-
公开(公告)号：CN112837274B
公开(公告)日：2023-07-07
申请号：CN202110039520.3
申请日：2021-01-13
Applicant: 南京工业大学
IPC: G06V10/764 , G06T7/00 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于多模态多站点数据融合的分类识别方法，包括如下步骤：1)获取多站点sMRI和R‑fMRI数据；2)对各个站点的sMRI数据进行预处理，得到sMRI颅骨剥离脑图像和大脑皮层表面模型；3)将大脑皮层分割成多个不同区域，并计算每个区域的皮层平均厚度、皮层平均表面积和灰质体积等解剖参数；4)将sMRI颅骨剥离脑图像输入ResNet3D深度网络模型提取高维特征；5)将提取出的解剖参数和高维特征进行融合得到一维向量作为sMRI数据特征；6)各个站点的R‑fMRI数据进行预处理，获得大脑灰质图像；本发明采用基于低秩表示的方法使得多站点数据有相同或类似的数据分布，解决或部分解决了多站点数据异构性的问题，有效提高诊断模型的泛化性，更符合实际要求。
-
公开(公告)号：CN106203536B
公开(公告)日：2019-05-14
申请号：CN201610783743.X
申请日：2016-08-30
Applicant: 南京工业大学
Abstract: 本发明公开了一种织物疵点的特征提取及检测方法，步骤1，利用摄像头采集一组织物的图像；步骤2，对采集的图像进行预处理；步骤3，基于小波变换提取图像特征向量；步骤4，基于模糊决策粗糙集对图像特征向量进行约简，获得约简集；步骤5，以约简集作为SVM分类器的输入量来训练疵点检测模型；步骤6，根据步骤1～步骤4的过程，获得待测织物的约简集，将待测织物的约简集作为输入量输入训练好的疵点检测模型，计算待测织物的识别结果。本发明即能降低数据维度，又能提取出对疵点检测有用的信息，提高疵点检测模型的识别精度和实时性。
-
公开(公告)号：CN106027978B
公开(公告)日：2019-02-05
申请号：CN201610447391.0
申请日：2016-06-21
Applicant: 南京工业大学
Abstract: 本发明公开了一种智能家居养老的视频监控异常行为方法，属于模式识别、计算机视觉技术领域。本发明的监控系统包括：双镜头监控摄像头、视频处理节点以及通讯中心，该系统通过双镜头监控摄像头实时监控室内活动情况；通过视频处理节点识别处理异常行为，并依据人脸表情作为辅助识别，检测是否出现异常行为活动；然后由通讯中心给用户发送异常行为警告信息。本发明可以实时监控人体活动状态，在出现异常情况时发出警报，具有应用范围广、安全性高、识别稳定可靠等优点。
-
-
公开(公告)号：CN105607640A
公开(公告)日：2016-05-25
申请号：CN201610036021.8
申请日：2016-01-20
Applicant: 南京工业大学
IPC: G05D1/08
CPC classification number: G05D1/0825
Abstract: 本发明是四旋翼飞行器的位姿控制器，其结构包括姿态角度控制器、姿态角速度控制器、控制量融合模块、规划模块、姿态检测模块；本发明的优点：（1）该控制器能完成路点飞行、悬停等多种飞行任务，抗干扰能力较强；（2）该控制器主要用程序软实现，硬件结构简单，易于实现，成本低廉，运行可靠；（3）本控制器程序均采用模块化设计，具有较好的可移植性，缩短了系统软硬件的开发周期。
-
Patent Agency Ranking
公开(公告)号：CN118823440A
公开(公告)日：2024-10-22
申请号：CN202410804059.X
申请日：2024-06-20
Applicant: 南京工业大学
IPC: G06V10/764 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种多模态MRI图像分类识别方法。首先，获取带真实标签的脑部多模态MRI数据集作为训练样本；对获取的sMRI和fMRI数据预处理；构建多模态MRI数据分类识别模型；将预处理后的所述数据输入构建的多模态MRI数据分类识别模型进行训练；获取待识别的多模态MRI数据，对所述多模态数据进行预处理；将预处理后待识别的sMRI和fMRI数据输入训练好的多模态MRI分类识别模型，获取多模态MRI数据分类识别结果；本发明提出的一种多模态MRI图像分类识别方法，在减小sMRI和fMRI两种不同模态间分布差异的同时，可以减小不同模态收敛速度差异，有效地减轻了不同模态之间的异质性，充分利用了不同模态的互补性，得到了丰富的特征信息，提升了多模态MRI图像分类识别模型的性能。
