-
公开(公告)号：CN119251228A
公开(公告)日：2025-01-03
申请号：CN202411776956.0
申请日：2024-12-05
Applicant: 南京信息工程大学
IPC: G06T7/00 , G06V10/26 , G06V10/52 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于小样本学习的深度可解释皮肤病识别方法，属于图像处理领域，将同类或异类皮肤病图像分别输入双分支小样本对比学习网络中，对皮肤病图像的病变区域进行分割生成病变分割掩码，提取其中形状信息，并定位包含病变区域的最小正方形边框，进行裁剪缩放获得病变图像；提取两个支路病变图像对应分支的深浅特征，计算双支路深浅特征的对比损失，以优化网络参数，同时提取多尺度纹理信息；将包含形状信息、纹理信息的元数据与图像的深浅特征进行多模态融合用于皮肤病识别，通过多阶段的深度学习网络与医学诊断逻辑的结合，逐步提取并融合病变区域的形态、纹理等特征，以提高皮肤病识别的分类准确性和模型的可解释性。
-
公开(公告)号：CN117851775A
公开(公告)日：2024-04-09
申请号：CN202410011116.9
申请日：2024-01-04
Applicant: 南京信息工程大学
IPC: G06F18/20 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本发明提供公开了一种基于深度学习的北极海冰密集度预测方法，具体为，步骤1：获取北极海冰密集度数据和ERA5气象因子数据；步骤2：对气象因子数据进行预处理，步骤3：将同时刻的北极海冰密集度数据与气象因子数据在通道维度上拼接，得到多源融合数据；步骤4：将步骤3中的多源融合数据按照时间分成n组，建立特征提取网络；该特征提取网络包n个特征提取模块，步骤5：将第n组多源融合数据组输入到特征提取网络的第n个特征提取模块中，提取多源融合数据组的时空特征，步骤6：将特征提取网络的输出输入至自适应权重分配网络中，得到海冰密集度预测值。本发明解决了传统时序预测模型注意力集中在末端的问题，有效提升了预测的精确度。
-
公开(公告)号：CN117746374A
公开(公告)日：2024-03-22
申请号：CN202311822572.3
申请日：2023-12-26
Applicant: 南京信息工程大学
IPC: G06V20/56 , G06V10/20 , G06V10/74 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/096
Abstract: 本发明公开了一种暗光条件下天气现象自动识别方法。首先，对夜间驾驶场景下拍摄到的暗光图像识别分类，得到道路区域增强图像和整体增强图像，学习原始图像和增强图像的共通特征，通过双通道之间的损失函数限制噪声影响。然后，在图像深层信息处理中使用通道注意力机制，关注图像的重要信息，利用迁移学习搭建辅助通道，在训练前期帮助模型拟合，还融合气象要素，生成气象数据权重向量融合进模型，提升模型的识别能力。最后，设计Result机制进行三通道的多尺度数据融合，损失函数采用交叉熵损失、分支差异损失以及亮暗双通道损失的组合函数，采用Adam优化器进行学习率优化，通过回调函数适时调整学习率，实现在夜间驾驶这种暗光条件下的天气识别。
-
公开(公告)号：CN112862837B
公开(公告)日：2023-06-23
申请号：CN202110114973.8
申请日：2021-01-27
Applicant: 南京信息工程大学
IPC: G06T7/11 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于卷积神经网络的图像处理方法和系统，将数据集中的三维脑部图像进行预处理，得到二维图像；采用堆叠分割算法对预处理后的二维图像进行分割，分割后得到感兴趣区域的图像；构建ResNet50‑II卷积神经网络，将分割后的图像分成训练集和测试集，将训练集中的图像输入到ResNet50‑II卷积神经网络进行训练；训练完成后，将测试集的图像输入ResNet50‑II神经网络进行分类。本发明的分类准确性得到了大幅提升。
-
公开(公告)号：CN115511882B
公开(公告)日：2023-03-21
申请号：CN202211396393.3
申请日：2022-11-09
Applicant: 南京信息工程大学
IPC: G06T7/00 , G06T7/11 , G06T7/62 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于病变权重特征图的黑色素瘤识别方法，包括：获取预处理后的皮肤镜图像；将皮肤镜图像输入预先训练获得的FA‑MobileNet神经网络，输出初步识别结果；对初步识别结果进行可视化，将可视化结果输入病变权重指数模块进行处理，获得病变权重特征图；将病变权重特征图再次输入所述FA‑MobileNet神经网络，输出最终识别结果。本发明基于病变权重特征图对图像进行了两次识别，同时FA‑MobileNet模型具有轻量化特点，能够获取精细的多尺度特征，有效提高了黑色素瘤识别的精度和速度。
