-
公开(公告)号：CN116269496A
公开(公告)日：2023-06-23
申请号：CN202310179178.6
申请日：2023-03-01
申请人： 南京大学
IPC分类号： A61B8/08
摘要： 本发明提出一种基于隐式神经表示的心脏三维超声成像及心功能评估系统。该系统包括二维超声图像采集模块、基于隐式神经表示的三维超声成像模块和心功能评估模块；其中，二维超声图像采集模块用于获取心脏的二维超声图像，并估计超声图像的位置参数；基于隐式神经表示的三维超声成像模块用于心脏的三维重建，该模块将整个心脏表示为一个输入为三维坐标、输出为对应位置体素值的隐式函数；心功能评估模块用于自动计算心脏左、右心室的容积以及射血分数。本发明方法重建的三维心脏比传统三维探头采集的三维心脏包含更多的腔体内部细节信息。
-
公开(公告)号：CN115361520A
公开(公告)日：2022-11-18
申请号：CN202210888249.5
申请日：2022-07-27
申请人： 南京大学
IPC分类号： H04N7/15 , H04N19/124 , H04N19/42 , H04N19/517 , H04N19/91
摘要： 本发明公开了一种基于二阶运动信息的超低码率视频会议压缩方法。该方法包括以下步骤：(1)从视频帧选取源帧和运动帧，并提取运动帧的稀疏运动特征；(2)对源帧编码压缩，运动帧的稀疏运动特征量化后做帧间残差得到一阶运动残差信息，进行熵编码；两路码流封装为数据包传输；(3)传输模拟丢包，判断是否出现丢包，出现则进行预测；(4)未丢包或完成预测，将数据包分为两部分；(5)对数据处理得到源帧及其稀疏运动特征、当前帧的稀疏运动特征，获得当前帧的遮挡掩膜及一阶光流信息；(6)重复步骤(1)至(5)两次，从第三帧开始用前两帧的光流信息平滑当前帧光流，最后用遮挡掩膜重绘光流扭曲结果。
-
公开(公告)号：CN114926381A
公开(公告)日：2022-08-19
申请号：CN202210535253.3
申请日：2022-05-17
申请人： 南京大学
摘要： 本发明公开了一种基于图像属性融合增强的低光照多视角优质成像方法。该方法利用混合传感器成像系统在低光照条件下获取多视角的低分辨率欠曝光的彩色图像和高分辨率优曝光的灰度图像序列，通过属性(照度、色度、空间结构)融合增强机制，生成多视角高分辨率优曝光彩色图像，具体步骤为：(1)根据混合传感器成像系统性质，生成仿真多视角图像块对；(2)为增强各视角图像块质量，利用多视角图像进行属性融合增强，分别构建相应网络模型并级联；(3)根据待增强的属性特征构建损失函数，使用优化器依次单独训练各网络，然后端到端优化级联网络；(4)将优化后的网络应用于采集到的真实低光照图像序列，获得多视角高分辨率优曝光彩色图像。
-
公开(公告)号：CN113079275B
公开(公告)日：2022-05-17
申请号：CN202010003610.2
申请日：2020-01-03
申请人： 南京大学
摘要： 本发明公开了一种基于优化直方图匹配的阵列相机色彩校正方法。包括如下步骤：S1，取待校正阵列相机拍摄的当前帧；S2，依次将每一个相机作为目标颜色相机，运用直方图匹配和曲线拟合得到所有相机的色彩映射曲线；S3，将当前场景的所有相机的映射曲线按照相机权重进行加权平均，得到该场景下的全局映射曲线；S4，对阵列相机视频的每一帧在拼接之前运用全局映射曲线进行色彩校正。本发明的方法能够校正多相机视频拼接时相机之间的颜色差异。
-
公开(公告)号：CN113014968B
公开(公告)日：2022-02-08
申请号：CN202110205013.2
申请日：2021-02-24
申请人： 南京大学
IPC分类号： H04N21/2662 , G06F9/50 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于强化学习的多用户动态码率视频传输方法及系统。其方法包括：用户与服务器协商，确定各用户各自的角色及分组；各用户请求服务器上的媒体描述文件，以及Actor神经网络模型文件；各用户根据历史缓存信息，输入Actor网络，选择合适码率的音视频块；各用户间隔一定时间上传最近一段时间内的记录，并下载服务器最新的Actor网络模型文件；服务器上存储用户提供的记录以及服务器资源状态记录，在获取一定数量样本后在服务器上集中训练神经网络。本发明的方法更好地考虑了视频内容之间以及用户之间的关系，能优化服务器资源使用，提高传输效率，保证用户之间的公平性，同时也大大提高了用户视频体验质量。
-
公开(公告)号：CN111986106A
公开(公告)日：2020-11-24
申请号：CN202010749859.8
申请日：2020-07-30
申请人： 南京大学
