-
公开(公告)号：CN109002463A
公开(公告)日：2018-12-14
申请号：CN201810568042.3
申请日：2018-06-05
Applicant: 国网辽宁省电力有限公司信息通信分公司 , 南京大学 , 南京南瑞信息通信科技有限公司
CPC classification number: G06K9/6269 , G06K9/6215
Abstract: 本发明公开了一种基于深度度量模型的文本检测方法，包括：步骤1，使用MSER检测算法，得到字符级别的候选区域。步骤2，使用分类器对候选区域进行过滤，去掉非字符区域。步骤3，根据几何位置信息，将已得到的字符聚类成文本行。步骤4，根据启发式规则，对文本行进行分割，分割成每一个具体的词。步骤5，构造词级别的训练集。步骤6，训练深度度量学习模型。步骤7，使用步骤6得到的深度度量模型，对文本框进行分类，得到最终的文本框区域。
-
公开(公告)号：CN108876818A
公开(公告)日：2018-11-23
申请号：CN201810568489.0
申请日：2018-06-05
Applicant: 国网辽宁省电力有限公司信息通信分公司 , 南京大学 , 南京南瑞信息通信科技有限公司
IPC: G06T7/246
CPC classification number: G06T7/246 , G06T2207/10016 , G06T2207/20081
Abstract: 本发明公开了一种基于似物性和相关滤波的目标跟踪方法，包含：将帧中的目标区域进行扩展，构建训练样本并训练核相关滤波，每来新一帧的图像，计算当前帧中搜索区域的前向光流，结合搜索区域的颜色信息，通过边缘检测算法得到运动物体的边界，根据边缘检测产生的边缘图，由似物性方法产生目标的候选，调整候选窗口的四个边界使其更加贴合物体的真实边缘。在当前帧的搜索区域中，由核相关滤波检测到最大响应值对应的目标初始位置，并计算似物性方法得到候选的响应值，通过比较响应值得出当前帧的目标位置和大小并对模型进行更新。本发明能够有效处理快速运动和尺度变化等问题，从而实现鲁棒的跟踪。
-
公开(公告)号：CN107563396B
公开(公告)日：2019-08-30
申请号：CN201710681386.0
申请日：2017-08-10
Applicant: 南京大学 , 国网辽宁省电力有限公司信息通信分公司 , 国家电网有限公司
Abstract: 本发明公开了一种电力巡检中保护屏智能识别系统的构建方法，包括：步骤1，载入采集到的保护屏设备图像，识别图像中的标签区域；步骤2，实现图像旋转与缩放的矫正；步骤3，图像的预处理：对图像进行裁剪，获得新的图像；步骤4，对步骤3中获得的图像中的待识别像素区域生成高斯分布随机数，将采样的测试区域进行分类，保留正例像素区域；步骤5，利用二值化图像的列累加直方图寻找合适的行分割点，进而获得按行分块的图像；步骤6，获得单个的待识别压板开关的阈值化图像；步骤7，得到压板开关的每个部件的位置信息；步骤8，计算部件之间的相对位置关系进而判断出开关的状态，并将识别的状态反馈用户。
-
公开(公告)号：CN102637205B
公开(公告)日：2014-10-15
申请号：CN201210072522.3
申请日：2012-03-19
Applicant: 南京大学 , 南京大学江阴信息技术研究院
IPC: G06F17/30
Abstract: 本发明公开了一种基于Hadoop的文档分类方法，包括如下步骤：对训练用文档集进行预处理，将原始的文档转化成向量形式；将向量形式的数据上传至集群文件系统；所述集群文件系统对向量形式的数据进行分块处理；对分块处理后的数据进行map-reduce处理过程得到统计信息；根据统计信息训练分类器；利用得到的分类器对测试用的文档进行分类。本发明能够利用大量无标记的文本提高分类器的分类准确度；能够利用集群和并行计算模型提高训练分类器的速度。
-
公开(公告)号：CN102750309A
公开(公告)日：2012-10-24
申请号：CN201210072523.8
申请日：2012-03-19
Applicant: 南京大学 , 南京大学江阴信息技术研究院
IPC: G06F17/30
Abstract: 本发明公开了一种基于Hadoop的并行化SVM求解方法，包括如下步骤：将数据存储于分布式的集群文件系统中；根据数据的分布状况，在各个数据块上执行随机抽样过程，并将随机抽取的样本数据一一分配并形成若干的数据子集；在所述数据子集上进行局部第一方法；将各个数据子集上进行局部第一方法的结果进行取平均的融合，输出平均结果。本发明能够在不损失精度的情况下处理海量数据下的Pegasos求解，大大缩短运行时间，并且能够有好的拓展性。
