-
公开(公告)号：CN118351415A
公开(公告)日：2024-07-16
申请号：CN202410402201.8
申请日：2024-04-03
Applicant: 南京邮电大学
IPC: G06V10/82 , G06V10/44 , G06V10/52 , G06V10/74 , G06V10/774 , G06V10/80 , G06V40/10 , G06V20/52 , G06N3/0455 , G06N3/0464 , G06N3/0495 , G06N3/096 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种基于知识蒸馏的视频场景下行人重识别的轻量化方法，包括如下步骤：S1.下载视频场景下的数据集MARS和iLIDS‑VID，并处理；S2.对教师模型PiT进行训练；S3.构建参数量较小的学生模型TinyViT，并在模型中插入卷积注意力模块MCT；S4.对学生模型进行蒸馏学习。本发明克服了现有模型在行人重识别下参数量较大，训练数据要求高的不足，通过对大模型进行蒸馏学习的方法，在保持较高性能的同时，显著减少了模型的参数量，使得在资源受限的环境下仍具有较好的计算效率。
-
公开(公告)号：CN113806923B
公开(公告)日：2023-12-22
申请号：CN202110991468.1
申请日：2021-08-26
Applicant: 南京邮电大学
IPC: G06F30/20 , G16H20/10 , G06F119/02
Abstract: 本发明揭示了一种基于nlmixr包的药动学‑药效学模型超参数自动学习方法及装置，该方法包括以下步骤：S1：基于nlmixr软件包构建药动学‑药效学模型；S2：确定超参数空间；S3：结合机器学习算法来获得候选超参数集合，S4：交叉验证机制；S5：包括已取得最佳结果的超参数的组合评分及提供优化过程期间观察到的最好的评分。本技术方案首先通过nlmixr软件包进行药动‑药效学模型的构建，接着确定模型的超参数空间，并进行药动学‑药效学超参数的初始估计，再结合机器学习相关算法实现初始超参数的自动调优。
-
公开(公告)号：CN112085772B
公开(公告)日：2022-10-18
申请号：CN202010854930.9
申请日：2020-08-24
Applicant: 南京邮电大学
Abstract: 本发明公开一种遥感图像配准方法及装置，所述方法包括如下步骤：通过采用选择性搜索算法分别提取参考图像B和配准图像A的显著图像块；经过采用非极大值抑制方法筛选后获得待配准图像和参考图像中显著区域；MatchNet进行配对，经过MatchNet的配对之后，获得待配准图像和参考图像中的未经匹配的图像块集合；通过采用尺度不变特征变换算法获得对图像块映射矩阵集合；使用随机抽样一致算法，求得映射矩阵的预测值；让该映射矩阵和待配准图像相乘得到配准后的图像，得到最终的配准图像。本发明提出图像‑特征‑特征点的匹配思想，参考图像的特征点的描述信息只在待匹配图像的配对图像块中的特征点的描述信息中进行匹配，降低了匹配错误率。
-
公开(公告)号：CN115131601A
公开(公告)日：2022-09-30
申请号：CN202210498978.X
申请日：2022-05-09
Applicant: 南京邮电大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06K9/62
Abstract: 本发明涉及一种面向易混淆类的动态类间距域自适应方法，包括：抽取目标域样本构成目标域batch送入特征提取器和多分类器对输出值进行熵最小化操作；提取特征送入多二分类器根据输出确定k个临界样本以及k对相似类建立易混淆类对集合；在易混淆类集合中根据易混淆类对在多二分类器的输出最大值和次大值的差值计算易混淆类对应的类间差值；源域batch送入特征提取器，将提取特征送入到多分类器进行监督训练；根据源域batch中样本的类别信息和易混淆类的类间距值计算损失函数，回溯优化模型参数；将目标域batch和源域batch送入域对抗网络进行域对齐操作。本发明有效提高无监督域自适应网络对于目标域相似类样本的判别能力。
-
公开(公告)号：CN112819098A
公开(公告)日：2021-05-18
申请号：CN202110220887.5
申请日：2021-02-26
Applicant: 南京邮电大学
Abstract: 本发明提供了一种基于三元组和差额度量的域自适应方法，从目标域随机抽取样本，形成目标域batch，输入特征提取器获得样本特征；将样本特征输入至多分类器，进行熵最小化处理；同时输入至多二分类器，根据输出确定k个临界样本以及k对相似类；然后利用三元组损失triplet loss筛选有效样本构建源域batch，通过提取好的源域batch样本训练多二分类器和多分类器；最后将目标域batch和源域batch送入域对抗网络，进行域对齐操作；本发明通过使用三元组损失函数，并且合理设计该损失中正负样本对之间的差额margin，利用域对抗网络进行域对齐，使得源域和目标域的样本分布趋于一致，间接地让目标域靠近分类边界的样本远离边界，以使得能够将目标域靠近分类边界的样本进行正确分类。
