-
公开(公告)号：CN114937204A
公开(公告)日：2022-08-23
申请号：CN202210476223.X
申请日：2022-04-29
Applicant: 南京信息工程大学
IPC: G06V20/10 , G06V20/70 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种轻量级多特征聚合的神经网络遥感变化检测方法，包括搭建并训练一个分割网络，输入双时像遥感图像，输出预测变化区域的预测模型，其特征在于，所述预测模型包括至少三个基础语义分割子模块：特征提取模块、细节特征引导模块、自注意力以及特征融合模块。该种轻量级多特征聚合的神经网络遥感变化检测方法，通过轻量级多特征融合网络在采用前述训练方法进行训练后即可用于遥感图像变化检测，对待处理图像先采用裁剪的方式输入至神经网络模型中，设置参数并进行多次迭代，得到变化检测遥感图像的预测结果，该预测的结果相对于采用传统的基础语义分割模型（例如UNet、FCN等）得到的结果，其预测准确率有明显的提升。
-
公开(公告)号：CN110490299B
公开(公告)日：2022-07-29
申请号：CN201910676680.1
申请日：2019-07-25
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于状态变化微分的灵敏长短期记忆方法，为了提高传统的LSTM神经网络对短时间信息的反应能力，增加了增加了信息敏感能力的长短期记忆网络的一个神经单元，能够很好的增加其对于短时间信息的反应能力，提高其应用的实时性，进而能够进行更完善的实时分析，进一步分析微动作等内容，提高了应用价值。
-
公开(公告)号：CN114387539A
公开(公告)日：2022-04-22
申请号：CN202111572410.X
申请日：2021-12-21
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于SimAM注意力机制的行为识别方法，充分利用无参数注意力模块SimAM的无参数特点，将之与双流网络模型有机结合，可以在提高识别准确率的同时减少网络参数和训练难度，且可以根据输入视频高低层特征含量(即分辨率)的不同，适应性地采用不同的融合方式，提高对细节的感知能力，得出一种高性能的行为识别算法，对双流网络模型进行了更加有效优化，增加了这种方案的行为识别算法的工程性和准确性。
-
公开(公告)号：CN113741449A
公开(公告)日：2021-12-03
申请号：CN202111004160.X
申请日：2021-08-30
Applicant: 南京信息工程大学
IPC: G05D1/02
Abstract: 本发明公开了一种面向海空协同观测任务的多智能体控制方法，包括以下步骤：单艘无人艇搜寻出中尺度涡内具有观测价值的区域；无人艇从涡流的最外侧沿着直线向中心行驶，艇上搭载的传感器每隔一段时间采集一次水温，并将水温数据由高到底进行排序，得到水温变化梯度大的区域；派出多艘无人艇在以上区域内搜寻等温线，采用数据驱动和深度确定性策略梯度算法对各艘无人艇的航姿继续控制，已确保其行驶在等温线上；派遣无人机前往涡流的中心，采用多智能体深度确定性策略梯度算法控制无人机与各无人艇汇合。本发明能够在环境受限、模型受限以及能量受限条件下，实现无人艇搜寻等温线，以及无人机对无人艇的观测数据进行大规模数据的采集任务。
-
公开(公告)号：CN113554181A
公开(公告)日：2021-10-26
申请号：CN202110768514.1
申请日：2021-07-07
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于批增量方式的联邦学习训练模型。属于联邦学习训练领域，操作步骤：提出搭建具有增量学习的联邦学习框架；在联邦学习框架中保留有增量学习存在的历史遗忘性问题；针对历史遗忘性问题，通过构建本地损失更新，选择针对性的损失函数优化模型；再通过搭建联邦学习局部增量自注意力机制模型，加强具有增量学习的联邦学习框架在训练数据时的记忆，提高在联邦学习训练模型中分类任务的准确率。本发明不仅将目前所有本地模型损失的平均值添加到局部模型的损失中，帮助减少增量学习的快速遗忘的影响；还将自注意力机制用于最经典的卷积神经网络中，通过注意力机制，保留关键信息，更好地进行特征提取和选择，加强增量学习记忆。
-
Patent Agency Ranking
公开(公告)号：CN113362160A
公开(公告)日：2021-09-07
申请号：CN202110635863.6
申请日：2021-06-08
