-
公开(公告)号：CN117893765A
公开(公告)日：2024-04-16
申请号：CN202410099052.2
申请日：2024-01-24
Applicant: 南京信息工程大学
IPC: G06V10/26 , G06V20/70 , G06V20/10 , G06V10/56 , G06V10/80 , G06V10/82 , G06V10/44 , G06V10/52 , G06V10/42 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种图像处理技术领域的城市街景绿色景观图像分割方法及装置，旨在解决现有技术中等问题，其包括获取城市街景绿色景观图像数据；对获取的城市街景绿色景观图像数据进行预处理，得到预处理的城市街景绿色景观图像数据；根据预处理的城市街景绿色景观图像数据，基于预训练的城市街景绿色景观图像分割模型，对城市街景中的绿色景观进行提取，得到预测的绿色景观分割图像。本发明对全局上下文信息建模，减少主干网络特征冗余，同时提升分割性能。
-
公开(公告)号：CN117634930B
公开(公告)日：2024-03-29
申请号：CN202410096277.2
申请日：2024-01-24
Applicant: 南京信息工程大学
IPC: G06Q10/0637 , G01W1/10 , G06Q50/26 , G06N3/0442 , G06N3/045 , G06N3/084
Abstract: 本发明公开了一种台风云图预测方法、系统及存储介质，预测方法包括：将台风云图序列样本输入至预训练的FSTA‑LSTM神经网络模型中，得到预测的台风云图序列，确定台风云图预测结果；其中，所述FSTA‑LSTM神经网络模型的训练过程包括：搭建神经网络模型；其中，所述神经网络模型包括依次连接的特征增强模块、Encoder编码器、STA‑LSTM模块、Decoder解码器和多尺度特征融模块；将预处理后的台风云图序列样本数据输入至神经网络模型中，台风云图序列样本经神经网络模型的多层网络架构的前向传播后，再反向传播更新神经网络模型的网络权重，获得FSTA‑LSTM神经网络模型。本申请优化时空记忆单元和隐藏单元的信息传递，提升了模型对复杂云图模式和台风结构变化的捕捉能力。
-
公开(公告)号：CN117634930A
公开(公告)日：2024-03-01
申请号：CN202410096277.2
申请日：2024-01-24
Applicant: 南京信息工程大学
IPC: G06Q10/0637 , G01W1/10 , G06Q50/26 , G06N3/0442 , G06N3/045 , G06N3/084
Abstract: 本发明公开了一种台风云图预测方法、系统及存储介质，预测方法包括：将台风云图序列样本输入至预训练的FSTA‑LSTM神经网络模型中，得到预测的台风云图序列，确定台风云图预测结果；其中，所述FSTA‑LSTM神经网络模型的训练过程包括：搭建神经网络模型；其中，所述神经网络模型包括依次连接的特征增强模块、Encoder编码器、STA‑LSTM模块、Decoder解码器和多尺度特征融模块；将预处理后的台风云图序列样本数据输入至神经网络模型中，台风云图序列样本经神经网络模型的多层网络架构的前向传播后，再反向传播更新神经网络模型的网络权重，获得FSTA‑LSTM神经网络模型。本申请优化时空记忆单元和隐藏单元的信息传递，提升了模型对复杂云图模式和台风结构变化的捕捉能力。
-
公开(公告)号：CN117876939B
公开(公告)日：2024-05-24
申请号：CN202410270021.9
申请日：2024-03-11
Applicant: 南京信息工程大学
IPC: G06V20/40 , G06V40/20 , G06V10/42 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于时空特征增强的实时时空行为检测方法及装置，方法包括：将待检测的视频数据输入训练好的检测网络，得到实时时空行为检测结果；检测网络的训练包括：将原始视频截取为多个等时长的视频片段，将每个视频片段截取固定帧数的图像；对视频片段和其中的关键帧进行特征提取，得到时空特征和空间解耦特征；将时空特征输入到轻量时空扩张增强模块，得到时空增强特征；将时空增强特征进行上采样操作并与空间解耦特征在空间维度上对齐连接，将连接后的特征输入多尺度特征融合模块作为动作分类及定位的依据；优化损失函数并重复训练使得检测网络收敛，得到训练好的检测网络。本发明有效权衡了检测精度和速度，适用于实时行为检测任务。
-
公开(公告)号：CN117665825A
公开(公告)日：2024-03-08
申请号：CN202410131969.6
申请日：2024-01-31
Applicant: 南京信息工程大学
IPC: G01S13/95
