-
公开(公告)号：CN111242180A
公开(公告)日：2020-06-05
申请号：CN202010004433.X
申请日：2020-01-03
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于轻量化卷积神经网络的图像识别方法及系统，包括：加载预训练好的用于图像识别的深度卷积神经网络模型；采用基于核的稀疏化方法，计算出模型中卷积层的裁剪因子，对卷积层进行裁剪，进而计算出未被裁剪的卷积层中各卷积核的裁剪因子，对卷积核进行裁剪；针对裁剪完成后的卷积神经网络模型，以卷积可分离的分组卷积方式代替标准的卷积方式并对卷积核的权重系数矩阵进行量化编码，得到轻量化的卷积神经网络模型；使用图像数据集对轻量化的模型进行训练，将待识别的图像输入训练好的轻量化卷积神经网络模型进行图像识别。本发明公开的轻量化图像识别模型可以加载到计算能力和存储资源有限的终端上，具有较为广阔的应用前景。
-
公开(公告)号：CN106682616B
公开(公告)日：2020-04-21
申请号：CN201611231363.1
申请日：2016-12-28
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于双通道特征深度学习的新生儿疼痛表情识别方法。该方法首先对新生儿面部图像进行灰度化，提取局部二值模式（Local Binary Pattern，LBP）特征图谱；然后用一个双通道卷积神经网络对并行输入的新生儿面部图像的灰度图及其LBP特征图两个通道的特征进行深度学习；最后采用基于softmax的分类器对两个通道的融合特征进行表情分类，分为平静、哭、轻度疼痛、剧烈疼痛四类表情。该方法结合灰度图像及其LBP特征图谱两个通道的特征信息，能够有效地识别出平静、哭、轻度疼痛、剧烈疼痛等表情，并对新生儿面部图像的光照、噪声与遮挡问题具有很好的鲁棒性，为开发出新生儿疼痛表情识别系统提供了一种新的方法和途径。
-
公开(公告)号：CN110309888A
公开(公告)日：2019-10-08
申请号：CN201910622927.1
申请日：2019-07-11
Applicant: 南京邮电大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于分层多任务学习的图像分类方法与系统。该方法首先通过一些专业领域专家的经验知识，利用图像类别间的关系，对训练样本集之中的图像进行由粗到细的层次化的类别标注；其次，构建一种包括特征提取模块、粗分类层及细分类层的分层深度卷积神经网络；然后，采用多任务学习算法对粗分类层及细分类层进行训练；最后，利用训练好的分层深度卷积神经网络对输入的测试图像进行分类。本发明通过将图像类别之间的层次结构信息与卷积神经网络相结合，设计了一个分层深度卷积神经网络，并利用多任务学习算法，实现了对图像进行由粗到细的分类。
-
公开(公告)号：CN109903236A
公开(公告)日：2019-06-18
申请号：CN201910055717.9
申请日：2019-01-21
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于VAE-GAN与相似块搜索的人脸图像修复方法及装置，该方法主要包括：(1)利用人脸图像库样本训练构建的VAE-GAN网络模型，优化模型中生成器G和鉴别器D的参数；(2)把待修复图像输入到训练好的生成器G中，生成一个待修复区域存在语义信息但模糊的图像M；(3)根据图像M中待修复区域及周围区域的图像块从人脸图像库的图像中搜索相似块Z；(4)用相似块Z中对应于待修复区域的图像块替换M中的待修复区域Ω的图像块，并对修复边界进行融合。本发明方法结合了深度学习方法和传统的相似块搜索方法，同时解决深度学习方法修复结果模糊的问题和传统方法无法修复语义信息的问题。
-
公开(公告)号：CN104655135B
公开(公告)日：2018-03-06
申请号：CN201510084399.0
申请日：2015-02-09
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于地标识别的飞行器视觉导航方法，属于飞行器视觉导航领域。该方法具体包括：通过对成像传感器采集待处理图像序列中的地标进行识别，利用序列图像中相邻两帧图像中识别出的地标位置和飞行器的飞行参数信息解算出地标到当前帧图像对应的飞行器的距离，进而解算出飞行器在地球坐标系下的坐标信息；最后，根据解算出的飞行器在地球坐标系下的坐标信息和飞行器的规划的航迹进行航迹校正。本发明在成像制导、飞行器视觉导航等方面提供了技术支撑，该发明具有可靠性好、实用价值高等特点。