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种用于信用卡反欺诈的联邦学习方法和装置，该方法包括：搭建具有不同欺诈类别的K个联邦学习参与方对应的局部图卷积神经网络模型；使用局部图卷积神经网络模型进行联邦学习训练；其中，采用注意力机制对联邦学习参数的聚合过程进行改进，使得每个局部图卷积神经网络模型均有与之适配的权重来进行聚合；输出全局图卷积神经网络模型，所述全局图卷积神经网络模型用于对导入的用户数据进行处理，识别其对应的欺诈类别。本发明针对现有信用卡欺诈评估方法和经典联邦学习算法的现有问题，提出了一种适应非欧式空间数据和参与方个性化特点的联邦学习算法来处理金融数据，进行信用卡反欺诈判断。
-
公开(公告)号：CN112819413A
公开(公告)日：2021-05-18
申请号：CN202110204009.4
申请日：2021-02-24
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种适用于即时物流的配送改进算法，包括以下步骤：依据骑手工作站为工作的中心点，设定骑手工作中心站点位置及骑手工作位置，计算骑手距离中心站点的位置，定义骑手工作区域；依据不同延时因素引入时间延迟，确定骑手的动态位置变化；获取关于订单及历史订单配送结果的历史数据集；将影响订单派送的因素作为参数引入多目标动态优化算法；利用降维代价函数，在参数上加上权重，定义各骑手的配送效率值；求得每个参数的权重，选择最优效率值得骑手进行订单派送。本发明就被动式派单方法进行改进，增加骑手的实时地理位置，根据平台的后台配送数据，根据骑手的实时位置信息来优化系统，选择最佳配送人员派单，提高了订单配送效率。
-
公开(公告)号：CN110228071A
公开(公告)日：2019-09-13
申请号：CN201910491330.8
申请日：2019-06-06
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种适于化工厂的多种融合有毒气体分类方法及巡检机器人，利用巡检机器人在预先铺设的轨道上定点按计划巡检，进行精确测温及多种融合有毒气体分类分析，目标气体分类方法使用ECOC输出纠错编码，将采集到的多种融合有毒气体特征信息样本作为特征向量，输入至训练好的基分类器中分离出目标气体，能够快速确定有毒气体泄漏源，并能够在有毒气体泄漏情况下发出警报。本发明有助于减少化工厂工人日常巡检的精力，节省劳动力成本，提高工作效率和安全性能。
-
公开(公告)号：CN110210375A
公开(公告)日：2019-09-06
申请号：CN201910457808.5
申请日：2019-05-29
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于无人机的自适应农场庄稼缺肥区域检测方法，包括(1)无人机在农场上空进行巡航，并通过高光谱相机采集农场庄稼的光谱波段图像；(2)对光谱波段图像进行图像处理，采用SVM分类器分析图像判断庄稼所需元素是否缺少；(3)自适应调整无人机位置及高度，使缺肥区域范围最接近无人机的视野范围，记录此时的图像以及无人机的高度H；(4)基于步骤3所的的图像计算缺肥区域的实际面积，将缺肥信息发送至管理人员的移动设备端。本发明通过所设计的自适应缺肥区域检测模块，辅助无人机完成“看”的动作，提升了无人机图像处理的智能性，并因此取代图像处理云平台完成图像处理任务，节约了系统成本，具有极高的应用推广价值。
-
公开(公告)号：CN110197500A
公开(公告)日：2019-09-03
申请号：CN201910457089.7
申请日：2019-05-29
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种放牧无人机及牧群跟踪方法，能够通过摄像机摄取牧群的图像，根据算法计算出图像中整个牧群的质点，并对该点进行跟踪。如果发现有牲畜失踪，则找出相对移动的牲畜，并对它们进行贴标签及编号，通过标签及编号判断哪只牲畜失踪，计算失踪牲畜最后出现在无人机视野中的位置及逃离方向和速度，最后无人机将计算出的失踪牲畜可能出现的区域发送给牧民。本发明中的放牧无人机既可以跟随牧群移动，帮助牧民检测牧群的安全状态，又能够实时检测到逐渐离开牧群的个体，帮助牧民实时监查牧群中是否有牲畜跟丢或者走失。本发明还适用于大型牧群，在背景较为简单且没有遮挡的放牧环境中效果非常好，能够应用在大规模的牛/羊群养殖业上。
-
-
-
-
-
-
-
-
-
Search Results
237
records
(took 0.056 seconds)
