-
公开(公告)号：CN107631782B
公开(公告)日：2020-02-21
申请号：CN201710584816.7
申请日：2017-07-18
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于Harris角点检测的水位检测方法，包括步骤：在待测量河流区域固定两根椭圆形测量标杆，及在两根测量标杆之间设置若干根斜杆作为水平面测量斜杆，并通过摄像头实时采集获得两个测量标杆所在区域的图像；检测提取获得水平面测量斜杆所在区域图像；对提取水平面测量斜杆所在区域图像进行检测，获得几何数学模型并提取两根直线坐标；获得图像中的角点；筛选出位于两根直线坐标内的角点，将过该角点做水平方向与测量标杆平行的直线作为当前时刻的水平面；提取获得几何数学模型中水平面之上测量标杆长度，及计算获得实际水平面之上测量标杆的长度及实时的实际水位值。本发明可以准确地确定水平面位置和水位值，具有更高的数值鲁棒性和实时交互性。
-
公开(公告)号：CN110084843A
公开(公告)日：2019-08-02
申请号：CN201910327972.4
申请日：2019-04-23
Applicant: 南京邮电大学
IPC: G06T7/41 , G06N3/08 , G06N3/02 , B33Y50/00 , B29C64/386 , H04N13/106 , H04N13/161
Abstract: 本发明公开一种应用于家具三维打印的基于深度学习的图像压缩方法，包括：采集家具表面纹理图像数据；对所述家具表面纹理图像数据进行量化编码；构建图像熵神经网络模型；将所述量化编码后的图像数据输入图像熵神经网络模型进行训练，得到图像压缩网络模型；将待打印的家具表面纹理图像数据输入所述图像压缩网络模型，得到压缩后的家具表面纹理图像数据；再将压缩后的图像数据传入三位打印机执行解压、打印工序；本发明的神经网络模型能有效地压缩具有丰富结构信息和独特几何纹理的家具纹理图像，最大限度地减少原始图像与解压图像之间的均方误差；本发明应用于家具三维打印时，可以有效降低内存占用空间，提高打印图像图像的分辨率。
-
公开(公告)号：CN109978046A
公开(公告)日：2019-07-05
申请号：CN201910215393.0
申请日：2019-03-21
Applicant: 南京邮电大学
Abstract: 本发明公开了一种发票分类方法，应用于智能报销系统中的发票分类识别。本方法将深度学习中的ResNet模型进行剪枝和调参后应用于发票分类，解决了传统分类方法由于发票褶皱、未将发票按正确方向摆放和发票清晰度不够高等原因造成的分类误差大的问题；发明中将剪枝后的ResNet在训练集中进行训练，调整模型中的超参数，得到一个分类效果好的模型，从而实现对发票的准确分类。
-
公开(公告)号：CN109948617A
公开(公告)日：2019-06-28
申请号：CN201910246868.2
申请日：2019-03-29
Applicant: 南京邮电大学
Abstract: 本发明公开了计算机视觉图像处理技术领域的一种发票图像定位方法。旨在解决现有技术对于移动端从不同倾斜角度拍摄的发票图像，无法进行准确定位以准确提取有用信息。所述方法包括如下步骤：将待定位发票图像加载至已训练好的深度学习模型中；根据霍夫变换算法对待定位发票图像进行倾斜校正；根据训练生成的最佳权重值对待定位发票图像进行定位。
-
公开(公告)号：CN109766768A
公开(公告)日：2019-05-17
申请号：CN201811547459.8
申请日：2018-12-18
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于深度学习的球员识别方法，该方法步骤：(1)下载高清篮球比赛的视频，并将视频抽成一帧一帧的图片；(2)在图片上对运动员进行截取，得到210张球衣号码较为清晰的运动员图片；(3)根据球员的球衣号码，对210张图片使用Bounding Box标记出号码的位置，并给出标签完成分类；(4)对YOLOv3算法进行修改后对数据集进行训练，训练完成后保存训练好的权重；(5)对测试图片进行测试，直接回归出目标的边界框及分类类别，实现球衣号码的定位以及号码识别，从而实现球员的识别，本发明能够利用对球衣号码的定位以及识别实现对运动员的自动识别，测试结果具有很好的准确性和鲁棒性，大大减少了以往普遍采用的人工查找方式的工作量。
-
Patent Agency Ranking
公开(公告)号：CN109460724A
公开(公告)日：2019-03-12
申请号：CN201811264286.9
申请日：2018-10-29
Applicant: 南京邮电大学
