-
公开(公告)号：CN110781817B
公开(公告)日：2022-05-17
申请号：CN201911024291.7
申请日：2019-10-25
Applicant: 南京大学
IPC: G06V40/10 , G06V10/80 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06T5/00 , G06T7/55 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种解决部件不对齐的行人再识别方法，包括：对行人图像进行数据预处理，调整行人图像的大小并进行数据增强，再进行数据标准化处理；构造行人再识别的网络模型，即构造行人图像的深度表征，通过骨干网络模型提取多层特征，使用子模块增强并融合多层特征，形成多分支的结构，提取各个分支的部件特征与全局特征；训练所构造的网络模型，定义实验相关配置，对网络模型的模型参数进行优化；行人再识别，通过训练好的网络模型提取查询图像的深度表征，使用二范式范化后根据每个查询图像与被查询集的相似度，返回每个查询图像的识别结果。通过基于融合多尺度特征解决部件不对齐的行人再识别方法，实现了现阶段最佳的行人再识别性能。
-
公开(公告)号：CN113128434A
公开(公告)日：2021-07-16
申请号：CN202110458351.7
申请日：2021-04-27
Applicant: 南京大学
Abstract: 本发明公开了一种对单目RGB图像进行3D目标检测的方法，包括：训练2D目标检测器，根据标注数据中的标注文件裁剪原始图像获得目标图像，缩放后输入3D目标检测器，预测目标的3D尺寸信息、偏转角度信息和置信度，训练3D目标检测器；通过训练完成的2D目标检测器检和3D目标检测器，预测2D框内目标的3D尺寸信息和偏转角度信息；根据偏转角度信息得到旋转变换矩阵，根据约束关系求解约束方程获得平移变换矩阵；再根据旋转变换矩阵和平移变换矩阵，计算获得目标的3D坐标在图像上的投影点，利用投影点信息绘制目标的3D框。相较于现有技术，本发明只需利用单目图像，就能训练3D目标检测器，并检测目标的3D信息和偏转角度，进而构建物体的3D框。
-
公开(公告)号：CN112149721A
公开(公告)日：2020-12-29
申请号：CN202010945452.2
申请日：2020-09-10
Applicant: 南京大学
Abstract: 本发明提供了一种基于主动学习降低标注需求的目标检测方法，包括：构建网络模型；对大量数据进行符合主动学习特征的初始数据划分；主动选择过程，确定主动选择过程的挑选策略；主动标注，对挑选出来的数据进行人工标注；模型微调，使用新的人工标注数据对模型进行微调；模型验证，依据当前相关条件及模型表现，以决定是否继续迭代模型；利用最后得到的模型进行目标检测。本发明的提供的方法通过引入主动学习，能大大减少目标检测任务所需的数据标注需求，节省标注成本。本发明对传统的主动学习策略进行了优化，添加聚类过程以使得所选样本更接近数据的真实分布，能提升对富信息样本的挑选效果，并有利于模型的性能提升。
-
公开(公告)号：CN111585793A
公开(公告)日：2020-08-25
申请号：CN202010311931.9
申请日：2020-04-20
Applicant: 南京大学
IPC: H04L12/24 , H04L12/851
Abstract: 本发明提供了一种网络服务优化组合方法，包括：步骤1，读取并解析网络服务描述文件，处理服务输入输出概念之间的继承关系；步骤2，确定优化目标；步骤3，产生候选组合片段；步骤4，分析分数组合片段瓶颈；步骤5，优化分数组合片段；步骤6，重复步骤4，5，直至当前分数候选组合片段不能优化为止，然后对于当前服务的每个输出概念，使用贪心策略更新保存在输出片段字典的四个组合片段；步骤7，重复执行步骤3-6，直至当前输出片段字典不再更新，从字典中获取输出服务的分数候选组合，并反向构造得到最优服务组合；步骤8，计算最优服务组合的服务质量参数和所用服务数目，并将最优服务组合，服务质量参数以及所用服务数目反馈给用户。
-
公开(公告)号：CN108564085B
公开(公告)日：2020-07-14
申请号：CN201810203368.6
