-
公开(公告)号：CN119625281A
公开(公告)日：2025-03-14
申请号：CN202411835313.9
申请日：2024-12-13
Applicant: 南京邮电大学
IPC: G06V10/25 , G06V10/774 , G06V10/82 , G06V10/766 , G06V10/764 , G06N3/0464 , G06N3/048 , G06V10/80 , G06N3/0985 , G06N3/045 , G06N3/084
Abstract: 本发明公开基于相移编码和定向特征增强的旋转目标检测方法及系统，属于图像识别技术领域；方法包括：获取图像数据集并增强处理；输入到ARC网络提取任意方向目标的特征；通过EMA模块对特征进行自适应特征优化，使用ARF对优化后的特征方向信息进行编码，生成方向敏感特征用于边界框回归，再通过旋转不变池化层提取定向特征用于分类；利用相移编码器将旋转框的角度通过线性映射为对应频率的相位，预测相移余弦值，解码得到最终的相位；最后应用非极大值抑制方法，去除重叠的检测框，保留最佳的检测结果。其中使用帕累托优化理论自适应加权损失项，通过多梯度下降算法更新模型参数，得到的最终模型能够提高包含多方向小物体目标检测的准确性和效率。
-
公开(公告)号：CN119559334A
公开(公告)日：2025-03-04
申请号：CN202411772815.1
申请日：2024-12-04
Applicant: 南京邮电大学
Abstract: 本发明的一种基于能量损失不确定性投票的神经辐射场优化方法及设备，包括获取训练和测试神经辐射场所需的数据集；将ActiveNeRF训练所使用的NLL函数改为能量损失函数并使用了更加合理的正则项；使用能量损失训练模型；搭建多头注意力网络模型；获取训练多头注意力网络模型的数据集；训练多头注意力网路模型；使用训练好的注意力网络模型对测试位姿下噪声较大的采样点颜色值进行替换，提升最终渲染效果。本发明通过贝叶斯方法建模数据不确定性并使用能量损失进行训练，缓解了负对数似然损失会产生过大的方差而不管预测均值正确与否，损害模型训练的问题。在此基础上，本发明进一步将数据不确定性融入到了多头注意力网络模块中，提高最终的渲染质量。
-
公开(公告)号：CN114239744B
公开(公告)日：2024-07-02
申请号：CN202111576827.3
申请日：2021-12-21
Applicant: 南京邮电大学
IPC: G06F18/214 , G06N3/094
Abstract: 本发明公开了一种基于变分生成对抗网络的个体处理效应评估方法，采用变分自编码器推断观测特征的隐表示，来获取完整的潜在因素，设计生成对抗网络推断反事实结果并指导变分自编码器更好地解耦潜在因素为工具因素，混淆因素以及调整因素，同时引入了一种自适应加权的方法基于解耦的混淆因素进一步控制数据偏差。本发明基于变分自编码器与生成对抗网络设计协同学习策略，提出变分生成对抗网络模型来估计个体处理效应，与现有方法相比，提高了个体处理效应评估的准确率。
-
公开(公告)号：CN117974634B
公开(公告)日：2024-06-04
申请号：CN202410361714.9
申请日：2024-03-28
Applicant: 南京邮电大学
IPC: G06T7/00 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明属于基于计算机视觉的缺陷检测领域，公开了一种基于证据深度学习的无锚框表面缺陷可信检测方法，包括：获取缺陷样本训练数据集；构建基于证据深度学习的无锚框表面缺陷可信检测模型；使用所提出的不确定性自适应加权损失训练模型；获取缺陷样本测试数据集；将测试图像输入已训练的模型中，分别预测缺陷中心证据热力图、缺陷尺寸热力图和离散化误差热力图；使用D‑S理论对缺陷中心证据热力图局部峰值点进行可信融合，结合尺寸和离散化误差来生成最终结果。本发明使用证据深度学习方法建模不确定性，有效缓解现代深度网络过度自信的问题，降低高端装备核心零部件表面缺陷检测时漏检或误检风险。
-
公开(公告)号：CN118037710A
公开(公告)日：2024-05-14
申请号：CN202410325056.8
申请日：2024-03-21
Applicant: 南京邮电大学
IPC: G06T7/00 , G06V30/148 , G06V10/762 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/25
Abstract: 本发明提出一种基于扩散模型的变电站光缆图智能解析方法、装置及存储介质，包括：对待识别的变电站光缆图进行预处理，获得处理后的图纸；标注处理后的图纸数据，构建训练集、验证集和测试集；构建图元检测模型，使用基于Swin transformer和EFPN网络的主干网络，并在解码器中加入CBAM注意力机制；训练集训练构建的图元检测模型，验证集进行最佳模型选择，得到训练后的图元检测模型；将测试集的图纸输入训练好的图元检测模型和字符识别模型；将图元检测结果和字符识别结果进行匹配，输出最终结果。采用在扩散模型基础上进一步修改DiffusionDet网络结构的目标检测方法，并提出融合拓扑匹配和聚类分析的配对算法，使得变电站光缆图的解析工作更加智能高效且具有较好的可迁移性。
