-
公开(公告)号：CN101702244A
公开(公告)日：2010-05-05
申请号：CN200910213092.0
申请日：2009-11-10
Applicant: 南京大学
Abstract: 一种适用于绘制区域任意划分的并行绘制负载平衡方法，用于三维渲染，通过剖分屏幕空间在多个绘制节点间分配计算任务，绘制节点也称渲染节点，包括预处理、负载评估、负载平衡、调整屏幕空间上的子绘制区域、绘制下一帧五个步骤。本发明使用多维二叉搜索树KD树对场景空间进行划分，在此基础上进行快速的负载评估，得到各节点下一帧绘制的负载预测值，最后基于这些预测值，再利用本发明提出的负载矩形构造负载矩阵，完成负载平衡，有效地避免了过多的负载评估过程，从而进一步提高了系统的整体效率，能很好地处理场景变化剧烈的情况。
-
公开(公告)号：CN111445488B
公开(公告)日：2023-08-04
申请号：CN202010321025.7
申请日：2020-04-22
Applicant: 南京大学
IPC: G06V10/26 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0895
Abstract: 一种弱监督学习自动识别和分割盐体的方法，使用Grabcut算法对盐体图片进行预处理，初步分割出盐体轮廓，得到训练集，再使用卷积神经网络建立弱监督分割模型，利用损失函数引导模型学习盐体的特征，通过迭代的方式不断修正训练集中的标注，所述标注指有盐和无盐两种标注，使训练集的标签逐像素更为准确，得到训练好的弱监督分割模型，用于分割待测图片中盐体位置轮廓。本发明实现机器自动准确识别出盐体是否存在及存在的位置和轮廓，在数据集标注不完整、不准确的情况下，能够学习盐体的特征，实现对盐体的高效准确分割。
-
公开(公告)号：CN114972939A
公开(公告)日：2022-08-30
申请号：CN202210467937.4
申请日：2022-04-29
Applicant: 南京大学
Abstract: 一种融合多层空洞卷积与注意力机制的三维断层识别方法，通过识别网络对输入的待预测图像输出断层识别结果，识别网络包括基于多层空洞卷积的H‑Unet网络和基于注意力机制的RA‑Unet网络，以三维合成地震数据体和其标签作为输入分别训练H‑Unet网络和RA‑Unet网络，将两个网络的预测结果相融合，对两个网络在每个像素点上的预测结果进行加权求平均，输出最后的预测图像作为识别结果。本发明针对三维地震断层识别特点，设计了基于多层空洞卷积的H‑Unet网络和基于注意力机制的RA‑Unet网络融合的识别网络，能够有效提取三维地震数据体的信息，识别断层及其宽度和局部细节。
-
公开(公告)号：CN113128446A
公开(公告)日：2021-07-16
申请号：CN202110471854.8
申请日：2021-04-29
Applicant: 南京大学
Abstract: 一种基于信念图增强网络的人体姿态估计方法，构建一个信念图增强网络，对人体姿态估计基础模型输出的信念图提高分辨率；在训练信念图增强网络时，根据训练集中的标注信息生成低分辨率信念图标签和高分辨率信念图标签，低分辨率信念图标签对应基础模型的输出分辨率，高分辨率信念图标签对应信念图增强网络的输出分辨率，训练时利用MESLoss函数分别计算两种分辨率下预测结果与真实标签之间的均方误差，求二者的加权和，并以此推导信念图增强网络各层参数的梯度，使用Adam优化器进行监督训练。本发明能够改善现有人体姿态估计方法中最终输出的信念图分辨率较低的现状，达到提高预测精确度的目的，而且不会带来参数量和浮点运算量上的显著提升。
-
公开(公告)号：CN111375446A
公开(公告)日：2020-07-07
申请号：CN202010059229.8
申请日：2020-01-18
Applicant: 南京大学扬州化学化工研究院
IPC: B01J31/06 , C07C51/215 , C07C59/08
Abstract: 本发明涉及一种Au-Pd/CTFs催化剂及其制备方法及利用该催化剂制备乳酸的方法。本发明的目的是利用CTFs的结构特征和丰富的吡啶氮原子，制备一种新型的Au-Pd双金属催化剂，用于选择性催化氧化1,2-丙二醇制乳酸，该催化剂具有反应条件温和，催化剂用量少，能够获得高活性和高乳酸选择性，催化剂不易失活，具有良好的催化寿命等优点。
-
Patent Agency Ranking
公开(公告)号：CN103198514B
公开(公告)日：2015-08-26
申请号：CN201310097258.3
