-
公开(公告)号：CN113052802B
公开(公告)日：2024-04-09
申请号：CN202110266710.9
申请日：2021-03-11
Applicant: 南京大学
IPC: G06F30/27
Abstract: 本申请公开了一种基于医学图像的小样本图像分类方法、装置及设备，属于图像分类技术领域。所述方法包括：获取辅助图像集，辅助图像集中包含已标注的m张第一医学图像，m张第一医学图像属于多个第一类别；对m张第一医学图像进行特征提取，得到每个第一类别的第一特征；获取小样本图像集，小样本图像集包括支撑集和查询集，支撑集中包含已标注的n张第二医学图像，n张第二医学图像属于多个第二类别，查询集中包含属于第二类别且未标注的第三医学图像，第二医学图像和第三医学图像所对应的场景与第一类别相关，n＜m；根据第一特征提取每个第二类别的第二特征；根据第二特征对第三医学图像进行分类。本申请中可以提高图像分类的准确性。
-
公开(公告)号：CN112819837B
公开(公告)日：2024-02-09
申请号：CN202110216067.9
申请日：2021-02-26
Applicant: 南京大学
Abstract: 本发明公开了一种基于多源异构遥感影像的语义分割方法，涉及深度学习技术领域。具体包括：步骤1、对遥感影像数据集中的训练图片进行预处理；步骤2、搭建多级分割头网络，利用所述多级分割头网络完成对训练图片的特征提取以及分割预测，得到具有多级标签的分割结果；步骤3、对步骤2中搭建的多级分割头网络进行多级标签的监督训练，得到语义分割模型；步骤4、对待分割遥感影像进行分割；步骤5、通过融合多级分割头的预测结果得到最终分割结果。本发明的优点在于对于给定的遥感影像进行像素级的分类，从而精确给出语义分割的结果。
-
公开(公告)号：CN112818951B
公开(公告)日：2023-11-21
申请号：CN202110265378.4
申请日：2021-03-11
Applicant: 南京大学
IPC: G06V30/414 , G06V20/30 , G06N3/0499 , G06N3/084 , G06F40/216 , G06N3/0464
-
公开(公告)号：CN113486202B
公开(公告)日：2023-08-04
申请号：CN202110742932.3
申请日：2021-07-01
Applicant: 南京大学 , 江苏威尔曼科技有限公司
IPC: G06F16/55 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/084 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了小样本图像分类的方法，涉及机器学习技术领域，解决了分类模型中使用少量样本不能达到较高分类准确率的技术问题，其技术方案要点是在训练和测试时保持高度的一致性，都以K类各Z张图像以及待分类图像作为模型的一次输入，有利于准确率的提升。同时，在对图像进行特征提取后，使用多尺度思想，分别考虑不同尺度下已知类别的图像特征与待分类图像特征的关系。不同的尺度有利于对图像中不同大小物体的相似度判断；同尺度已知类别的图像特征与待分类图像特征一起输入分类器能够综合考虑各类别间的亲疏关系，更好地输出各类别与待分类图像的相似度，提高了小样本图像分类的准确率。
-
公开(公告)号：CN108694415B
公开(公告)日：2022-08-12
申请号：CN201810464977.7
申请日：2018-05-16
Applicant: 南京大学
IPC: G06V10/764 , G06V10/56 , G06K9/62 , G06T7/11
Abstract: 本发明提出一种图像特征提取方法，包括：将原图像进行颜色空间分解，获取所述原图像的H通道图像、S通道图像以及V通道图像；对H通道图像、S通道图像以及V通道图像分别进行图像变换，生成每个颜色通道对应的频率域图像；对于每个颜色通道的频率域图像，分别以所述频率域图像中心为圆心，按预设半径划分M个同心圆，再根据预设角度划分N个等角扇形，获取若干个扇形区域，其中M为大于1的整数，N为大于0的整数；计算每个扇形区域的均值和方差；统计每个颜色通道图像的所述均值和方差将作为原图像的图像特征。本发明在图像分类时考虑图像的颜色特性，同时有效地提取图像纹理特征，能对干净水源图像和污染水源图像进行更准确的分类。
