-
公开(公告)号:CN118212654B
公开(公告)日:2025-03-11
申请号:CN202410299786.5
申请日:2024-03-15
Applicant: 南通大学
IPC: G06V40/10 , G06V10/40 , G06V10/82 , G06V10/80 , G06N3/0464 , G06V10/764
Abstract: 本发明提供了一种基于改进FCOS算法的实时行人检测方法,属于图像处理和机动车道路安全行驶技术领域。解决了复杂场景下遮挡行人、小目标行人检测精度和实时性不高的技术问题。其技术方案为:首先对FCOS算法进行改进,对于数据集使用数据增强模拟行人身体被遮挡场景并间接添加小行人目标丰富数据集;其次,引入轻量级主干网络替换原特征提取网络轻量化网络模型,减少网络参数,调整特征金字塔和头部网络;最后,使用轻量级注意力网络并对主干网络特征融合进行调整。本发明的有益效果为:有效实现遮挡和小目标较多的实时行人检测。
-
公开(公告)号:CN119494038A
公开(公告)日:2025-02-21
申请号:CN202411572939.5
申请日:2024-11-06
Applicant: 南通大学
IPC: G06F18/2413 , G06F18/22 , G06F18/214 , G06F30/27 , G06N3/0455 , G06F123/02
Abstract: 本发明提供了一种基于局部敏感hash的时序分解特征最近邻搜索方法,属于深度学习技术领域,解决了数据分布不同带来的训练结果与测试结果存在差异的技术问题。其技术方案为:堆叠分解网络时序数据分解为通道相似项和非相似项、局部敏感hash实现高维空间内的最近邻搜索压缩自注意力矩阵、一个三重损失函数减小源域目标域的数据分布差异。本发明的有益效果为:本发明方法与现有的一些深度学习方法相比,具有更高的识别准确率。
-
公开(公告)号:CN118212654A
公开(公告)日:2024-06-18
申请号:CN202410299786.5
申请日:2024-03-15
Applicant: 南通大学
IPC: G06V40/10 , G06V10/40 , G06V10/82 , G06V10/80 , G06N3/0464 , G06V10/764
Abstract: 本发明提供了一种基于改进FCOS算法的实时行人检测方法,属于图像处理和机动车道路安全行驶技术领域。解决了复杂场景下遮挡行人、小目标行人检测精度和实时性不高的技术问题。其技术方案为:首先对FCOS算法进行改进,对于数据集使用数据增强模拟行人身体被遮挡场景并间接添加小行人目标丰富数据集;其次,引入轻量级主干网络替换原特征提取网络轻量化网络模型,减少网络参数,调整特征金字塔和头部网络;最后,使用轻量级注意力网络并对主干网络特征融合进行调整。本发明的有益效果为:有效实现遮挡和小目标较多的实时行人检测。
-
公开(公告)号:CN115115082B
公开(公告)日:2024-06-14
申请号:CN202111650392.2
申请日:2021-12-30
Applicant: 南通大学
IPC: G06Q10/04 , G06Q50/40 , G06N3/0442 , G06N3/045 , G06N3/098
Abstract: 本发明提供了一种基于联邦学习的长距离高速公路交通流量预测方法,属于交通预测和信息安全技术领域。解决了现有交通预测模型对长距离高速公路进行交通流量预测,准确率不高,监测点使用损耗较大,浪费能源,且未考虑交通数据信息安全的问题。其技术方案为:包括以下步骤:步骤一、LSTM‑RNN搭建;步骤二、数据处理;步骤三、联邦学习;步骤四、模型预测。本发明的有益效果为:本发明提高交通流量预测的准确率,防止信息泄露,降低能源消耗,降低监测点的使用损耗。
-
公开(公告)号:CN116797835A
公开(公告)日:2023-09-22
申请号:CN202310758952.9
申请日:2023-06-26
Applicant: 南通大学
IPC: G06V10/764 , G06V10/42
Abstract: 本发明属于计算机视觉技术领域,具体涉及一种基于渐进采样的层级式图像分类方法。包括以下步骤:S1:将图片送入第一个阶段的分层模块中,利用特征金字塔的结构将图片的分辨率由低到高依次输出不同的特征图,分别作为阶段1,阶段2,阶段3,阶段4的特征图;S2:将各层的特征图分别送入到对应阶段中的渐进采样模块中,对判别位置进行定位;S3:将采样步长的嵌入馈送到Transformer编码层,预测下一组采样偏移,更新下一组的采样位置;S4:重复进行S2和S3,从最后一次迭代中得到最后的输出令牌;S5:将不同层的特征图分别通过分类器单元将最终的输出向量转化成概率表示,完成各层的图像分类;S6:利用最大值法,结合最后的分类结果,得出最后的图像分类。