Abstract: 本发明公开了基于对象检测的停球事件的分离方法和系统，其中方法包括：采用图像标注工具对原始训练集图像中的球员和足球进行标注，标注时将球员和足球用一个矩形框框出其在图像中的位置并输入相应的标签，得到标注后的训练集图像；根据训练集中的图像训练神经网络并输出图像中目标检测框的边界和目标的类别；采用训练好的神经网络对待检测的训练视频进行检测确定图像的帧数并输出球员和足球的坐标；将同时检测到足球和球员的前后两帧图像的帧数相减，差值大于预设阈值时则确定停球事件。本发明基于神经网络的检测的结果，对检测数据不断分析，找到停球事件的特点来对停球事件进行分离，具有很好的稳定性以及鲁棒性。
-
公开(公告)号：CN108684043A
公开(公告)日：2018-10-19
申请号：CN201810461226.X
申请日：2018-05-15
Applicant: 南京邮电大学
IPC: H04W12/12
CPC classification number: H04W12/12
Abstract: 本发明公开了一种基于最小风险的深度神经网络的异常用户检测方法，首先对异常用户的数据进行预处理，得到异常用户和正常用户数据量一致的数据；其次利用Mini‑batch梯度下降方法对深度神经网络进行训练并结合NOMA通信系统中不同异常用户的危害程度高低，构建基于最小风险的决策表；最后将决策表设定的不同决策对应的损失函数引入深度神经网络，构建基于最小风险的神经网络异常用户检测方法。本发明通过深度神经网络对高维数据强大的表示和分析能力，解决基于大数据的NOMA系统异常用户检测问题、将最小风险代价引入到深度神经网络训练中，解决了NOMA系统中各类异常用户的危害程度的差异性问题，有望为异常用户检测提供新的思路和理论创新。
-
公开(公告)号：CN108648188A
公开(公告)日：2018-10-12
申请号：CN201810459572.4
申请日：2018-05-15
Applicant: 南京邮电大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于生成对抗网络的无参考图像质量评价方法，包括以下步骤：使用生成对抗网络来构建图像训练模型；将高清无损图像作为训练数据集送入图像训练模型中进行训练学习，通过训练前鉴别网络判别所输入图像块的真伪性，并得到具有训练完备鉴别网络的无参考图像质量评价模型；将待评价图像送入无参考图像质量评价模型中，通过训练完备鉴别网络对待评价图像进行打分，及对打分结果进行加权，从而得到待评价图像的评价结果。本方法不仅解决使用传统的无参考图像质量评价方法对待评价图像进行质量评价只能针对图像的某一失真类型或是根据特定应用而进行设计的缺陷，还可以解决现有的使用神经网络的评价方法面临着训练数据收集困难的困境。
-
公开(公告)号：CN108563770A
公开(公告)日：2018-09-21
申请号：CN201810360670.2
申请日：2018-04-20
Applicant: 南京邮电大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于场景的KPI及多维度网络数据清洗方法，首先将采集的数据导入数据结构中；对导入的数据格式进行规范化，将资源数据按场景划分，同一个场景的资源数据合并得到资源子数据，对数据值产生的冲突进行检测和处理；对多个数据源或文件的数据进行关联，对数据的冗余和模式不匹配的情况进行判断和处理；对不能直接进行数据挖掘的数据进行处理；查看各属性的缺失率，根据缺失率决定处理方式，包括丢弃和采用K-NN回归方法填补；在数据存储模块中对原始数据进行备份并存储清洗后的数据；本发明实现了数据的有效清洗，解决数据的复杂程度高导致的无法对数据进行深入挖掘的技术问题。
-
公开(公告)号：CN108134759A
公开(公告)日：2018-06-08
申请号：CN201711419394.4
申请日：2017-12-25
Applicant: 南京邮电大学
IPC: H04L27/26 , H04B17/382 , H04L25/03 , H04B1/525
Abstract: 本发明公开了一种基于干扰对消技术的非正交多址接入方法，考虑带有N个用户的OFDMA正交集系统为第一组用户，同时使用MC-CDMA系统作为第二组来容纳额外的M个用户。在这个使用N+M多用户多址接入方案中，第一组的N个用户相互之间不干扰，第二组M个用户亦然，但两组用户间相互干扰。最终通过串行干扰消除的迭代判决来检测传输的符号。本发明实施提供的方案既可以实现信道过载以缓解频谱资源不足，同时创造性地解决单一OFDMA系统容纳用户数不足的问题。基于这种方案，NOMA成为正交多址的一种技术扩展而不是一种完全对立的技术。
-
-
-
-
-
-
-
-
-
Search Results
124
records
(took 0.032 seconds)
