-
公开(公告)号：CN116050619A
公开(公告)日：2023-05-02
申请号：CN202310043862.1
申请日：2023-01-29
Applicant: 南京信息工程大学
IPC: G06Q10/04 , G01W1/10 , G06T5/00 , G06F18/25 , G06N7/01 , G06N3/0464 , G06N3/0442 , G06N3/049 , G06F123/02
Abstract: 本发明公开一种利用Diffusion及3DTCN的多气象要素时空序列预测及订正方法，属于气象预报领域；一种利用Diffusion及3DTCN的多气象要素时空序列预测及订正方法包括以下几个步骤：S1，将时空序列图像输入ConvLSTM模型中，以捕获高阶特征；S2，对原始时空序列图像进行加噪去噪处理，并将S1中捕获的高阶特征和依赖信息输入Diffusion模块作为条件以进行预测；S3利用通道注意力机制分配不同气象要素权重，并利用膨胀因果卷积融合多种气象要素的信息，来对S2所得到的预测结果行订正。
-
公开(公告)号：CN108765449B
公开(公告)日：2022-04-26
申请号：CN201810468345.8
申请日：2018-05-16
Applicant: 南京信息工程大学
IPC: G06T7/194
Abstract: 本发明公开了一种基于卷积神经网络的图像背景分割和识别方法，该方法利用卷积神经网络学习样本图像，训练得到背景分割模型和识别分类模型，然后依据该模型进行图像的背景分割和识别分类。本发明将卷积神经网络应用于图像识别分类时结合图像背景对识别分类所产生的影响，并且背景分割模型中将卷积神经网络中全连接层替转化为卷积层。本发明提高了图像优化分割效果，并且使得图像背景分割模型有广泛的适用性，最后通过使用卷积神经网络模型来实现图像背景分割后，将图像再用于图像识别分类，以提升识别分类的准确率。
-
公开(公告)号：CN109829495A
公开(公告)日：2019-05-31
申请号：CN201910084351.8
申请日：2019-01-29
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于LSTM和DCGAN的时序性图像预测方法，将DCGAN出色的特征捕捉能力与LSTM进行结合，可使得预测的图像数据可视化，便于直接观察；经过改进后的LSTM网络内部具有卷积特性，能直接学习到图像数据的二维空间特征；为减少其内部学习复杂度，将传统的输入图像改为输入特征；特征来源于DCGAN的提取，相对于原始图像在维度方面有了很大的简化，使得整体网络可控。本发明通过DCGAN很好的降低了特征维度，解决了高维不可计算的问题；改进后的LSTM能够更好地学习到时序性特征，从而实现更精确的预测；整体网络结构在连接方法上遵从栈式级联策略，为控制网络深度提供保障。本发明提出的时序性图像预测模型架构理论上适用于所有的时序性图像。
-
公开(公告)号：CN108765449A
公开(公告)日：2018-11-06
申请号：CN201810468345.8
申请日：2018-05-16
Applicant: 南京信息工程大学
IPC: G06T7/194
CPC classification number: G06T7/194 , G06T2207/20081 , G06T2207/20084
Abstract: 本发明公开了一种基于卷积神经网络的图像背景分割和识别方法，该方法利用卷积神经网络学习样本图像，训练得到背景分割模型和识别分类模型，然后依据该模型进行图像的背景分割和识别分类。本发明将卷积神经网络应用于图像识别分类时结合图像背景对识别分类所产生的影响，并且背景分割模型中将卷积神经网络中全连接层替转化为卷积层。本发明提高了图像优化分割效果，并且使得图像背景分割模型有广泛的适用性，最后通过使用卷积神经网络模型来实现图像背景分割后，将图像再用于图像识别分类，以提升识别分类的准确率。
-
公开(公告)号：CN102103636B
公开(公告)日：2013-08-07
申请号：CN201110020898.5
申请日：2011-01-18
Applicant: 南京信息工程大学
IPC: G06F17/30
Abstract: 本发明公布了一种面向深层网页的增量信息获取方法。本发明方法包括：步骤1：确定与远程数据源同步频率；步骤2：利用泊松过程来表示数据源变化频率；步骤3：确定平均新颖度；步骤4：根据数据时新性确定更新频率进行增量信息获取。另外，本发明还可以利用在线学习方法有效进行增量信息获取。本发明方法首先确定与远程数据源同步频率，然后利用泊松过程获得数据源变化频率；接着根据数据时新性确定更新频率。相比现有技术，本发明方法是一种非常高效的深层网页的增量信息获取方法，它能够较大范围地提高人们的工作效率以及在相同更新资源条件下，使得本地数据和远程数据保持最大化同步，为进一步实现深层网数据源集成提供基础。