-
Patent Agency Ranking
公开(公告)号：CN110188397B
公开(公告)日：2022-07-19
申请号：CN201910370812.8
申请日：2019-05-06
Applicant: 南瑞集团有限公司 , 南京大学 , 国网江西省电力有限公司
Abstract: 本发明公开了一种架空输电线路覆冰预测模型和方法，所述模型通过如下步骤构建：步骤1，从线路在线监测系统中获取覆冰相关数据，筛选和处理所获取的数据；步骤2，建立和训练时序卷积神经网络模型，该模型用于预测覆冰因素；步骤3，建立和训练支持向量回归模型，该模型用于建立覆冰因素与覆冰厚度的映射，时序卷积神经网络模型和支持向量回归模型共同组成架空输电线路覆冰预测模型。使用建立的模型即能够进行覆冰预测。
-
公开(公告)号：CN109308459B
公开(公告)日：2022-06-24
申请号：CN201811030190.6
申请日：2018-09-05
Applicant: 南京大学
Abstract: 本发明公开了基于手指注意力模型和关键点拓扑模型的手势估计方法，包括如下步骤：步骤1，获取手部图像，根据手部运动的特征将手部分为n个区域，相应的手部关键点也被分为n组；步骤2，对获取的手部图像进行预处理；步骤3，搭建ASNet网络；步骤4，目标模型训练：对ASNet网络进行目标模型训练，然后使用训练好的模型进行手势估计。
-
公开(公告)号：CN107832837B
公开(公告)日：2021-09-28
申请号：CN201711215956.3
申请日：2017-11-28
Applicant: 南京大学
Abstract: 本发明公开了一种基于压缩感知原理的卷积神经网络压缩方法及解压缩方法，其中压缩方法包括：预处理步骤、将卷积神经网络中的每一层的权值预处理为一系列矩阵；压缩步骤、将预处理步骤得到的预处理结果进行压缩处理得出压缩后的权值；训练步骤、对压缩后的权值进行训练；编码步骤、对训练步骤训练后的已压缩权值进行编码；模型生成步骤、根据经编码步骤得到的编码结果生成压缩后的卷积神经网络模型文件。本发明基于压缩感知原理的卷积神经网络压缩方法，相比其他方法，会比现在较为流行的直接剪枝量化方法有更高的压缩率，而且可以通过在频域中保留低频信息来防止过多的信息损失。
-
公开(公告)号：CN112907605A
公开(公告)日：2021-06-04
申请号：CN202110305495.9
申请日：2021-03-19
Applicant: 南京大学
Abstract: 本发明公开了一种用于实例分割的数据增强方法，涉及实例分割技术领域，解决了实例分割模型的实例分割效果较差的技术问题，其技术方案要点是通过非感兴趣区域去除算法对所述第一图片的非感兴趣区域进行去除，得到非感兴趣区域去除图片，再根据全局自然平均亮度对所述第二图片中的非感兴趣区域进行亮度填充，得到增强图片，将该增强图片加入到原来的训练集训练实例分割模型，从而得到实例分割效果提高、泛化性能提升的实例分割模型。
-
公开(公告)号：CN112861860A
公开(公告)日：2021-05-28
申请号：CN202110265373.1
申请日：2021-03-11
Applicant: 南京大学
Abstract: 本发明公开了一种基于上下边界提取的自然场景下文字检测方法，涉及计算机视觉文字检测和图像分割领域。具体包括：步骤1，通过卷积神经网络模型提取图像的特征图，并通过多尺度特征金字塔模型对特征图进行增强；步骤2，通过语义分割模型预测文字的中心区域，上边界区域，下边界区域和文字的整体区域；步骤3，通过广度优先搜索将中心区域逐步扩展至整体区域，同时通过对上下边界区域进行滤波操作得到文字的形式化上下边界线；步骤4，组合文字的中心区域、整体区域以及上下边界线得到最终的文字检测结果。优点在于能够提取图像中文字的上下边界并定位文字区域，能够进行自然场景下的图像文字检测。
-
-
-
-
-
-
-
-
-
Search Results
137
records
(took 0.024 seconds)