-
Patent Agency Ranking
公开(公告)号：CN106778657A
公开(公告)日：2017-05-31
申请号：CN201611233381.3
申请日：2016-12-28
Applicant: 南京邮电大学
CPC classification number: G06K9/00302 , G06K9/6277 , G06N3/08
Abstract: 本发明公开了基于卷积神经网络的新生儿疼痛表情分类方法，该方法首先采集新生儿疼痛表情图像，由专业医护人员对图像按平静、哭、轻微疼痛、剧烈疼痛逐级分类，建立新生儿疼痛表情图像库；其次，构建含有1层数据层、3层卷积层、2层全连接层和1层分类层的卷积神经网络；然后，以新生儿疼痛表情图像库中样本作为卷积神经网络的数据输入，利用反向传播算法对网络迭代训练，并优化训练全局参数使网络输出损失函数值下降并收敛；最后，输入新生儿疼痛表情测试样本，利用卷积神经网络对其识别分类，实现新生儿在平静、哭、轻微疼痛、剧烈疼痛状态的表情识别，为评估新生儿疼痛程度提供一种新的方法途径。
-
公开(公告)号：CN104318258B
公开(公告)日：2017-05-24
申请号：CN201410513200.7
申请日：2014-09-29
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于时域模糊和卡尔曼滤波器的车道线检测方法，针对视频场景中车道线的漏检测以及误检测的解决方案，通过引入时域模糊处理与卡尔曼滤波器预测相结合的检测跟踪方法达到车道线的实时检测与跟踪，同时考虑车道线的类型以及用RBF算法检测车道线的颜色，有效避免了场景中由于虚车道线的不连续造成的漏检，以及路面标示造成的误检，同时提高了检测的速度。
-
公开(公告)号：CN106570474A
公开(公告)日：2017-04-19
申请号：CN201610954555.9
申请日：2016-10-27
Applicant: 南京邮电大学
CPC classification number: G06K9/00302 , G06K9/6273 , G06N3/0454 , G06N3/08
Abstract: 本发明涉及一种基于3D卷积神经网络的微表情识别方法，基于所构造出的3D卷积神经网络(3D‑CNN)模型，能够有效识别出高兴、厌恶、压抑、惊讶以及其他5类微表情，并且所设计微表情识别方法简单、高效，不需要对样本数据进行特征提取、特征降维、分类等一系列过程，大大减少了预处理的难度，而且通过感受野和权值共享，减少了神经网络需要训练的参数的个数，大大降低了算法的复杂度，不仅如此，所设计微表情识别方法中，通过下采样层的下采样操作，增强了网络的鲁棒性，能容忍图像一定程度的畸变。
-
公开(公告)号：CN106227341A
公开(公告)日：2016-12-14
申请号：CN201610574793.7
申请日：2016-07-20
Applicant: 南京邮电大学
IPC: G06F3/01
CPC classification number: G06F3/017
Abstract: 本发明公开了基于深度学习的无人机手势交互方法及系统，属于无人机控制的技术领域。本发明的方案，实时采集手势图像，采用深度学习算法识别手势图像中的手势动作，对识别的手势动作分类以形成对应于无人机各遥控通道控制指令的手势定义集，按照手势定义集将待识别的手势动作映射为飞行指令，传输飞行指令给无人机。将深度学习算法引入无人机控制领域，基于海量手势定义集的数据对深度学习网络进行训练，让系统智能理解用户的手势动作并将识别的手势动作转化为无人机多通道控制的物理指令，提高了识别率。
-
公开(公告)号：CN104318258A
公开(公告)日：2015-01-28
申请号：CN201410513200.7
申请日：2014-09-29
Applicant: 南京邮电大学
CPC classification number: G06K9/00798 , G06T7/277 , G06T2207/30256
Abstract: 本发明公开了一种基于时域模糊和卡尔曼滤波器的车道线检测方法，针对视频场景中车道线的漏检测以及误检测的解决方案，通过引入时域模糊处理与卡尔曼滤波器预测相结合的检测跟踪方法达到车道线的实时检测与跟踪，同时考虑车道线的类型以及用RBF算法检测车道线的颜色，有效避免了场景中由于虚车道线的不连续造成的漏检，以及路面标示造成的误检，同时提高了检测的速度。
-
-
-
-
-
-
-
-
-
Search Results
112
records
(took 0.038 seconds)