申请日：2018-03-13
Applicant: 南京大学
Abstract: 本发明公开了一种自动读取指针式仪表读数的方法，包括：图像采集，利用拍照设备拍摄含有仪表正面的图像作为训练样本；样本制作，将采集的图像通过人为标定制作出仪表部分的图像作为正样本，并随机生成背景部分的图像作为负样本；图像特征提取，从正负样本中提取出数字特征作为训练集；训练分类器，基于训练集得到训练后的分类器，对于新输入的图像，利用分类器SVM预测仪表最可能的位置并提取出仪表图像；图像预处理，将提取到的仪表图像通过图像处理的方法去除掉阴影等干扰；识别仪表的指针和表盘，获取指针的角度和位置信息；利用指针的信息获取读数值。
-
Patent Agency Ranking
公开(公告)号：CN109947760A
公开(公告)日：2019-06-28
申请号：CN201710620470.1
申请日：2017-07-26
IPC: G06F16/22 , G06F16/2458
Abstract: 本发明实施例公开了一种挖掘KPI根因的方法及装置，涉及通信技术领域，能够快速、准确地查找到KPI根因。具体方案为：获取参数，该参数包括KPI报表的存储路径以及待挖掘的异常KPI项；根据KPI报表的存储路径读取KPI报表，该KPI报表包括N行，M列；执行以下步骤101-102至少一次，获取至少一个决策树；101、采集KPI报表中至少一条第一记录和至少一条第二记录，得到训练数据集；102、根据训练数据集的M个特征，分别对训练数据集进行训练，得到决策树；根据至少一个决策树确定目标根因。本发明实施例用于查找KPI根因的过程。
-
-
公开(公告)号：CN108596138A
公开(公告)日：2018-09-28
申请号：CN201810413269.0
申请日：2018-05-03
Applicant: 南京大学
Abstract: 本发明公开了一种基于迁移层次网络的人脸识别方法，包括：步骤1：选取预训练模型。步骤2：搭建用于人脸分类的层次网络。步骤3：根据选取的预训练模型和已有人脸数据的相似程度确定微调的网络层次。步骤4：针对人脸训练数据集进行预处理操作，包括颜色增强，旋转，平移，增加随机噪声等。步骤5：使用caffe深度学习库对已有的数据进行训练。步骤6：使用已训练好的模型进行人脸识别。
-
公开(公告)号：CN104112018B
公开(公告)日：2017-09-29
申请号：CN201410348791.7
申请日：2014-07-21
Applicant: 南京大学
IPC: G06F17/30
Abstract: 本发明公开了一种大规模图像检索方法，包含如下步骤：图像特征提取；哈希函数投影向量学习；哈希函数偏移量学习；图像特征降维；图像特征编码；图像检索。本发明能够对大规模图像进行快速检索。首先，通过学习判别式的哈希函数，提高了编码之间的判别性，从而更好地区分不同类别的图像特征；其次，利用哈希函数对图像特征进行降维和编码，减少图像特征的存储需求和检索过程的计算开销。本发明实现了高效、准确的大规模图像检索，因此具有较高的使用价值。
-
公开(公告)号：CN103440332B
公开(公告)日：2016-08-17
申请号：CN201310399734.7
申请日：2013-09-05
Applicant: 南京大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于关系矩阵正则化增强方法从图像实例库中检索图像的方法，包含如下步骤：步骤1，输入待检索图像；步骤2，抽取待检索图像和图像实例库中图像的特征；步骤3，从图像实例特征库中选取P个图像类，从每一个图像类选取n幅图像构成样本数据X；步骤4，基于谱图理论的流形学习算法，对样本数据X构建三个矩阵；步骤5，初步建立增强关系矩阵W′；步骤6，计算正则化增强关系矩阵W*；步骤7，计算广义特征矩阵A；步骤8，计算最终的图像表示；步骤9，计算待检索图像的图像表示；步骤10，采用欧氏距离计算待检索图像与图像实例库中所有图像的相似度，按照相似度由大到小输出图像实例库中与待检索图像最相似的图像。
-
-
-
-
-
-
-
-
-
Search Results
119
records
(took 0.025 seconds)
