-
公开(公告)号：CN109035163B
公开(公告)日：2022-02-15
申请号：CN201810750492.4
申请日：2018-07-09
Applicant: 南京信息工程大学
IPC: G06T5/00
Abstract: 本发明涉及一种基于深度学习的自适应图像去噪方法，包括如下步骤：步骤1）建立图像集；步骤2)构建自适应深度卷积神经网络；步骤3)训练自适应深度卷积神经网络：设置深度卷积神经网络网络的学习率和动量参数，通过深度学习框架训练所述自适应深度卷积神经网络直至训练达到迭代最大次数，生成训练后的自适应深度卷积神经网络模型；步骤4)图像去噪：将待去噪的图像输入至训练好的自适应深度卷积神经网络模型，得到对应的残差图像，再将待去噪的图像减去残差图像得到去噪后的图像。有益效果：该方法进一步提高和稳定卷积神经网络的训练性能，并且保证去噪性能，节省时间，无需手动调参，能实现未知噪声级图像的盲去噪。
-
公开(公告)号：CN109035163A
公开(公告)日：2018-12-18
申请号：CN201810750492.4
申请日：2018-07-09
Applicant: 南京信息工程大学
IPC: G06T5/00
CPC classification number: G06T5/002 , G06T2207/10004 , G06T2207/20024 , G06T2207/20081 , G06T2207/20084
Abstract: 本发明涉及一种基于深度学习的自适应图像去噪方法，包括如下步骤：步骤1）建立图像集；步骤2)构建自适应深度卷积神经网络；步骤3)训练自适应深度卷积神经网络：设置深度卷积神经网络网络的学习率和动量参数，通过深度学习框架训练所述自适应深度卷积神经网络直至训练达到迭代最大次数，生成训练后的自适应深度卷积神经网络模型；步骤4)图像去噪：将待去噪的图像输入至训练好的自适应深度卷积神经网络模型，得到对应的残差图像，再将待去噪的图像减去残差图像得到去噪后的图像。有益效果：该方法进一步提高和稳定卷积神经网络的训练性能，并且保证去噪性能，节省时间，无需手动调参，能实现未知噪声级图像的盲去噪。
-
公开(公告)号：CN206954168U
公开(公告)日：2018-02-02
申请号：CN201720561993.9
申请日：2017-05-19
Applicant: 南京信息工程大学
IPC: B60R21/0134 , B60R21/02 , B60Q9/00 , G01S13/93 , G01S15/93
Abstract: 本实用新型公开了一种汽车防撞主动预警系统，包括设置在汽车（1）前后面上的毫米波雷达测距装置（3）和左右面上的超声波测距装置（2），所述毫米波雷达测距装置（3）依次电相连有放大器（7）、检波器（8）和主控模块（13），所述汽车（1）上部外壳的上表面设置有与所述主控模块（13）电相连的GPS测速模块，所述主控模块（13）与超声波测距装置（2）电相连，所述汽车（1）的正副驾驶座前均设置有弹射气囊（6），所述弹射气囊（6）上设置有弹射按键，所述弹射按键通过导线与主控模块（13）相连。本实用新型的汽车防撞主动预警系统，能够综合考虑毫米波雷达测距和超声波测距的优势，能够智能保障开车人安全。
-
公开(公告)号：CN206725597U
公开(公告)日：2017-12-08
申请号：CN201720545299.8
申请日：2017-05-17
Applicant: 南京信息工程大学
Abstract: 本实用新型公开了一种基于FPGA和TDC-GP22的高精度测风仪，上位机经FPGA逻辑控制芯片，通过TDC时差测量单元控制换能器相互接发超声波；TDC时差测量单元根据接发超声波的电信号检测超声波的传输时间，并反馈给FPGA逻辑控制芯片；FPGA逻辑控制芯片根据传输时间计算风速，并反馈给上位机。通过采用FPGA逻辑控制芯片TDC-GP22作为时间差测量芯片，大大降低了系统的功耗，使时间测量的分辨率可达到22ps，提高了风速风向测量精度和分辨率。简化电路的同时，提高超声波传播时间差的测量精度、减小测量误差。采用太阳能电池板供电，广泛应用于气象、海洋、环境、农业、林业、水利、电力、科研等领域。
-
-
-
Search Results
4
records
(took 0.01 seconds)