-
Patent Agency Ranking
公开(公告)号：CN102637205A
公开(公告)日：2012-08-15
申请号：CN201210072522.3
申请日：2012-03-19
Applicant: 南京大学 , 南京大学江阴信息技术研究院
IPC: G06F17/30
Abstract: 本发明公开了一种基于Hadoop的文档分类方法，包括如下步骤：对训练用文档集进行预处理，将原始的文档转化成向量形式；将向量形式的数据上传至集群文件系统；所述集群文件系统对向量形式的数据进行分块处理；对分块处理后的数据进行map-reduce处理过程得到统计信息；根据统计信息训练分类器；利用得到的分类器对测试用的文档进行分类。本发明能够利用大量无标记的文本提高分类器的分类准确度；能够利用集群和并行计算模型提高训练分类器的速度。
-
公开(公告)号：CN102622447A
公开(公告)日：2012-08-01
申请号：CN201210072524.2
申请日：2012-03-19
Applicant: 南京大学 , 南京大学江阴信息技术研究院
IPC: G06F17/30
Abstract: 本发明公开了一种基于Hadoop的频繁闭项集挖掘方法，包括如下步骤：并行计数：并行地扫描一次数据库，统计数据库中每个数据项的频繁次数；构造全局F-List和G-List：并行挖掘局部频繁闭项集：再次扫描数据库，在各个节点采用第一算法挖掘局部频繁闭项集，并只保存全局频繁闭项集。本发明方法基于Group分配计算任务，使得计算量的分配更加均衡；同时，该方法更加简洁，只要三个步骤(两次Map-Reduce过程)就可以完成挖掘任务。
-
公开(公告)号：CN102622446A
公开(公告)日：2012-08-01
申请号：CN201210071445.X
申请日：2012-03-19
Applicant: 南京大学 , 南京大学江阴信息技术研究院
IPC: G06F17/30
Abstract: 本发明公开了一种基于Hadoop的并行k近邻分类方法，包括如下步骤：数据预处理；在Hadoop各个节点的Mapper端并行计算一个测试数据与位于该节点的训练数据的距离；在所述Mapper端用选择算法确定该测试数据的局部k近邻数据，将所有局部k近邻数据发送到Hadoop各个节点的Reducer端；在所述Reducer端接收该测试数据的所有局部k近邻数据，用选择算法确定全局k近邻数据；利用所述全局k近邻数据对该测试数据进行分类，得到该测试数据的分类结果；重复执行，得到所有测试数据的分类结果。本发明能够有效地解决海量数据的分类问题，大大提高分类的速度。
-
公开(公告)号：CN102750309B
公开(公告)日：2015-06-17
申请号：CN201210072523.8
申请日：2012-03-19
Applicant: 南京大学 , 南京大学江阴信息技术研究院
IPC: G06F17/30
Abstract: 本发明公开了一种基于Hadoop的并行化SVM求解方法，包括如下步骤：将数据存储于分布式的集群文件系统中；根据数据的分布状况，在各个数据块上执行随机抽样过程，并将随机抽取的样本数据一一分配并形成若干的数据子集；在所述数据子集上进行局部第一方法；将各个数据子集上进行局部第一方法的结果进行取平均的融合，输出平均结果。本发明能够在不损失精度的情况下处理海量数据下的Pegasos求解，大大缩短运行时间，并且能够有好的拓展性。
-
公开(公告)号：CN102622447B
公开(公告)日：2014-03-05
申请号：CN201210072524.2
申请日：2012-03-19
Applicant: 南京大学 , 南京大学江阴信息技术研究院
IPC: G06F17/30
Abstract: 本发明公开了一种基于Hadoop的频繁闭项集挖掘方法，包括如下步骤：并行计数：并行地扫描一次数据库，统计数据库中每个数据项的频繁次数；构造全局F-List和G-List：并行挖掘局部频繁闭项集：再次扫描数据库，在各个节点采用第一算法挖掘局部频繁闭项集，并只保存全局频繁闭项集。本发明方法基于Group分配计算任务，使得计算量的分配更加均衡；同时，该方法更加简洁，只要三个步骤(两次Map-Reduce过程)就可以完成挖掘任务。
-
-
-
-
-
-
-
-
-
Search Results
119
records
(took 0.082 seconds)