-
Patent Agency Ranking
公开(公告)号：CN115546257A
公开(公告)日：2022-12-30
申请号：CN202210948863.6
申请日：2022-08-09
Applicant: 南京信息工程大学
Abstract: 本发明提出了一种基于双判别器WGAN‑GP与光流法的卫星云图预测方法。首先对卫星云图数据集进行直方图均衡化处理，然后构建双判别器WGAN‑GP网络，将卫星云图序列输入生成器，利用光流法得到卫星云图的光流序列，再用编码解码器模块生成预测光流，将历史卫星云图与预测光流融合生成卫星云图的预测。将生成卫星云图与真实卫星云图一并输入判别器中训练，空间判别器与时间判别器分别对生成样本与真实样本进行评价，通过多次对抗训练使双判别器WGAN‑GP网络达到纳什均衡。最后，将历史卫星云图数据输入训练好的双判别器WGAN‑GP网络的生成器得到卫星云图预测结果。本方法能够有效减少地面背景信息对卫星云图预测任务的干扰，提高卫星云图预测的精度和效率。
-
公开(公告)号：CN115511882A
公开(公告)日：2022-12-23
申请号：CN202211396393.3
申请日：2022-11-09
Applicant: 南京信息工程大学
IPC: G06T7/00 , G06T7/11 , G06T7/62 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于病变权重特征图的黑色素瘤识别方法，包括：获取预处理后的皮肤镜图像；将皮肤镜图像输入预先训练获得的FA‑MobileNet神经网络，输出初步识别结果；对初步识别结果进行可视化，将可视化结果输入病变权重指数模块进行处理，获得病变权重特征图；将病变权重特征图再次输入所述FA‑MobileNet神经网络，输出最终识别结果。本发明基于病变权重特征图对图像进行了两次识别，同时FA‑MobileNet模型具有轻量化特点，能够获取精细的多尺度特征，有效提高了黑色素瘤识别的精度和速度。
-
公开(公告)号：CN111866742B
公开(公告)日：2022-12-20
申请号：CN202010678294.9
申请日：2020-07-15
Applicant: 南京信息工程大学
Abstract: 本发明公开一种基于WiFi的室内被动式定位方法，该方法采用初步优化和二次优化，以及先单点后全局的优化方法对RSS值进行优化，有效避免RSS值因室内温度、湿度和障碍物不稳定带来的定位误差，从而提高定位准确性。该方法根据模糊决策理论，采用模糊决策法确定最佳AP作为无线接入点，保证了RSS数据来源的可靠性。该方法中采用K‑means方法将相似度较大的训练样本聚为一类，降低了采用D‑WKNN方法进行训练样本匹配的复杂度。该方法采用D‑WKNN方法通过动态化K值，提高了数据匹配的灵活性，优化了系统性能。该方法利用目前通用的室内WiFi网络，无需进行额外的系统搭建，成本低，实现方便。
-
公开(公告)号：CN115423806A
公开(公告)日：2022-12-02
申请号：CN202211372903.3
申请日：2022-11-03
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于多尺度跨路径特征融合的乳腺肿块检测方法，获取待检测的乳腺钼靶X线图像，将待检测的乳腺钼靶X线图像输入到已训练好的理想网络模型中，对理想网络模型的输出结果进行解码，得到若干个预测框，对这些预测框做ID_NMS非极大值抑制操作，最后输出该乳腺图像中所含肿块的BI‑RADS等级，并框出该肿块的具体位置。优点：本发明在识别该乳腺图像包含哪一病变等级的肿块的同时，输出包含该肿块的矩形位置框。输入图像不需要经过医生标记，X线图像原图就可进行肿块检测；本发明能够使网络在扩大感受野的同时减少参数量，提高模型检测的精度和速度。
-
公开(公告)号：CN115272665A
公开(公告)日：2022-11-01
申请号：CN202211180574.2
申请日：2022-09-27
Applicant: 南京信息工程大学
IPC: G06V10/25 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06V20/54
Abstract: 本发明公开了一种基于改进SSD算法的交通障碍检测方法，包括：基于VGG‑16基础网络构建交通障碍检测网络模型；所述交通障碍检测网络模型包括改进后的VGG‑16基础网络、多尺度提取模块、特征融合模块、候选框预设模块、动态检测模块和分类回归模块。本发明将原SSD网络中不同尺度的特征图上根据每个单元格设置的密集先验框改为一组固定数量的可迭代的候选框，并为每个候选框引入一个高维特征，来提高预测精度，减少了检测网络的初始候选框数量，省去了人工预设的密集先验框与复杂的后处理，减轻了检测网络的负担，实现模型候选框的轻量化，提高了模型检测的速度以及对各类不同大小的交通障碍检测的平均精度。
-
-
-
-
-
-
-
-
-
Search Results
129
records
(took 0.027 seconds)