申请日：2013-03-25
Applicant: 南京大学
Abstract: 一种三维地震体数据的实时光线投射体绘制方法，使用CUDA并行技术进行体数据块是否可见的判断，再使用CUDA并行技术判断体数据块当前分辨率是否需要提高，以上两步从低分辨率开始循环，逐步提高分辨率，直到满足分辨率要求、显存不足无法提高分辨率或已经达到最高分辨率为止，以确定最终渲染时体数据块各自所使用的分辨率；在渲染处理中使用多线程技术对需要调度的体数据块进行I/O调度，同时使用CUDA并行技术对调度进来的数据进行光线投射体绘制。相对于现有的光线体绘制方法，本发明可适用于海量体数据实时体绘制、可以在一个场景下有多个分辨率等级的数据参与绘制，计算速度快、成像效果好。
-
公开(公告)号：CN113989264B
公开(公告)日：2024-12-24
申请号：CN202111331675.0
申请日：2021-11-11
Applicant: 南京市儿童医院 , 南京南数数据运筹科学研究院有限公司 , 南京大学
IPC: G06T7/00 , G06T7/136 , G06V20/69 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/08 , G16H30/20 , G16H70/60
Abstract: 本发明公开了一种基于CE‑Net算法的肠道神经节细胞识别方法，包括以下步骤：S1，采集病理切片的图像数据，并通过预处理增加图像数据量，得到训练数据集；S2，构建肠神经节细胞识别模型；S3，结合训练数据集对肠神经节细胞识别模型进行训练；S4，肠神经节细胞识别模型推理端计算阈值；S5，通过训练后的肠神经节细胞识别模型对待测图片进行肠神经节细胞的识别。通过本发明能够实现对神经节细胞快速、准确的识别，减少人工识别的时间成本和错误率。
-
公开(公告)号：CN114897690A
公开(公告)日：2022-08-12
申请号：CN202210466344.6
申请日：2022-04-29
Applicant: 南京大学
Abstract: 一种基于串行高频注意力的轻量化图像超分辨率方法，构建一个串行高频注意力模块，由降维卷积、边缘检测卷积、升维卷积、批归一化层和Sigmoid层构成，通过为每个像素学习一个0到1的权重来加强卷积神经网络对图像高频边缘信息的恢复。本发明方法能够充分利用注意力机制，相比现有方法，本发明兼顾了性能和效率：采用可训练的拉普拉斯边缘检测算子大幅度增强注意力模块的性能，采用串行的结构和高效的算子来保障注意力模块的效率。本发明能够改善一般方法中重建的图像边缘信息模糊的问题取得更好的重建质量，并且相比目前最好的轻量化图像超分辨率方法，能够降低72％的最大显存占用，提升38％的推理速度。
-
公开(公告)号：CN111445488A
公开(公告)日：2020-07-24
申请号：CN202010321025.7
申请日：2020-04-22
Applicant: 南京大学
Abstract: 一种弱监督学习自动识别和分割盐体的方法，使用Grabcut算法对盐体图片进行预处理，初步分割出盐体轮廓，得到训练集，再使用卷积神经网络建立弱监督分割模型，利用损失函数引导模型学习盐体的特征，通过迭代的方式不断修正训练集中的标注，所述标注指有盐和无盐两种标注，使训练集的标签逐像素更为准确，得到训练好的弱监督分割模型，用于分割待测图片中盐体位置轮廓。本发明实现机器自动准确识别出盐体是否存在及存在的位置和轮廓，在数据集标注不完整、不准确的情况下，能够学习盐体的特征，实现对盐体的高效准确分割。
-
公开(公告)号：CN103176837B
公开(公告)日：2016-06-08
申请号：CN201310102077.5
申请日：2013-03-27
Applicant: 南京大学
IPC: G06F9/46
Abstract: 基于反转单链表的锁无关消息队列实现方法，用于2线程服务器架构，包括a)基于反转单链表的锁无关消息队列的数据结构，b)基于所述数据结构实现的两个锁无关方法的操作函数：Push函数和Pop函数；2线程间通过所述锁无关消息队列，在所述锁无关方法下进行通讯。本发明在2个线程的服务器架构上，创新性的提出了基于反转单链表的锁无关消息队列的方法，并且没用使用任何昂贵的原子指令，将计算量降低到最低，使得执行效率非常高，通过实验，本发明提出的基于反转单链表的锁无关消息队列在2个线程的服务器架构下，执行速度是传统的基于锁的消息队列的数倍。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.023 seconds)