摘要： 本发明公开了一种基于神经网络的高动态图像重建方法。该方法的具体步骤如下：(1)将多个LDR域的图像按照亮度高低排列，并选取参考图像。(2)利用伽玛变换转换LDR域的图像得到HDR域的图像。(2)将HDR域和LDR域的图像输入到特征提取网络中提取不同尺度的HDR域和LDR域的图像特征。(3)将HDR域和LDR域的图像特征输入到金字塔对齐网络，利用HDR域特征来计算对齐所需的偏移量，用所得偏移对齐HDR域和LDR域的图像特征。(4)对齐后的HDR域和LDR域图像特征经过融合网络，得到重建的HDR图像。利用本方法可以较好地处理输入图像组中的物体运动和视差，重建高主观质量的无伪影的HDR图像。
-
公开(公告)号：CN111404783A
公开(公告)日：2020-07-10
申请号：CN202010202968.8
申请日：2020-03-20
申请人： 南京大学 , 成都云格致力科技有限公司
IPC分类号： H04L12/26
摘要： 本发明公开了一种网络状态数据采集方法及其系统。采集方法包括如下步骤：(1)实时探测记录用户的RTT数据；(2)利用阻塞式带宽探测方法实时探测记录用户的带宽数据，并且记录用户消耗的网络流量；在带宽探测过程中，若没有产生网络拥塞，则在原来发送数据量的基础上增大发送数据量，根据网络阻塞状态判断用户下行带宽；(3)记录用户的IP地址与地理定位；(4)根据用户的IP地址与地理定位对用户进行分类，将记录的RTT数据与带宽数据按照用户分类进行归类；(5)将归类得到的数据进行处理，生成实际可用的数据集。本发明的方法与系统提高了网络状态测量的精准度及效率，减少了对于用户流量的消耗。
-
公开(公告)号：CN107396124A
公开(公告)日：2017-11-24
申请号：CN201710758241.6
申请日：2017-08-29
申请人： 南京大学
IPC分类号： H04N19/42 , H04N19/503 , H04N19/124 , H04N19/91 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于深度神经网络的视频压缩方法，步骤如下：收集并整理视频图像数据集，构建神经网络训练集、测试集和交叉验证集；建立多层的深度神经网络；对于帧间预测，利用运动估计算法寻找最佳匹配块，并计算残差和帧间预测的均方差；预测完成后将残差作为新的训练数据训练残差编码网络，残差网络模型包括帧内残差和帧间残差；预测和残差神经网络的输出数据经过量化和无损熵编码一起作为固定长度码流的压缩数据；解码端通过与编码端对称的神经网络将压缩数据还原，并重建恢复出压缩后图像。本发明的视频压缩方法，与传统H.264视频编码方法在大量测试视频序列上的同等比较中，可以在相同质量上平均节省26％左右的码率。
-
公开(公告)号：CN106897739A
公开(公告)日：2017-06-27
申请号：CN201710079894.1
申请日：2017-02-15
申请人： 国网江苏省电力公司电力科学研究院 , 国家电网公司 , 南京大学
摘要： 本发明公开了一种基于卷积神经网络的电网设备分类方法，步骤1，根据已有的电网设备图像训练集和测试集，训练卷积神经网络模型；输入层对输入的图像数据进行预处理，用以增大数据量；卷积层的数量不大于N，N+1为常用卷积神经网络卷积层的层数；步骤2，利用训练完成的卷积神经网络模型对需分类的电网设备图像进行分类。本发明利用数据增强技术将输入图像数据进行预处理，增大数据量，解决了数据量不足会导致网络过拟合，精度下降的问题；鉴于训练数据的数量较少，削减了卷积层数量和卷积核数目，同时增大卷积核的尺寸，减小了每层卷积层所提取出的特征图的大小，从而减少了卷积层提取出的特征数量，同样起到了防止过拟合的作用，提高了精度。
-
公开(公告)号：CN106840398A
公开(公告)日：2017-06-13
申请号：CN201710021578.9
申请日：2017-01-12
申请人： 南京大学
IPC分类号： G01J3/28
摘要： 本发明公开了一种多光谱光场成像方法，采用的硬件包括：沿光路方向顺次设置宽带滤波片阵列、异构相机阵列、控制板阵列和信息联合处理装置。成像方法为：在异构相机阵列的每个相机镜头和传感器中间放置不同波长的宽带滤波片，使得相机阵列中的每个相机接收固定波段的光谱信息；通过信息联合处理装置对相机阵列获取的多路信息进行基于卷积神经网络的立体匹配以获取入射光线的角度信息，得到全视场范围内的光场信息；根据相机之间的分布位置进行相机校准和视场对齐，通过光谱解复用获取相机阵列中任一相机视角下三倍于相机个数的多波段光谱信息。本发明能在同一时间获得全视野范围内每一像素的多光谱光场信息，实现光场和光谱信息的动态联合获取。
-
-
-
-
-
-
-
-
-
搜索结果
91 条记录 (耗时 0.049 秒)
