-
-
-
-
公开(公告)号：CN117671540A
公开(公告)日：2024-03-08
申请号：CN202311758333.6
申请日：2023-12-20
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多谱频率通道注意力的航拍图像小目标检测方法，包括：收集待检测的航拍小目标图像数据集，从数据集中统计出表示高频信息的高频分量；修改YOLOv7目标检测网络模型，引入集成通道注意力和空间注意力的改进的CBAM模块；引入混合特征融合模块，通过从浅层网络用来检测的特征，进行混合特征融合，并进行模型训练；将待检测图像输入到训练好的模型，得到不同尺寸的检测张量结果。本发明使用更加符合数据集的表示高频信息的频率分量进行网络训练，使检测关注小目标；通过混合特征融合模块，可以充分挖掘出小目标与背景的隐性信息，能够有效降低背景对小目标的干扰并提高非显著性小目标的检测能力，实现更高精准度和更加快速实时的检测。
-
公开(公告)号：CN111259950B
公开(公告)日：2022-07-05
申请号：CN202010034052.6
申请日：2020-01-13
Applicant: 南京邮电大学
IPC: G06V10/774 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于3D模型训练YOLO神经网络的方法，首先、构建待测物体3D模型及场景背景模型并结合形成场景图，随机化物体3D模型的中心点所在坐标、Euler角、纹理参数及场景背景模型，对场景图渲染多次得到原始数据集；其次、由原始数据集中标记五元组中边框界的左上顶点坐标、右下顶点坐标与图像宽高计算得到边界框的中心点坐标、宽、高与图像宽高的相对比例，从而转换得到YOLO神经网络标准数据集；最后，建立所得数据集与YOLO神经网络结合后的损失函数，使用随机梯度下降算法求损失函数近似最小值，得到待检测物体的YOLO目标检测模型，本发明可减少YOLO神经网络数据集获取成本。
-
Patent Agency Ranking
公开(公告)号：CN112598153A
公开(公告)日：2021-04-02
申请号：CN202011319264.5
申请日：2020-11-23
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于天牛须搜索算法的旅行商问题求解方法。涉及组合优化、路径规划领域；具体步骤：1、计算各个城市之间的距离，生成距离矩阵D；2、初始参数；3、初始化天牛群的位置X；4、求得当前位置中左、右须分别对应的位置；5、确定左、右须的适应度值f(Xl),f(Xr)；6、根据位置更新策略得到新位置，并进行修正操作；7、计算当前位置和得到的新位置的适应度值f(Xi),8、对随机数r2与局部搜索概率p进行对比；9、确定是否到达迭代最大次数。本发明将原本应用于连续域的天牛须搜索算法应用于离散域去解决旅行商问题，同时保持了天牛须搜索算法的原有思想。
-
公开(公告)号：CN111259950A
公开(公告)日：2020-06-09
申请号：CN202010034052.6
申请日：2020-01-13
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于3D模型训练YOLO神经网络的方法，首先、构建待测物体3D模型及场景背景模型并结合形成场景图，随机化物体3D模型的中心点所在坐标、Euler角、纹理参数及场景背景模型，对场景图渲染多次得到原始数据集；其次、由原始数据集中标记五元组中边框界的左上顶点坐标、右下顶点坐标与图像宽高计算得到边界框的中心点坐标、宽、高与图像宽高的相对比例，从而转换得到YOLO神经网络标准数据集；最后，建立所得数据集与YOLO神经网络结合后的损失函数，使用随机梯度下降算法求损失函数近似最小值，得到待检测物体的YOLO目标检测模型，本发明可减少YOLO神经网络数据集获取成本。
-
公开(公告)号：CN110648394A
公开(公告)日：2020-01-03
申请号：CN201910888699.2
申请日：2019-09-19
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于OpenGL和深度学习的三维人体建模方法，使用深度学习模型Mask R-CNN提取二维图像中人体图像，并通过OpenGL和标准3D人体模型相结合，重建具有个性化的三维人体模型的方法。首先采用Mask R-CNN深度学习模型对二维图像中的人体图像进行分割，然后提取分割后所获得的人体轮廓的主要特征，最后使用OpenGL将人体轮廓图像的特征映射到3d-max所建立的三维标准人体模型上，并在OpenGL中快速构建一个三维人体模型。本发明不仅图像处理快，而且模型生成效率高。
-
公开(公告)号：CN106204461B
公开(公告)日：2019-03-05
申请号：CN201510220372.X
申请日：2015-05-04
Applicant: 南京邮电大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于图像多特征融合的非局部均值去噪方法，该方法改进了非局部均值去噪方法中图像块间相似度的计算方法，属于图像处理中的图像去噪的研究领域；传统的非局部均值方法采用欧氏距离或高斯加权的欧式距离来衡量块间相似度，这种方式存在一定的缺陷，容易引入不相似图像块，累计造成误差，尤其是在纹理细节区域，无法较好地保持图像的结构信息，降低了去噪性能。针对这样的问题，本方法根据LBP纹理特征来计算图像块之间的相似度，并同时结合LBP特征和灰度特征，进行一种混合相似度计算，最终确定相似图像块的权值分配。基于图像多特征融合的非局部均值去噪方法在去噪效果上得到了显著提升。
-
公开(公告)号：CN106204462A
公开(公告)日：2016-12-07
申请号：CN201510220423.9
申请日：2015-05-04
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于图像多特征融合的非局部均值去噪方法，该方法改进了非局部均值去噪方法中图像块间相似度的计算方法，属于图像处理中的图像去噪的研究领域；传统的非局部均值方法采用欧氏距离或高斯加权的欧式距离来衡量块间相似度，这种方式存在一定的缺陷，容易引入不相似图像块，累计造成误差，尤其是在纹理细节区域，无法较好地保持图像的结构信息，降低了去噪性能。针对这样的问题，本方法根据LBP纹理特征来计算图像块之间的相似度，并同时结合LBP特征和灰度特征，进行一种混合相似度计算，最终确定相似图像块的权值分配。基于图像多特征融合的非局部均值去噪方法在去噪效果上得到了显著提升。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.053 seconds)
