-
公开(公告)号：CN120014360A
公开(公告)日：2025-05-16
申请号：CN202510159953.0
申请日：2025-02-13
Applicant: 南京邮电大学
IPC: G06V10/764 , G16H50/70 , G16H50/20 , G06V10/774 , G06T7/30 , G06V10/40 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于多中心sMRI与领域自适应的精神分裂症分类方法、装置，所述方法包括：获取第一医疗中心和第二医疗中心的人脑结构性磁共振图像，分别作为源域图像数据和目标域图像数据；将源域图像数据迁移至目标域，生成二次目标域图像数据，将二次目标域图像数据和目标域图像数据组合得到目标域训练集，对精神分裂症分类模型进行训练；将待检测的人脑结构性磁共振图像输入所述精神分裂症分类模型，确定精神分裂症类型。采用上述技术方案，引用多中心的样本数据以满足分类模型深度学习所需的样本数量，将源域数据迁移至目标域，并对模型进行二次训练，提升分类模型对目标域数据的分类准确度。
-
公开(公告)号：CN117372767A
公开(公告)日：2024-01-09
申请号：CN202311366203.8
申请日：2023-10-20
Applicant: 南京邮电大学
IPC: G06V10/764 , G06V20/10 , G06V10/54 , G06V10/58 , G06V10/77 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/047 , G06N3/08
Abstract: 本发明公开了一种高光谱影像树种分类方法、装置及存储介质，包括以下步骤：高光谱图像进行多尺度分割后，输入预先训练的CNN模型进行拉平处理，得到高光谱图像的合并层；从高光谱图像中提取纹理和光谱特征；将纹理特征和光谱特征输入到具有注意力的图像特征中，作为Transformer模型的输入，并在输入部分添加位置编码，以获得具有相对位置信息的图像特征。然后将输出特征发送到解码器以获得分类结果。可以获得各种树种类型的分布，实现树种分类，便于监测和监督。同时，由于植物光谱信息的相似性，肉眼甚至很难识别，建立自动化的树种识别尤为重要。
-
公开(公告)号：CN115120238A
公开(公告)日：2022-09-30
申请号：CN202210620851.0
申请日：2022-06-02
Applicant: 南京邮电大学
IPC: A61B5/16 , A61B5/055 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08 , G06N20/00
Abstract: 本发明公开了一种基于联邦学习多中心首发精神分裂症患者的识别方法、装置及系统，基于多中心个性化联邦学习的客户端‑服务器体系；各客户端采集首发精神分裂症患者与正常人群的脑部T1图像数据，对脑部T1影像数据进行预处理，将预处理后的图像保存在本地联邦学习客户端；构建用于首发精神分裂症识别的3D卷积神经网络模型，保存在联邦学习服务端；各客户端利用各自的数据训练从联邦学习服务端下载的初始模型，并将训练后的模型参数反馈至联邦学习服务端，联邦学习服务端接受反馈后对所述模型进行训练并得到训练好的模型；输入预处理后的待检测的脑部T1图像数据，利用训练好的模型来识别是否为首发精神分裂症患者。
-
公开(公告)号：CN119916368A
公开(公告)日：2025-05-02
申请号：CN202510399324.5
申请日：2025-04-01
Applicant: 南京邮电大学
IPC: G01S13/90
Abstract: 本发明公开了一种基于多基线SAR数据的林下地形提取方法、装置，所述方法包括：对SAR影像数据集进行信号分解，利用频谱重建对分解得到的信号进行层析成像，获得森林层析结构剖面；通过对结构剖面中的主瓣信号进行投影，获得重建的森林三维点云；使用粗数字地面模型对森林三维点云进行高程归一化处理后，提取森林三维点云中的高程归一化地面点云，将高程归一化地面点云叠加粗数字地面模型，得到地面点云；将地面点云投影至二维栅格形成林下地形模型。采用上述技术方案，基于森林层析结构剖面重建森林三维点云，再提取其中的地面点云，通过地面点云获取林下地形，明显提高了林下地形提取精度，克服林下地形出现明显的断点和跳跃的问题。
-
公开(公告)号：CN114882353B
公开(公告)日：2024-11-12
申请号：CN202210390641.7
申请日：2022-04-14
Applicant: 南京邮电大学
IPC: G06V10/764 , G06V20/10 , G06V20/17 , G06V10/26 , G06V10/54 , G06V10/58 , G06V10/77 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于生成对抗网络的高光谱影像树种分类方法、装置，方法包括：将高光谱影像进行影像分割后、进行图像重构；提取高光谱影像的纹理特征和光谱特征；将纹理特征和光谱特征输入基于结合注意力机制的生成对抗网得到带注意力的图像特征，送入判别器中得到最大化优化后判别器的输出特征；根据输入特征获得的得分值最小化来优化生成器的生成分布并将判别器的最后的输出特征送人分类器得到分类结果。可以得到森林各类树种的分布覆盖情况，实现单目树种类型分类，便于监控监管，同时所需的数据预处理及人工采集的数目样本较少，适用于大部分地理区域和土地覆被类型，方法可行性、稳健性和预测结果准确度较高。