-
Patent Agency Ranking
公开(公告)号：CN102103636A
公开(公告)日：2011-06-22
申请号：CN201110020898.5
申请日：2011-01-18
Applicant: 南京信息工程大学
IPC: G06F17/30
Abstract: 本发明公布了一种面向深层网页的增量信息获取方法。本发明方法包括：步骤1：确定与远程数据源同步频率；步骤2：利用泊松过程来表示数据源变化频率；步骤3：确定平均新颖度；步骤4：根据数据时新性确定更新频率进行增量信息获取。另外，本发明还可以利用在线学习方法有效进行增量信息获取。本发明方法首先确定与远程数据源同步频率，然后利用泊松过程获得数据源变化频率；接着根据数据时新性确定更新频率。相比现有技术，本发明方法是一种非常高效的深层网页的增量信息获取方法，它能够较大范围地提高人们的工作效率以及在相同更新资源条件下，使得本地数据和远程数据保持最大化同步，为进一步实现深层网数据源集成提供基础。
-
公开(公告)号：CN101964063A
公开(公告)日：2011-02-02
申请号：CN201010280835.9
申请日：2010-09-14
Applicant: 南京信息工程大学
IPC: G06K9/66
Abstract: 本发明提供一种改进的AdaBoost分类器构造方法，属于图像检测技术领域。本发明首先将样本的类Haar特征值与其类别标签结合起来生成候选分类位置集，从候选分类位置集中寻找使分类错误最小的位置，基于此位置构造弱分类器，并同时提供一种自适应的弱分类器阈值构造方法。本发明较好地解决了AdaBoost分类器训练准备时间过长以及性能的提升问题，将其结合类Haar特征用于车辆图像检测实验，与传统AdaBoost分类器方法相比，明显减少了分类器的训练所需时间，同时还提升了其识别性能。
-
公开(公告)号：CN101937510A
公开(公告)日：2011-01-05
申请号：CN201010280839.7
申请日：2010-09-14
Applicant: 南京信息工程大学
IPC: G06K9/62
Abstract: 本发明提供一种基于类Haar和AdaBoost分类器的快速增量学习方法，属于图像检测技术领域。本发明对于新增加的未正确识别的训练样本集，在不损失已有学习效果的前提下，增加一些关键的类Haar特征信息，而不是重新寻找关键类Haar特征信息，以提高训练的速度。本发明利用所提出的增量学习方法较好地解决了快速提升基于类Haar特征和AdaBoost分类器方法的识别性能问题，将其应用于车辆图像检测实验，与传统增量学习方法相比，在两者提升识别性能相近的情形下，明显减少了学习机的学习时间。
-
公开(公告)号：CN115113165B
公开(公告)日：2024-11-22
申请号：CN202210818471.8
申请日：2022-07-13
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种雷达回波外推方法、装置及系统，所述方法包括对获取到的二维雷达回波数据进行处理，生成三维雷达回波数据；利用基于3D卷积构建而成的特征提取器，提取所述三维雷达回波数据中的时空特征信息，获得包含了整体空间信息和短时动态信息的三维特征图；将所述三维特征图输入至循环神经网络模块，获得不同时刻输出的高层抽象特征信息；将所述不同时刻输出的高层抽象特征信息输入至基于时间通道的通道注意力模块，得到在时间通道上加权的特征信息；基于在时间通道上加权的特征信息，进行反向重构，还原特征信息中包含的时空信息，得到最终的雷达回波外推结果。本发明具有更强的表征能力，外推结果更加准确。
-
公开(公告)号：CN117765411A
公开(公告)日：2024-03-26
申请号：CN202410024915.X
申请日：2024-01-08
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于深度学习的卫星遥感图像火点分割方法及系统，涉及火点分割技术领域，包括以下步骤：接收火点遥感图像数据，对火点遥感图像数据进行处理，得到火点遥感图像处理数据；将火点遥感图像处理数据输入至预先建立的火点分割网络FPSNet内的编码器内，输出得到多尺度特征，将多尺度特征输入至预先建立的火点分割网络FPSNet内的相邻特征融合模块AFFM内，输出得到融合特征；将融合特征输入至预先建立的火点分割网络FPSNet内的解码器内，对融合特征进行聚合，输出得到火点预测图，通过火点预测图对火点进行分割。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.037 seconds)
