-
公开(公告)号：CN116433907A
公开(公告)日：2023-07-14
申请号：CN202310392423.1
申请日：2023-04-13
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于双重注意力机制网络的实时语义分割方法，用于实时的语义分割场景。本发明的双重注意力机制网络采用双分支结构，分为细节分支和语义分支，细节分支负责空间细节，这是低级信息，空间细节使用宽通道和浅层网络，细节分支采用位置注意模块，提取空间细节信息；语义分支旨在捕获高级语义，采用窄通道和深层网络，其中语义分支采用编码解码的结构，同时嵌套通道注意模块，提取语义信息；然后采用双分支聚合模块将语义信息和空间细节信息聚合到一起。最后，上采样模块即为分类卷积，其输出为原始分辨率大小的最终预测结果，将预测结果与对应的语义标签进行对比，目标函数设置为交叉熵损失函数，就可得到训练好的网络模型。
-
公开(公告)号：CN110458092B
公开(公告)日：2022-08-30
申请号：CN201910733434.5
申请日：2019-08-09
Applicant: 南京邮电大学
IPC: G06V10/764 , G06V10/774 , G06V40/16 , G06K9/62
Abstract: 一种基于L2正则化梯度约束稀疏表示的人脸识别方法，所述方法包括：获取训练样本集；基于人脸图像梯度恢复约束信息和L2正则化稀疏表示方法，计算待识别样本在所述训练样本集的训练样本上的表示系数；采用所述待识别样本在训练样本上的表示系数，计算所述待识别样本在所述训练样本集的每类训练样本上的残差；将计算得到的最小残差对应的训练样本类别，作为所述待识别样本的类别进行输出。上述的方案，可以提高人脸识别的准确性。
-
公开(公告)号：CN112597866B
公开(公告)日：2022-08-02
申请号：CN202011489557.8
申请日：2020-12-16
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于知识蒸馏的可见光‑红外跨模态行人重识别方法，以残差网络为基础，包括特征提取部分、特征映射部分和损失函数三部分；初始输入K对图片至特征提取部分，进行浅层特征提取；所述K对图片中每对包括针对同一目标的一张可见光图片和一张红外图片，并且引入知识蒸馏函数，计算损失函数；然后将浅层特征提取结果输入至特征映射部分，提取可见光模态和红外模态的模态共享特征；最后依次经过GEM池化层、批归一化层和全连接层，输出分类结果；本发明还设计了改进枚举损失函数，进一步解决传统可见光图像模式到红外图像模式模态差异大的问题。
-
公开(公告)号：CN111008575A
公开(公告)日：2020-04-14
申请号：CN201911163739.3
申请日：2019-11-25
Applicant: 南京邮电大学
IPC: G06K9/00
Abstract: 本发明提出了一种基于多尺度上下文信息融合的鲁棒人脸识别方法，包括以下步骤：获取人脸关键点上下文信息；在特定尺度下对关键点图像块集合进行分；对待识别样本进行多尺度集成分类。本发明充分考虑人脸图像不同部位的上下文语义信息差异，提出使用检测到的关键点周围图像块集合来描述人脸图像不同部位的上下文语义信息，并使用多尺度集成方法来降低待识别样本图像块的尺度大小对识别效果的影响，提高了识别精度，为后续人脸识别方法的发展提供帮助。
-
公开(公告)号：CN108400603A
公开(公告)日：2018-08-14
申请号：CN201810052368.0
申请日：2018-01-19
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于VSG的无功延迟调节的微电网无频差切换控制方法，包括：由微电网的能量管理系统调控的断路器开断，及判断微电网运行模式并进行无频差切换控制：当断路器闭合时，进行发生并网/孤岛模式切换，以VSG的参考角频率和公共母线角频率作为VSG控制的输入，经过积分计算输出逆变器的控制参考相角；当断路器断开时，进行孤岛/并网模式切换，将无功功率给定参考值与经一阶滤波测量的无功功率作为VSG控制输入，且经PI控制后增添一阶延迟，以输出控制参考电压；经电压电流双环控制和空间矢量脉宽调制，产生脉冲信号以控制驱动开关管的通断。本发明可实现无功功率稳态值的平缓过渡，实现平滑切换控制，具有较强的通用性和拓展性。
-
Patent Agency Ranking
公开(公告)号：CN112598587B
公开(公告)日：2022-09-13
申请号：CN202011494588.2
申请日：2020-12-16
Applicant: 南京邮电大学
