解码器进行人脸图复原，可改善基于传统卷积操作难以捕捉以及学习结构化信息的问题，提升人脸复原的数值精度以及丰富可视化效果。

公开(公告)号：CN116152107A

公开(公告)日：2023-05-23

申请号：CN202310176162.X

申请日：2023-02-28

Applicant: 南京邮电大学

Inventor： 张登银 ,  张莹 ,  冯莹莹 ,  邱宇

IPC: G06T5/00 ,  G06T5/50 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明属于计算机视觉图像去雾领域，公开了一种基于细节恢复的单幅图像去雾方法，该方法包括步骤1：构建训练用数据集；步骤2：搭建实现图像初步去雾的主干去雾网络：基于U‑Net网络模型，在编码区域引入了基于像素注意力机制的残差模块，在解码区域引入了增强模块；步骤3：搭建实现图像细节恢复的细节恢复网络，引入残差收缩模块和空间注意力机制；步骤4：训练由所述主干去雾网络和所述细节恢复网络构成的整体网络模型；步骤5：测试。本发明可以在有效去雾的同时改善边缘细节信息丢失的问题，减少去雾图像边缘的晕影，生成更高质量的去雾图像。