-
公开(公告)号:CN111354427B
公开(公告)日:2022-04-29
申请号:CN202010117158.2
申请日:2020-02-25
Applicant: 南通大学
Abstract: 本发明公开一种用于大规模电子健康档案知识协同约简的最近邻多粒度利润方法,首先在Spark云平台上将大规模电子健康档案数据集分割至不同的多粒度进化子种群中;接着构建一种基于最近邻多粒度利润模型,在最近邻半径中构造协同化的最近邻向量;然后求出超级精英的共享最近邻利润权重及其权重利润向量,执行超级精英权重利润矩阵的自适应动态调整策略;最后求出大规模电子健康档案数据知识协同约简集及其核属性,并将电子健康档案知识约简集存储至Spark云平台。本发明能高效取得大规模电子健康档案中不完备和模糊数据知识约简集,对电子健康档案决策支持分析具有重要意义与价值。
-
公开(公告)号:CN112535349A
公开(公告)日:2021-03-23
申请号:CN202011540988.2
申请日:2020-12-23
Applicant: 南通大学
IPC: A47B21/04 , A47B21/013 , A47B21/00
Abstract: 本发明提供了一种笔记本电脑升降装置及升降方法,属于笔记本电脑技术领域。其技术方案为:一种笔记本电脑升降装置,包括基板,基板包括前端部以及后端部,基板的后端部设置有升降机构,升降机构上设置伸缩机构,伸缩机构一端跨接在升降机构上,另一端设置有电脑架,电脑架底部设置有支撑机构;本发明的有益效果为:将升降机构设置在基板的后端部,不占用基板的空间,升降机构能在高度上间接调整笔记本电脑的位置,伸缩机构可以在升降机构上摘下,不占用空间,电脑架能有效防止笔记本电脑摔落,支撑机构起到支撑的作用,防止因为对电脑架一端用力造成伸缩机构断裂。
-
公开(公告)号:CN111354427A
公开(公告)日:2020-06-30
申请号:CN202010117158.2
申请日:2020-02-25
Applicant: 南通大学
Abstract: 本发明公开一种用于大规模电子健康档案知识协同约简的最近邻多粒度利润方法,首先在Spark云平台上将大规模电子健康档案数据集分割至不同的多粒度进化子种群中;接着构建一种基于最近邻多粒度利润模型,在最近邻半径中构造协同化的最近邻向量;然后求出超级精英的共享最近邻利润权重及其权重利润向量,执行超级精英权重利润矩阵的自适应动态调整策略;最后求出大规模电子健康档案数据知识协同约简集及其核属性,并将电子健康档案知识约简集存储至Spark云平台。本发明能高效取得大规模电子健康档案中不完备和模糊数据知识约简集,对电子健康档案决策支持分析具有重要意义与价值。
-
公开(公告)号:CN110867224A
公开(公告)日:2020-03-06
申请号:CN201911030948.0
申请日:2019-10-28
Applicant: 南通大学
IPC: G16H10/60 , G06F40/205 , G06F40/279 , G06N3/00
Abstract: 本发明公开一种用于大规模脑病历分割的多粒度Spark超信任模糊方法,首先在Spark云平台上将大规模脑病历数据属性集分割至不同的多粒度进化子种群Granu-populationi中;设计一种基于多粒度Spark超信任模型,构建多粒度种群内不同超级精英之间信任度;调整多粒度中心阈值,对超级精英使用多粒度子种群均衡调整策略进行动态更新,对大规模脑病历进行全局搜索分割与局部精化分割,超级精英在各自区域内能协同提取知识约简子集;最后求得大规模脑病历最优分割特征集并存储至Spark云平台中。本发明能稳定分割大规模脑病历知识约简集,为脑部疾病智能诊断和辅助治疗提供重要的诊断依据。
-
公开(公告)号:CN118468128A
公开(公告)日:2024-08-09
申请号:CN202410434157.9
申请日:2024-04-11
Applicant: 南通大学
IPC: G06F18/2415 , G06F18/25 , G06F18/214 , G06F18/21 , G06N3/045
Abstract: 本发明提供一种基于多尺度特征与特征回退的人类日常活动识别方法,属于深度学习技术领域。解决了最优周期特征选择与过度拟合的技术问题。其技术方案为:Wiener‑Khinchine theorem获取最优的周期来构建多尺度输入、时序回退特征提取防止过拟合、一个多尺度重要性加权损失函数调整参数的倾向。本发明的有益效果为:本发明方法与现有的一些基于深度学习方法相比,具有更高的识别准确率。
-
-
-
-
-
-
-
-
-