-
公开(公告)号:CN114821650B
公开(公告)日:2024-04-30
申请号:CN202210463431.6
申请日:2022-04-28
Applicant: 南京邮电大学
IPC: G06V40/10 , G06V10/82 , G06V10/774 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/084 , G06N3/0895
Abstract: 本发明涉及一种基于改进CycleGAN数据增强的行人重识别方法,一是构造数据增强的完整行人重识别识别框架;二是将姿态约束子网络嵌入原始CycleGAN网络中,并通过分割和二值化将彩色行人图像转换为掩膜图像,在训练过程中实时获得行人姿势;三是进一步构造可以约束源图像姿态的损失函数,使得当学习风格类型和人的身份ID到目标域时,保持姿态一致;四是引入半监督学习的多伪正则化标签方法为未标记的数据分配标签,并通过动态更新的训练策略,进一步提高这种方法的有效性;整个方案在行人重识别上,无论从改进CycleGAN生成的增强图片的效果,还是行人重识别的准确率,相较其他经典行人重识别网络,都具有明显的优势。
-
公开(公告)号:CN116311345A
公开(公告)日:2023-06-23
申请号:CN202211738758.6
申请日:2022-12-30
Applicant: 南京邮电大学
IPC: G06V40/10 , G06V10/46 , G06V10/26 , G06V10/75 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于Transformer的遮挡行人重识别方法,包括以下步骤:(1)对待识别图像进行分块,并分别添加结构信息,构成图像序列,(2)把带有类标签的图像序列附加位置信息以及边信息,构造Transformer层可处理的图像序列;(3)将上述序列馈入由多头自注意力机制和多层感知机构成的残差Transformer层,进行图像特征提取;之后在最后一层残差Transformer层将特征分为全局分支和局部分支特征;(4)将得到的特征使用ID损失和质心三元组损失进行联合优化。本发明有效聚焦于显著性特征,使特征具有鲁棒性,对于行人重识别遮挡问题进行了有效处理。
-
公开(公告)号:CN114997340B
公开(公告)日:2022-10-14
申请号:CN202210915495.5
申请日:2022-08-01
Applicant: 南京邮电大学
Abstract: 本发明涉及一种基于图神经网络系统的文献分类方法,设计基于图滤波核和广义非凸范数的图神经网络系统,按处理流程分为第一多层感知器模块、线性整流函数模块、第二多层感知器模块、目标图神经网络模块、归一化指数函数模块,目标图神经网络模块基于图滤波核和广义非凸范数构建,包括用于对图信号进行有用信息提取的图滤波核项、用于对图信号进行全局图光滑处理的图拉普拉斯正则项、以及用于对图信号进行局部图光滑处理的广义非凸范数项,并在应用中,采用预测校验下降上升算法求解该目标图神经网络模块;如此由图神经网络系统构成待训练网络,并进行训练,获得文献分类模型,能够有效提高对文献的分类精度,以及实际文献应用的工作效率。
-
公开(公告)号:CN113837275A
公开(公告)日:2021-12-24
申请号:CN202111120554.1
申请日:2021-09-24
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于扩张坐标注意力的改进YOLOv3目标检测方法,包括:采用具有不同扩张率的并行的多个扩张卷积结构对坐标注意力模块进行改进,引入扩张坐标注意力模块,构建得到改进YOLOv3目标检测网络;采用多尺度训练策略,预先设定更多不同尺度的图像进行训练。本发明与其他先进的目标检测算法相比,具有更高的检测精度。
-
公开(公告)号:CN115130001B
公开(公告)日:2025-02-18
申请号:CN202210867990.3
申请日:2022-07-22
Applicant: 南京邮电大学
IPC: G06F16/9535 , G06F16/9536 , G06F16/901 , G06F16/951 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于邻居增强的图神经网络会话推荐方法、系统及设备,方法包括:S1、通过K临近算法需寻找出与目标推荐会话最相近的K个邻居会话,其中最后一项点击项目必须相同;S2、将目标会话和K个最相近的邻居会话建模到一张邻居增强会话图中;S3、利用门控图神经网络,学习得到的邻居增强图和原始目标会话图中的节点表示,并将最后一项点击的节点表示当作为用户的局部偏好;S4、引入Fastformer不考虑距离地捕获整个输入和输出序列本身的转换,并将结果作为用户的全局偏好;S5、将用户的全局偏好和局部偏好相融合,作为用户的最终表示。与现有基于会话的推荐系统相比,本发明在推荐的效率、准确率都具有明显的优势。
-
公开(公告)号:CN114821650A
公开(公告)日:2022-07-29
申请号:CN202210463431.6
申请日:2022-04-28
Applicant: 南京邮电大学
Abstract: 本发明涉及一种基于改进CycleGAN数据增强的行人重识别方法,一是构造数据增强的完整行人重识别识别框架;二是将姿态约束子网络嵌入原始CycleGAN网络中,并通过分割和二值化将彩色行人图像转换为掩膜图像,在训练过程中实时获得行人姿势;三是进一步构造可以约束源图像姿态的损失函数,使得当学习风格类型和人的身份ID到目标域时,保持姿态一致;四是引入半监督学习的多伪正则化标签方法为未标记的数据分配标签,并通过动态更新的训练策略,进一步提高这种方法的有效性;整个方案在行人重识别上,无论从改进CycleGAN生成的增强图片的效果,还是行人重识别的准确率,相较其他经典行人重识别网络,都具有明显的优势。
-
公开(公告)号:CN106251315A
公开(公告)日:2016-12-21
申请号:CN201610711547.1
申请日:2016-08-23
Applicant: 南京邮电大学
IPC: G06T5/00
CPC classification number: G06T5/002
Abstract: 本发明公开了一种基于全变分的图像去噪方法,包括步骤:获取由原始图像和α稳态噪声组成的含噪声图像;确定所述含噪声图像中的每一个像素点,且所述原始图像服从Gibbs先验;根据所述含噪声图像及其中的每一个像素点,求得原始图像等价于最小化的表达式;根据所得原始图像等价于最小化的表达式,获取α稳态噪声下的全变分去噪模型;将所获取的全变分去噪模型结合凸性惩罚项,获取凸全变分去噪模型;利用原始-对偶算法对所获取的凸全变分去噪模型求解,根据所求得解复原得到原始图像。本发明可以很好地去除α稳态噪声,恢复的图像清晰,且较好地保留了图像的细节信息,恢复出的图像也和原始图像最接近。
-
-
-
-
-
-