-
Patent Agency Ranking
公开(公告)号：CN108830799B
公开(公告)日：2022-04-08
申请号：CN201810413022.9
申请日：2018-05-03
Applicant: 南京邮电大学
Abstract: 本发明涉及一种基于相对极化全变差的极化SAR影像相干斑抑制方法，通过对极化SAR影像的极化相干矩阵分离为主对角线元素和非对角线元素，应用窗口卷积局部全变差和全局全变差更新主对角线元素，由原非对角线元素和更新后的主对角线元素重构极化相干矩阵，利用相邻像元上的极化相干矩阵比值和更新前后的极化相干矩阵距离，获得须保留极化特征的像元位置。本发明仅对不属于上述像元位置的极化相干矩阵的主对角线元素进行相干斑抑制，解决了现有极化SAR相干斑抑制中不能很好地将极化SAR影像的结构信息和散射特性两者相结合进行相干斑抑制的问题，使得极化SAR的相干斑抑制在结构信息和散射特性两方面都得到保持。
-
公开(公告)号：CN114882353A
公开(公告)日：2022-08-09
申请号：CN202210390641.7
申请日：2022-04-14
Applicant: 南京邮电大学
IPC: G06V20/10 , G06V10/26 , G06V10/54 , G06V10/58 , G06V10/764 , G06V10/771 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于生成对抗网络的高光谱影像树种分类方法、装置，方法包括：将高光谱影像进行影像分割后、进行图像重构；提取高光谱影像的纹理特征和光谱特征；将纹理特征和光谱特征输入基于结合注意力机制的生成对抗网得到带注意力的图像特征，送入判别器中得到最大化优化后判别器的输出特征；根据输入特征获得的得分值最小化来优化生成器的生成分布并将判别器的最后的输出特征送人分类器得到分类结果。可以得到森林各类树种的分布覆盖情况，实现单目树种类型分类，便于监控监管，同时所需的数据预处理及人工采集的数目样本较少，适用于大部分地理区域和土地覆被类型，方法可行性、稳健性和预测结果准确度较高。
-
公开(公告)号：CN111460513B
公开(公告)日：2021-02-02
申请号：CN202010344075.7
申请日：2020-04-27
Applicant: 南京邮电大学
IPC: G06F21/62
Abstract: 本发明提供一种基于相似度分箱的空间点集数据隐私保护匹配的方法，所述方法包括以下步骤：点集数据范围并集的等间距分组，协定数据分组参数，对原始的点集数据进行空间划分，并且基于点集数据与划分空间的匹配得到点集数据的分组号；点集数据与参考值之间相似度的等间距分箱，计算属性值与参考值之间的相似度，采用等间隔划分的方法对所有相似度值进行分箱，进一步得到所有点集数据的分箱组合；基于点集数据分组组合号与分箱组合号的匹配计算，根据点集数据的分组号和分箱组合得到点集数据的识别号，并进一步依据识别号得到点集数据的匹配点对，最后依据匹配的点对双方彼此交换对应的点集数据。具有高隐私保护性、精度可调性的优势。
-
公开(公告)号：CN111460513A
公开(公告)日：2020-07-28
申请号：CN202010344075.7
申请日：2020-04-27
Applicant: 南京邮电大学
IPC: G06F21/62
Abstract: 本发明提供一种基于相似度分箱的空间点集数据隐私保护匹配的方法，所述方法包括以下步骤：点集数据范围并集的等间距分组，协定数据分组参数，对原始的点集数据进行空间划分，并且基于点集数据与划分空间的匹配得到点集数据的分组号；点集数据与参考值之间相似度的等间距分箱，计算属性值与参考值之间的相似度，采用等间隔划分的方法对所有相似度值进行分箱，进一步得到所有点集数据的分箱组合；基于点集数据分组组合号与分箱组合号的匹配计算，根据点集数据的分组号和分箱组合得到点集数据的识别号，并进一步依据识别号得到点集数据的匹配点对，最后依据匹配的点对双方彼此交换对应的点集数据。具有高隐私保护性、精度可调性的优势。
-
公开(公告)号：CN110991625B
公开(公告)日：2020-06-16
申请号：CN202010133968.7
申请日：2020-03-02
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于循环神经网络的地表异常现象遥感监测方法、装置，所述方法包括：将训练前段序列输入基于双向循环神经网络构建的编码器，得到用于表征训练前段序列全局信息的前段隐藏状态序列；依次向基于单层循环神经网络的解码器输入上一时刻的数值，使得依次得到对应于训练后段序列中的时刻的预测值；使用编码器‑解码器模型对未来时刻的观测地点进行预测。采用上述方案，可以挖掘历史序列整体上的变化规律并预测未来多个时刻的观测值，实现近实时异常监测、实时监控监管，同时所需的数据预处理及人工设定的经验参数较少，对实施者的经验和专业背景要求不高，适用于各种地理区域和土地覆被类型，方法可行性、稳健性和预测结果准确度较高。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.018 seconds)
