-
公开(公告)号：CN118135239A
公开(公告)日：2024-06-04
申请号：CN202410571994.6
申请日：2024-05-10
Applicant: 南京信息工程大学
IPC: G06V10/40 , G06V10/82 , G06V10/80 , G06N3/0464 , G06V10/764 , G06N3/048 , G06N3/0442 , G06N3/08 , G06V20/13
Abstract: 本发明提供了融合过滤多尺度高分辨率遥感冰川提取方法，首先，对高分辨率冰川遥感影像进行数据预处理，制作成深度学习语义分割数据集，并且通过数据增强手段丰富数据集，保证模型训练鲁棒性。针对零散、细小冰川识别能力不足的问题，设计门控多尺度过滤层（G‑MsFL）。为模型提供不同尺度的提取和特征融合方式捕捉细微冰川，门控机制有效过滤无用特征信息；针对冰川轮廓模糊不清问题，设计并联双通道注意力模块（P‑DAM）。将冰川边界丰富的上下文信息进行编码作为特征图的局部特征，从而增强其特征表达能力。对高原地区大面积冰川提取工作提供有效帮助。
-
公开(公告)号：CN109029459B
公开(公告)日：2023-07-21
申请号：CN201810818364.9
申请日：2018-07-24
Applicant: 南京信息工程大学
IPC: G01C21/20
Abstract: 本发明公开了一种运动目标轨迹追踪系统，基于MPU6050六轴传感器，以MSP430F169为主控芯片，本发明还公开了基于运动目标轨迹追踪系统的运动目标轨迹计算方法，通过MPU6050六轴传感器检测运动目标的加速度和角速度以及倾角等参数，进行静态误差校准后，通过串口传输到PC端。在PC端中对运动参数进行Kalman滤波消除随机噪声，再对滤波后的加速度数据做积分运算，得到运动目标在三维空间运动轨迹坐标位置，可以实现三维空间的物体运动轨迹追踪并计算出位移值。
-
公开(公告)号：CN109934200B
公开(公告)日：2023-06-23
申请号：CN201910221849.4
申请日：2019-03-22
Applicant: 南京信息工程大学
IPC: G06V20/13 , G06V10/44 , G06V10/774
Abstract: 本发明公开了一种基于改进M‑Net的RGB彩色遥感图像云检测方法，属于人工智能和图像识别领域，设计了RM‑Net深度语义分割网络，结合了残差网络与M‑Net的优点。首先，对原始数据集进行增强，并标注对应的像素级标签；利用空洞空间金字塔池化在不丢失信息的前提下提取图像多尺度特征，并结合残差单元使网络不易出现退化；最后，利用编码器模块与左路径提取图像全局上下文信息，解码器模块与右路径恢复图像空间分辨率，根据融合后的特征判别每个像元的类别概率，输入分类器进行像素级的云和非云分割。对彩色图像进行训练和测试，实验结果表明本发明方法在不同条件下可很好地检测云边缘细节，并取得较高精度的云阴影检测，证明了本发明方法具有较好的泛化性与鲁棒性。
-
公开(公告)号：CN114220001A
公开(公告)日：2022-03-22
申请号：CN202111409905.0
申请日：2021-11-25
Applicant: 南京信息工程大学
Abstract: 本申请涉及一种基于双注意力神经网络的遥感影像云与云阴影检测方法。该方法包括：获取遥感影像数据集，遥感影像数据集中包含了各遥感影像对应的标签信息，标签信息标记了云与云阴影的位置；将遥感影像数据集按预设比例分为训练集和验证集；利用训练集和验证集对有监督的双注意力神经网络模型进行训练和验证，获得云与云阴影检测模型，云与云阴影检测模型由递归残差模块、双注意力模块、改进空洞空间金字塔池化模块、卷积层、上采样层和Concat层组成，获取待检测的遥感影像；将待检测的遥感影像输入至训练好的云与云阴影检测模型中，对待检测的遥感影像中的云和云阴影的位置进行检测，获得云和云阴影的位置检测结果；提高了云与云阴影检测的精度。
-
公开(公告)号：CN112564923A
公开(公告)日：2021-03-26
申请号：CN202110222868.6
申请日：2021-03-01
Applicant: 南京信息工程大学 , 南京地铁建设有限责任公司 , 北京城建设计发展集团股份有限公司
Abstract: 本发明公开了一种基于无证书的安全网络连接握手方法，属于网络安全领域，本发明是基于一种离散对数运算来生成传输层安全协议两端的部分私钥，进而实现基于无证书公钥的安全网络连接握手方法，本发明是在GMP库的基础上生成传输层安全协议客户端和服务端的部分私钥，将两端产生的随机数作为另一部分私钥，并把随机数经过离散对数运算得到的结果作为公钥，进而实现无证书的安全网络连接握手过程和数据加解密过程。适用于现今物联网等节点资源受限类型网络的安全传输连接。