Abstract: 本发明公开了一种雷达回波外推预报方法及系统，属于降雨短临预报技术领域，其包括获取待预测的雷达回波图像序列；对雷达回波图像序列进行预处理，得到待预测数据集；将所述待预测数据集输入预先训练的结合双分支编解码和门控递归网络的预测模型，获得雷达回波外推预测图像；其中，所述结合双分支编解码和门控递归网络的预测模型的训练方法包括：对获取到的雷达回波图像序列样本进行预处理，得到有效样本数据集；将所述有效样本数据集输入预先构建的结合双分支编解码和门控递归网络的预测模型，得到训练好的结合双分支编解码和门控递归网络的预测模型，通过上述过程实现了准确率更高的雷达回波外推预测效果，大大增强了降雨预测精度。
-
Patent Agency Ranking
公开(公告)号：CN106943258B
公开(公告)日：2022-01-28
申请号：CN201710329726.3
申请日：2017-05-11
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种多功能无线智能床垫及其人体生理信号测量方法，其特征是，包括床垫本体和控制电路模块；所述床垫本体从上到下依次包括上面料层、压力感应层、海绵层、下面料层；所述压力感应层从上到下依次包括巨压电薄膜层和电容薄膜层；所述巨压电薄膜层和电容薄膜层的上下面上均设置有屏蔽层；所述控制电路模块包括巨压电薄膜层和电容薄膜层各自的控制电路；所述控制电路模块根据所述压力感应层的变化获取床垫上人体信号。本发明所达到的有益效果：通过巨压电薄膜层进行体震信号的测量，经过滤波及提取，得到人体的生理信号，通过柔性电容薄膜阵列测量睡姿压力分布特征，可有效准确的监测大众的睡眠姿态，对疾病的预防和保健起到积极的作用。
-
公开(公告)号：CN106526085B
公开(公告)日：2019-02-01
申请号：CN201611076267.4
申请日：2016-11-30
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种可消除太阳辐射误差的探空湿度测量装置及方法，包括环境检测单元、数据采集单元、第一数据处理单元、第一无线通信单元和地面终端单元；所述环境检测单元包括湿度传感器，湿度传感器的上表面设有第一温度传感器，其四周至少设有一个第二温度传感器；所述数据采集单元的输入端分别与湿度传感器、第一温度传感器和第二温度传感器的输出端相连；所述第一数据处理单元设于数据采集单元和第一无线通信单元之间；所述地面终端单元包括相互连接的第二无线通信单元和第二数据处理单元，第二无线通信单元与第一无线通信单元之间无线连接。本发明提高了湿度测量的精确度和稳定性，并且极大的降低了成本。
-
公开(公告)号：CN119887850A
公开(公告)日：2025-04-25
申请号：CN202510370363.2
申请日：2025-03-27
Applicant: 南京信息工程大学
IPC: G06T7/246 , G06V10/25 , G06V10/62 , G06V10/82 , G06V10/80 , G06V10/52 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明提供了一种基于自适应关联的复杂场景下多目标追踪方法，包括：步骤1，获取包含多目标运动的视频帧序列，对视频帧序列进行预处理；步骤2，构建新的目标检测网络模型；新的目标检测网络模型以YOLO11模型作为基准模型，包括骨干网络、颈部网络和头部网络；步骤3，对新的目标检测网络模型进行整体多尺度特征训练与学习；步骤4，对目标检测网络模型进行性能评估与评价；步骤5，将检测框对象输入到追踪算法，预测目标轨迹。本发明引入自适应阈值和相机偏移补偿机制，增强了追踪在不同环境下的抗干扰能力。将本发明提出的模型进行消融实验，并与常用的深度学习模型对比，在相同的测试条件下，本发明具有优秀的检测和追踪性能。
-
公开(公告)号：CN118429870A
公开(公告)日：2024-08-02
申请号：CN202410897337.0
申请日：2024-07-05
Applicant: 南京信息工程大学
IPC: G06V20/40 , G06V20/52 , G06V10/42 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种群体行为识别方法、系统和存储介质，包括：获取待识别的视频帧；根据视频帧，基于预训练好的群体行为识别模型，得到群体行为类别；所述群体行为识别模型包括：骨干网络、融合模块、嵌入层、关系推理模块、图卷积网络、全局平均池化层以及分类器。本发明通过模型中的融合模块将全局特征中包含的场景信息嵌入个体特征中，为个体动作与群体行为类别的推理提供了信息丰富的融合特征，最终提高了群体行为的识别精度。
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.031 seconds)