-
Patent Agency Ranking
公开(公告)号：CN117788476B
公开(公告)日：2024-05-10
申请号：CN202410212085.3
申请日：2024-02-27
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于数字孪生技术的工件缺陷检测方法、装置，包括：计算模板点云和标准场景点云的特征描述子；根据模板点云和标准场景点云的特征描述子进行模板匹配，得到多个感兴趣区域，生成感兴趣区域集合；根据感兴趣区域集合计算每个感兴趣区域对应的外包盒；根据外包盒对实际场景点云进行过滤，得到待检测工件对应的目标点云；根据待检测工件对应的目标点云，得到待检测工件的缺陷检测结果。本发明能够在工件缺陷检测过程中快速、批量的过滤出工件对应的多实例目标点云数据，提高工件缺陷检测的效率和精度。
-
公开(公告)号：CN117788476A
公开(公告)日：2024-03-29
申请号：CN202410212085.3
申请日：2024-02-27
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于数字孪生技术的工件缺陷检测方法、装置，包括：计算模板点云和标准场景点云的特征描述子；根据模板点云和标准场景点云的特征描述子进行模板匹配，得到多个感兴趣区域，生成感兴趣区域集合；根据感兴趣区域集合计算每个感兴趣区域对应的外包盒；根据外包盒对实际场景点云进行过滤，得到待检测工件对应的目标点云；根据待检测工件对应的目标点云，得到待检测工件的缺陷检测结果。本发明能够在工件缺陷检测过程中快速、批量的过滤出工件对应的多实例目标点云数据，提高工件缺陷检测的效率和精度。
-
公开(公告)号：CN117576471A
公开(公告)日：2024-02-20
申请号：CN202311578391.0
申请日：2023-11-23
Applicant: 南京邮电大学
IPC: G06V10/764 , G06V10/774 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种引入局部特征对齐和原型修正机制的少样本图像分类方法及装置，该方法包括：1)划分少样本训练数据集，并使用特征提取网络提取图像的局部特征和全局特征；2)通过类内差异性修正和类间差异性修正来实现局部特征对齐，并得到查询图像局部特征和支持类的相似性；3)使用最大均值差异计算全局特征的权重从而对类原型进行修正，并通过距离函数得到查询图像全局特征和支持类原型的全局相似性；4)将全局特征和局部特征结合进行概率输出，并构建损失函数进行模型优化，获得最终的应用于图像分类任务的少样本图像分类模型。本发明提出了少样本图像分类方法，通过结合局部特征和全局特征的方式，实现了更好的图像分类性能。
-
公开(公告)号：CN116703885A
公开(公告)日：2023-09-05
申请号：CN202310791190.2
申请日：2023-06-30
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于Swin Transformer的表面缺陷检测方法及系统，方法包括：获取待检测样品图像；对获取的待检测样品图像进行预处理；将预处理后的待检测样品图像输入预先训练的表面缺陷检测模型中；根据表面缺陷检测模型的输出，确定待检测样品的缺陷及缺陷位置。本发明基于Swin Transformer模块，使用U型对称编码‑解码器结构网络，同时添加了跳跃连接和注意力机制，更好地实现了对图像全局特征和局部特征的提取，可以准确检测并定位出缺陷位置，解决了实际工业场景中缺陷样本数量少且种类不均衡的问题。
-
公开(公告)号：CN116524062B
公开(公告)日：2023-09-01
申请号：CN202310807926.0
申请日：2023-07-04
Applicant: 南京邮电大学
IPC: G06T11/00 , G06N3/0464 , G06N3/08 , G06N3/0455 , G06V10/80 , G06T5/00
Abstract: 本发明属于人体姿态估计技术领域，公开了一种基于扩散模型的2D人体姿态估计方法，其采集人体姿态图像及标注信息，并利用前向扩散公式在标注的关节点坐标中加入噪声破坏其中的坐标信息，生成中间噪声样本；然后构建2D人体姿态估计扩散模型；随后模型依据输入图像与生成的噪声样本预测出目标关节点的热图，再将预测结果与标注间的均方误差作为损失函数优化模型参数；最后将模型预测关节点热图送入反向扩散公式，完成高斯噪声的迭代去噪，获得去噪后的精确预测。本发明预测精度高，有效提高了2D人体姿态估计方法在实际应用中泛化性和鲁棒性，并使模型可以通过改变推理采样步数，取得检测效率与精度上的平衡，以适应不同应用场景的需求。
-
-
-
-
-
-
-
-
-
Search Results
106
records
(took 0.043 seconds)
