-
公开(公告)号：CN116403110A
公开(公告)日：2023-07-07
申请号：CN202310306130.7
申请日：2023-03-27
Applicant: 南京信息工程大学
IPC: G06V20/10 , G06N3/08 , G06V10/82 , G06V10/40 , G06N3/0464
Abstract: 本发明公开了一种遥感图像轻量化网络快速检测方法、装置及介质，所述方法包括获取遥感图像；输入遥感图像至预先训练过的轻量化目标检测网络中，获取检测结果；其中：所述轻量化目标检测网络中设有Mobilenetv3tiny网络和改进后的加强特征提取网络PAFPN，所述改进后的加强特征提取网络PAFPN中设有Ghost模块，本发明设计了一种轻量化的Mobilenetv3tiny网络，可减少模型参数量、提高检测速度，通过在改进后的加强特征提取网络PAFPN中引入Ghost模块，在保证检测精度的前提下，降低网络的复杂性，易于部署至移动设备。
-
公开(公告)号：CN113670857B
公开(公告)日：2023-03-10
申请号：CN202110934745.5
申请日：2021-08-16
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种雾霾天气能见度散射式测量方法，包括以下步骤：准备工作：在机场设置可对航空环境的能见度进行散射式测量的散射式测量仪本体；预处理：在雾霾天气出现时，测量仪控制器预先控制温感控制器；电热引导圈通电处理；本发明在雾霾天气检测能见度时，通过仿生瞬膜对透光镜片进行提前清洁，有效清洁透光镜片表面的水雾、尘土等杂质，提高透光镜片的通透程度，有效保证测量发生器和测量接收器的光学视程，减少测量数据的误差值，辅助航空站做出正确指令，减少由于天气原因造成的经济损失，并且通过多次反复测量，进一步提高航空能见度的准确度，提高航空运行的安全性。
-
公开(公告)号：CN119067202B
公开(公告)日：2025-04-22
申请号：CN202411566650.2
申请日：2024-11-05
Applicant: 南京信息工程大学
Abstract: 本发明公开了边缘计算技术领域的一种基于联邦学习的交通推荐系统分布式训练方法，包括：步骤A：生成车辆上本地数据样本的标签分布、特征分布以及本地模型参数；步骤B：边缘服务器基于各车辆上本地数据样本的标签分布的相似性和特征分布的相似性为每个车辆选择合作者，并将当前全局更新中合作者最新的本地模型参数发送给对应的车辆；步骤C：为每个车辆计算各合作者的聚合权重，进行聚合得到全局更新后的本地模型参数，并对全局更新后的本地模型进行本地训练，生成新的本地模型参数和车辆上本地数据样本的特征分布，并上传至边缘服务器，为参与下一轮全局更新的各个车辆更新合作者；步骤D：重复步骤B至步骤C，直至全局损失函数收敛。
-
公开(公告)号：CN117892064B
公开(公告)日：2024-05-14
申请号：CN202410285358.7
申请日：2024-03-13
Applicant: 南京信息工程大学
IPC: G06F18/10 , G06F18/213 , G06F18/214 , G06F18/25 , G06N3/0464 , G06Q50/26
Abstract: 本发明公开了一种全球气候模型日平均气温降尺度方法、装置及存储器，该方法包括以全球气候模型日平均气温和地形数据为输入，输入至气温降尺度模型中，以降尺度后的日平均气温数据为输出，以日平均气温标签数据为训练真值，对该气温降尺度模型进行训练，得到最优模型；采用训练好的最优模型对任意日的全球气候模型日平均气温进行降尺度模拟。本发明充分考虑了地形因素对气温的影响，引进了DEM地形数据作为辅助变量，并且设计出一个地形融合模块，进一步提取DEM地形特征后与气温数据融合，提升了模型的降尺度性能。
-
公开(公告)号：CN117892064A
公开(公告)日：2024-04-16
申请号：CN202410285358.7
申请日：2024-03-13
Applicant: 南京信息工程大学
IPC: G06F18/10 , G06F18/213 , G06F18/214 , G06F18/25 , G06N3/0464 , G06Q50/26
Abstract: 本发明公开了一种全球气候模型日平均气温降尺度方法、装置及存储器，该方法包括以全球气候模型日平均气温和地形数据为输入，输入至气温降尺度模型中，以降尺度后的日平均气温数据为输出，以日平均气温标签数据为训练真值，对该气温降尺度模型进行训练，得到最优模型；采用训练好的最优模型对任意日的全球气候模型日平均气温进行降尺度模拟。本发明充分考虑了地形因素对气温的影响，引进了DEM地形数据作为辅助变量，并且设计出一个地形融合模块，进一步提取DEM地形特征后与气温数据融合，提升了模型的降尺度性能。
-
Patent Agency Ranking
公开(公告)号：CN117665825B
公开(公告)日：2024-05-14
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。
-
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：CN115390164A
公开(公告)日：2022-11-25
申请号：CN202211322018.4
申请日：2022-10-27
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种雷达回波外推预报方法及系统，本发明采用基于上下文信息融合及注意力机制的长短期记忆网络构建预测神经网络，通过上下文信息融合提高了输入数据之间的相关性和输入数据的时空细节特征，增强网络的短期依赖能力，通过注意力机制可拓宽预测单元的时间感受野来感知更多的时间动态，捕获更可靠的帧间运动信息，大大增强了降雨预测精准度。本发明克服了现有技术对上下文信息提取不足、预报时效短的缺点，实现了准确度更高的雷达回波外推预测。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.04 seconds)