-
Patent Agency Ranking
公开(公告)号：CN109934200A
公开(公告)日：2019-06-25
申请号：CN201910221849.4
申请日：2019-03-22
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于改进M-Net的RGB彩色遥感图像云检测方法，属于人工智能和图像识别领域，设计了RM-Net深度语义分割网络，结合了残差网络与M-Net的优点。首先，对原始数据集进行增强，并标注对应的像素级标签；利用空洞空间金字塔池化在不丢失信息的前提下提取图像多尺度特征，并结合残差单元使网络不易出现退化；最后，利用编码器模块与左路径提取图像全局上下文信息，解码器模块与右路径恢复图像空间分辨率，根据融合后的特征判别每个像元的类别概率，输入分类器进行像素级的云和非云分割。对彩色图像进行训练和测试，实验结果表明本发明方法在不同条件下可很好地检测云边缘细节，并取得较高精度的云阴影检测，证明了本发明方法具有较好的泛化性与鲁棒性。
-
公开(公告)号：CN109767788A
公开(公告)日：2019-05-17
申请号：CN201910143689.6
申请日：2019-02-25
Applicant: 南京信息工程大学
Abstract: 本发明公布了一种基于LLD和DSS融合特征的语音情感识别方法，具体为在传统LLD特征的基础上，增加了DSS特征进行特征集扩充，再通过自编码器将扩充后的特征集进行降维，得到LLD+DSS融合特征。最后将LLD+DSS融合特征作为LSTM深度网络的输入，由LSTM深度网络判定每条融合特征对应的情感种类。本发明相较于传统语音情感特征和分类识别算法具有更好的综合性能，提高了语音情感分类的准确性。
-
公开(公告)号：CN109462427A
公开(公告)日：2019-03-12
申请号：CN201811186760.0
申请日：2018-10-12
Applicant: 南京信息工程大学
IPC: H04B7/0413 , H04L25/02
CPC classification number: H04B7/0413 , H04L25/0204
Abstract: 本发明公开了一种基于改进的自适应混合优化平滑L0范数的MIMO水声信道估计方法，采用逼近L0范数更好的目标函的一种改进算法（MAReSL0），自适应生成可靠的正则化因子，平衡迭代过程中基于目标函数中解的稀疏度和残差的误差；为保证迭代准确收敛到最优点，采用Nesterov梯度加速法(NAG)在内循环迭代后的初始值作为牛顿法的初始值进行混合优化信道估计。数值仿真表明该方法相较于其他经典算法噪声鲁棒性更好，有效提高了信道估计性能。
-
公开(公告)号：CN109029459A
公开(公告)日：2018-12-18
申请号：CN201810818364.9
申请日：2018-07-24
Applicant: 南京信息工程大学
IPC: G01C21/20
CPC classification number: G01C21/20
Abstract: 本发明公开了一种运动目标轨迹追踪系统，基于MPU6050六轴传感器，以MSP430F169为主控芯片，本发明还公开了基于运动目标轨迹追踪系统的运动目标轨迹计算方法，通过MPU6050六轴传感器检测运动目标的加速度和角速度以及倾角等参数，进行静态误差校准后，通过串口传输到PC端。在PC端中对运动参数进行Kalman滤波消除随机噪声，再对滤波后的加速度数据做积分运算，得到运动目标在三维空间运动轨迹坐标位置，可以实现三维空间的物体运动轨迹追踪并计算出位移值。
-
公开(公告)号：CN108614997A
公开(公告)日：2018-10-02
申请号：CN201810300859.2
申请日：2018-04-04
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于改进AlexNet的遥感图像识别方法，属于人工智能图片分类领域，本发明先对遥感图像进行均匀裁剪，将裁剪后的图像分为训练集和验证集；将训练集输入改进AlexNet网络进行训练，生成训练后的网络模型：通过4层卷积层提取训练集中图像的特征图，并分别对前三个卷积层的输出进行池化堆叠，将经池化层堆叠后的输出再输入下一个卷积层中；将经过卷积后的输出再输入至两层全连接层中，采用随机梯度下降算法结合验证集对网络参数进行更新，生成训练后的网络模型；将待勘测图像输入生成的网络模型，得到遥感图像分类结果。本发明借助了卷积神经网络处理大量图片的准确性和稳定性，相较于传统的图片分类算法，该网络模型具有较高的识别率。
-
-
-
-
-
-
-
-
-
Search Results
126
records
(took 0.029 seconds)