-
Patent Agency Ranking
公开(公告)号：CN111832640A
公开(公告)日：2020-10-27
申请号：CN202010621074.2
申请日：2020-06-30
Applicant: 南京邮电大学
IPC: G06K9/62
Abstract: 本发明提出了一种域自适应中基于二分类器检测目标域相似类的方法，包括以下步骤：步骤1：使用源域样本对特征提取器和多二进制分类器进行训练；步骤2：在特征空间上训练对抗生成对齐网络，使目标域样本对齐源域样本；步骤3：观察目标域样本在多二进制分类器上的输出，找出相似的类，同时用TSNE进行降维来验证找到的相似的类；步骤4：利用现有的距离度量学习算法，在度量空间中拉开源域中相似类的距离，然后重新让目标域对齐源域，从而间接拉开了目标域相似类之间的距离，本发明以方便直观可靠的方法找到目标域中相似的类，然后在度量空间上加大相似类之间的距离，以便分类器能准确分类降低误差。
-
公开(公告)号：CN111538649A
公开(公告)日：2020-08-14
申请号：CN202010194600.1
申请日：2020-03-19
Applicant: 南京邮电大学
IPC: G06F11/36
Abstract: 本发明公开了一种基于selenium测试工具的web应用系统自动化测试的方法，该方法包括：分析待研究web应用系统的功能，构建系统功能流程图；将所述待研究web应用系统中的每一个网页看作是一个状态，根据所述系统功能流程图，确定状态数量和状态之间的转移关系；利用马尔科夫链模型描述并计算系统状态之间的转移概率，得到所述待研究web应用系统的最终状态转移矩阵；根据所述状态转移矩阵采用selenium测试工具对所述待研究web应用系统进行自动化测试。本发明使用selenium测试工具和马尔科夫链转移概率相结合，该方法能够实现测试用例的随机生成并立即执行，代替人手动编写和手动执行测试用例，相对于传统的能量软件测试方法，该方法能够更加有效的提升软件测试的效率。
-
公开(公告)号：CN110489585A
公开(公告)日：2019-11-22
申请号：CN201910609588.3
申请日：2019-07-08
Applicant: 南京邮电大学
IPC: G06F16/58 , G06F16/51 , G06F16/2458 , G06K9/62
Abstract: 本发明公开了基于监督学习的分布式图像搜索方法，首先在各个节点的数据库中对图像、视频、文件进行分类标记，初始化分类矩阵，编码矩阵，哈希码矩阵和对应的拉格朗日乘子，然后引入最小化分类误差和重构误差构建目标函数，求解上述目标函数，更新参数矩阵；数据节点与中心节点进行通信，并判断各节点的转换矩阵是否趋于一致，更新拉格朗日乘子，最后进行近似性搜索过程；本发明解决了大规模数据在存储，计算时所需规模过大，集中式地训练算法模型已不再适合的问题；而且数据节点与中心节点通信不交换原始信息，能有效解决传输通信过大的问题，同时节点上的数据保持独立性。
-
公开(公告)号：CN105578575B
公开(公告)日：2019-02-26
申请号：CN201510927383.1
申请日：2015-12-14
Applicant: 南京邮电大学
Abstract: 本发明涉及一种应用于无线传感网络的分布式相似性查询方法，针对无线传感网络中传感节点之间相互传输的高维数据，设计采用低维的局部敏感哈希指纹，有效降低了传感节点的传输能耗，增加了网络生命周期；而且本发明整个设计的分布式相似性查询方法，有效克服了传统数据查询过程中，向量计算量随维度增加呈现指数倍增的问题，解决了原始局部敏感哈希表数量需求过大的问题，提高了空间利用率；且相似性权重机制的引入，有效地剔除了非相似性数据，使验证过程中需要验证的数据量变少，大大提高了算法的效率，并有效地提高了相似性查询的效率。
-
公开(公告)号：CN106778032A
公开(公告)日：2017-05-31
申请号：CN201710015626.3
申请日：2017-02-17
Applicant: 南京邮电大学
IPC: G06F19/00
Abstract: 本发明公开了药物设计中配体分子海量特征筛选方法。在基于配体的药物分子虚拟筛选中，由于配体分子数量巨大，使用目前最流行的ECFP方法产生的配体分子指纹特征的维数(每一维特征表示一个子结构)将会是海量的，甚至可达上千万维，在实际任务中会陷入“维数灾难”问题。本方法将使用基于EDPP准则的LASSO方法，对配体分子海量的ECFP分子指纹特征进行筛选，利用鲁棒性选择方法得到配体分子相关特征。配体分子的活性通常与少数子结构有关，本方法将快速并大幅去除不相关特征，选择鲁棒的相关特征，解决“维数灾难”问题，得到与配体活性相关的子结构，推动ECFP方法在药物设计中更广泛的应用。
-
-
-
-
-
-
-
-
-
Search Results
111
records
(took 0.028 seconds)
