-
公开(公告)号：CN119048495A
公开(公告)日：2024-11-29
申请号：CN202411516594.1
申请日：2024-10-29
Applicant: 南京信息工程大学
IPC: G06T7/00 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/084
Abstract: 本发明公开了一种基于改进YOLOv8的多尺度特征融合3D打印缺陷检测方法，涉及3D打印缺陷检测技术领域，通过自适应多尺度特征融合网络，根据缺陷的特征尺度自动调整特征融合的方式，并集成了自适应特征金字塔、跨尺度连接块和空间注意力引导模块，来提高对不同尺度和类型的3D打印缺陷的检测能力。
-
公开(公告)号：CN113887358B
公开(公告)日：2024-05-31
申请号：CN202111113754.4
申请日：2021-09-23
Applicant: 南京信息工程大学
IPC: G06V40/20 , G06V10/75 , G06V10/82 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了按部分学习解耦表征的步态识别方法，包括如下步骤：(1)通过自编码器将原始图像分解成外观特征、典型特征和姿态特征；(2)利用水平金字塔匹配HPM将典型特征提取为静态步态特征；(3)利用微运动捕捉模块MCM将姿态特征累计成动态步态特征；(4)将静态步态特征和动态步态特征进行拼接实现特征嵌入操作。本发明通过使用水平金字塔匹配和微运动捕捉模块分别提取静态特征和动态特征，显著提升模型在极端角度的识别性能。
-
Patent Agency Ranking
公开(公告)号：CN116805428A
公开(公告)日：2023-09-26
申请号：CN202310789986.4
申请日：2023-06-30
Applicant: 南京信息工程大学
IPC: G06V40/16 , G06V10/82 , G06V10/44 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/09
Abstract: 本申请涉及一种人脸表情分类方法。该方法包括：获取样本图像集，将样本图像集中训练样本图像的进行随机翻转、缩放和模糊处理，获得训练样本图像集，将所述训练样本图像集输入基于ResNet模型、轻量化的VGG模型和融合模块构建的人脸表情分类模型进行训练，选择深度学习中的交叉熵损失函数计算人脸表情分类模型的损失，采用随机梯度下降算法对人脸表情分类模型参数的梯度更新，在loss函数趋于收敛时停止训练，最终得到训练好的人脸表情分类模型，将待分类的人脸图像输入训练好的人脸表情分类模型进行分类，输出人脸表情分类结果。由此，提高了人脸表情图像分类的识别准确率。
-
公开(公告)号：CN113887358A
公开(公告)日：2022-01-04
申请号：CN202111113754.4
申请日：2021-09-23
Applicant: 南京信息工程大学
Abstract: 本发明公开了按部分学习解耦表征的步态识别方法，包括如下步骤：(1)通过自编码器将原始图像分解成外观特征、典型特征和姿态特征；(2)利用水平金字塔匹配HPM将典型特征提取为静态步态特征；(3)利用微运动捕捉模块MCM将姿态特征累计成动态步态特征；(4)将静态步态特征和动态步态特征进行拼接实现特征嵌入操作。本发明通过使用水平金字塔匹配和微运动捕捉模块分别提取静态特征和动态特征，显著提升模型在极端角度的识别性能。
-
公开(公告)号：CN101937510B
公开(公告)日：2015-05-20
申请号：CN201010280839.7
申请日：2010-09-14
Applicant: 南京信息工程大学
IPC: G06K9/62
Abstract: 本发明提供一种基于类Haar和AdaBoost分类器的快速增量学习方法，属于图像检测技术领域。本发明对于新增加的未正确识别的训练样本集，在不损失已有学习效果的前提下，增加一些关键的类Haar特征信息，而不是重新寻找关键类Haar特征信息，以提高训练的速度。本发明利用所提出的增量学习方法较好地解决了快速提升基于类Haar特征和AdaBoost分类器方法的识别性能问题，将其应用于车辆图像检测实验，与传统增量学习方法相比，在两者提升识别性能相近的情形下，明显减少了学习机的学习时间。
-
公开(公告)号：CN101937507B
公开(公告)日：2012-06-27
申请号：CN201010280831.0
申请日：2010-09-14
Applicant: 南京信息工程大学
Abstract: 本发明提供一种低对比度车辆图像的小波特征提取方法，属于图像特征处理技术领域。本发明先利用小波变换对图像进行塔式分解；然后对塔式分解后的小波高频系数采用增益函数进行增益处理，以提高高频细节部分对分类的贡献，最后对所有数据进一步进行分层归一化处理，将处理后的数据形成特征向量输入到分类器进行分类识别。本发明解决了现有的特征提取方式对低对比度图像进行特征提取后分类识别效果较差的问题，利用所提出的方法结合支持向量机分类器对Twilight图像进行车辆检测实验，与现有小波特征提取方法相比，明显提高了车辆识别率，大幅度降低了非车辆误识别率。
-
公开(公告)号：CN101916272A
公开(公告)日：2010-12-15
申请号：CN201010250124.7
申请日：2010-08-10
Applicant: 南京信息工程大学
IPC: G06F17/30
Abstract: 本发明公开了一种用于深层网数据集成的数据源选择方法。本发明方法首先基于查询接口语义特征并结合本体库，选择与用户查询相关度较大的深层网数据源；接着通过数据源的质量评估模型对数据源的质量进行评估，最后根据质量评估情况质量较高的数据源，最终得到与客户查询相关度大且质量较高的数据源集。相比现有技术，本发明方法能够提高深层网页查询的准确度，同时降低信息冗余，提高查询效率。
-
-
-
-
-
-
Search Results
17
records
(took 0.025 seconds)