Abstract: 本发明提供了一种联合人脸去口罩和超分辨率的图像处理系统及方法，所述图像处理系统包括去噪网络模块和超分网络模块；首先将低分辨率的戴口罩人脸图像送入去噪网络进行噪声估计并实现图像的盲去噪，通过调整估计的噪声水平图交互地纠正去噪结果，增强去噪结果的鲁棒性；然后将去除噪声后的低分辨率图像送入卷积层进行浅层特征提取，将提取的特征送入循环特征提取模块进行深层特征提取并重构图像，获得高分辨率图像进入先验知识提取模块估计Landmark，将Landmark信息进行加权形成相应的面部组件热图，通过分组卷积再次送入到循环特征提取模块提取特征，循环此过程；上述两个过程可以互相促进，并逐步达到更好的性能，最终输出高分辨率图像及对应的Landmark。
-
公开(公告)号：CN112541503B
公开(公告)日：2022-08-26
申请号：CN202011439171.6
申请日：2020-12-11
Applicant: 南京邮电大学
IPC: G06V20/70 , G06V10/80 , G06V10/764 , G06V10/82 , G06V40/16 , G06V20/17 , G06N3/04 , G06N3/08 , G06T1/00
Abstract: 本发明公开了一种基于上下文注意力机制和信息融合的实时语义分割方法，首先构建实时语义分割网络，对预先获取的数据集中的图像以及对应的标签进行预处理，再输入到所搭建的网络中进行训练；网络中，输入图像经过三组单独的降采样模块，使其分辨率分辨变为原来的1//2、1/4和1/8，三个不同尺寸的特征图分别与后续的主干网络不同阶段的特征进行特征融合；每个阶段特征融合之后，进入到注意力模块；融合后的特征经过分类的卷积操作输出最终的预测结果并与对应语义标注图像进行对比，计算交叉熵损失函数作为目标函数，从而得到训练好的网络模型。本发明本发明不仅保证了语义分割的高精度，又保证了高效的推理速度以及适合边界设备的内存容量。
-
公开(公告)号：CN114676755A
公开(公告)日：2022-06-28
申请号：CN202210208723.5
申请日：2022-03-04
Applicant: 南京邮电大学
Abstract: 本申请涉及一种基于图卷积网络的无监督域自适应的分类。所述方法包括：获取源域中的样本数据和目标域中样本数据作为训练数据；根据源域和目标域中样本数据间的相似性分别更新两个域中样本的图连接关系；将源域和目标域中的样本数据输入到域自适应网络中进行训练，域自适应网络是基于图卷积网络的无监督域自适应网络，域自适应网络包括：跨域特征提取模型、源域特征提取模型、分类模型、域对抗鉴别模型、类对齐模型；训练域自适应网络不断更新迭代域自适应网络中的参数，当域自适应网络达到收敛条件时，获得域自适应分类模型；输入待分类数据至域自适应分类模型进行分类，获得待分类数据的分类结果。提高了基于图卷积的无监督域自适应模型性能。
-
公开(公告)号：CN111104868A
公开(公告)日：2020-05-05
申请号：CN201911164077.1
申请日：2019-11-25
Applicant: 南京邮电大学
Abstract: 本发明提出了一种基于卷积神经网络特征的跨质量人脸识别方法，该方法首先获取高质量训练样本图像、低质量测试样本图像、高低质量训练字典样本图像各个特征点的图像块；其次设计一深度卷积神经网络，对于每个特征点图像块，通过神经网络的学习得到一个特征向量；再次对测试图像块的特征向量和训练图像块的特征向量进行线性表示；然后对低质量测试图像块的特征表示和高分辨率训练图像块的特征表示进行相似性度量，并输出每一个测试图像块的类别；最后对于一张人脸图像分为S个人脸关键点的图像块集合，对每一个关键点位置的图像块分类结果进行投票，将图像分给获取票数最多的那一个类，输出最终低质量测试图像的类别。
-
公开(公告)号：CN109766863A
公开(公告)日：2019-05-17
申请号：CN201910051451.0
申请日：2019-01-18
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于局部和稀疏非局部正则的人脸图像超分辨率方法，包括以下步骤：步骤一：获取测试图像和训练样本图像各个像素位置的图像块；步骤二：使用局部PCA字典学习方法，对训练样本图像块使用K均值聚类算法将图像块划分聚类，每个聚类学习一个局部PCA字典；步骤三：对低质量图像块，运用基于局部约束和稀疏非局部双核范数正则算法求解最佳表示系数向量；步骤四：使用最佳表示系数向量在高分辨率字典上合成高分辨率图像块，更新非局部编码系数，将更新后的系数和高分辨率图像块放入步骤三中进行下一次迭代；经过多次迭代更新得到高分辨率图像块；步骤五：输出高分辨率图像。本发明具有提高图像质量的优点。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.019 seconds)