-
公开(公告)号：CN118544353A
公开(公告)日：2024-08-27
申请号：CN202410772342.9
申请日：2024-06-14
Applicant: 南京工业大学
IPC: B25J9/16
Abstract: 本发明公开了一种基于深度强化学习的机械臂6D位姿抓取方法，包括：在仿真环境中搭建用于机械臂6D位姿抓取的实验平台；在仿真环境中构建6D位姿抓取网络；初始化经验回放池为空、随机初始化策略网络和价值网络的参数以及目标策略网络和目标价值网络的参数；收集经验样本，并存入经验回放池；当经验样本达到阈值，开始在仿真环境中训练价值网络和策略网络；搭建机械臂实物平台，将仿真环境下训练好的6D位姿抓取网络移植到实物平台，机械臂在真实环境下进行动作决策实现物体抓取。本方法提出的基于深度强化学习的机械臂6D位姿抓取方法，基于在线专家演示的生成增强数据样本，极大丰富了专家经验样本，提高了经验池中高质量样本的比例，采用基于深度神经网络的奖励值评估方法精细评估机械臂的抓取位姿优劣，有效提高了机械臂在非结构化环境中抓取任意位姿物体的成功率。
-
公开(公告)号：CN113011322B
公开(公告)日：2023-09-05
申请号：CN202110286753.3
申请日：2021-03-17
Applicant: 贵州安防工程技术研究中心有限公司 , 南京工业大学
IPC: G06V20/40 , G06V20/52 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种监控视频特定异常行为的检测模型训练方法及检测方法，属于视频处理技术领域。在训练模型时，包括：将数据集中每个训练视频均分成数量相等的视频片段，构成正例包和负例包；将视频片段输入预训练好的特征提取网络提取视频特征；将所提取的视频特征输入串联的至少一个全连接层，得到视频片段特征；利用所得到的视频片段特征构造无向图，将无向图输入串联的至少一个图卷积神经网络层得到异常得分；根据异常得分，计算正负样本之间的排序损失，并更新权重，完成至少一个全连接层和至少一个图卷积神经网路层的训练。检测时，利用所训练出的模型进行检测。本发明能够对视频监控中特定异常行为进行较好的检测，并具有较快的检测速度。
-
公开(公告)号：CN112233086B
公开(公告)日：2023-08-04
申请号：CN202011095774.9
申请日：2020-10-14
Applicant: 南京工业大学
IPC: G06T7/00 , G06T7/11 , G06V10/764
Abstract: 本发明设计了一种基于脑区功能连接的fMRI数据分类识别方法及装置，包括：获取被试者fMRI数据；对所获取的fMRI数据进行预处理，得到大脑灰质图像；将大脑灰质图像分割成多个不同功能的脑区，并提取每个脑区的平均体素时间序列；基于模糊决策粗糙集从多个功能脑区中选择存在显著差异的部分脑区；基于选择出的部分脑区，计算不同脑区之间的皮尔森相关系数，并采用Fisher‑z变换对系数进行非线性处理，得到部分脑区的功能连接矩阵；对矩阵中的相关系数值进行稀疏化，保留阈值之上的相关系数值，并将矩阵展开成一维特征向量；将得到的一维特征向量作为输入送到训练好的SVM识别模型中，得到被试者的输出标签并判断被试者fMRI数据类别。
-
公开(公告)号：CN115937581A
公开(公告)日：2023-04-07
申请号：CN202211483862.5
申请日：2022-11-24
Applicant: 南京工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/77 , G06T7/00 , A61B5/055
Abstract: 本发明涉及核磁共振图像处理技术领域，且公开了一种多站点fMRI数据的分类识别方法，包括以下操作步骤：S1、从自闭症脑成像数据交换库ABIDE获取自闭症患者和正常对照组的静息态功能性核磁共振成像数据；S2、采用DPARSF软件对所获取的多站点fMRI脑影像数据进行预处理，包括切片时间层校正、头动校正、空间标准化、空间平滑、消除线性趋势、时间带通滤波和协变量回归；S3、对照生理学脑图谱将预处理后的fMRI脑影像数据分割成多个不同功能的脑区，并提取每个脑区的平均体素时间序列。该多站点fMRI数据的分类识别方法，适用于处理诸如医学脑影像这种不同类别数据之间差异很小的数据集，通过该方法可以有效地增大不同类别数据之间的差异性以提高模型分类的准确性。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.029 seconds)
