-
公开(公告)号：CN112233086B
公开(公告)日：2023-08-04
申请号：CN202011095774.9
申请日：2020-10-14
Applicant: 南京工业大学
IPC: G06T7/00 , G06T7/11 , G06V10/764
Abstract: 本发明设计了一种基于脑区功能连接的fMRI数据分类识别方法及装置，包括：获取被试者fMRI数据；对所获取的fMRI数据进行预处理，得到大脑灰质图像；将大脑灰质图像分割成多个不同功能的脑区，并提取每个脑区的平均体素时间序列；基于模糊决策粗糙集从多个功能脑区中选择存在显著差异的部分脑区；基于选择出的部分脑区，计算不同脑区之间的皮尔森相关系数，并采用Fisher‑z变换对系数进行非线性处理，得到部分脑区的功能连接矩阵；对矩阵中的相关系数值进行稀疏化，保留阈值之上的相关系数值，并将矩阵展开成一维特征向量；将得到的一维特征向量作为输入送到训练好的SVM识别模型中，得到被试者的输出标签并判断被试者fMRI数据类别。
-
公开(公告)号：CN113361370A
公开(公告)日：2021-09-07
申请号：CN202110611720.1
申请日：2021-06-02
Applicant: 南京工业大学
Abstract: 本发明公开了一种基于深度学习的异常行为检测方法，具体包括以下步骤：S1、图像获取：利用摄像机获取实际场景RGB图像，S2、行人检测：利用目标检测算法YOLOv5检测当前视频帧中行人，输出检测框的位置信息、置信度与类别，对检测结果进行筛选，去除冗余框，本发明涉及人体行为识别技术领域。该基于深度学习的异常行为检测方法，采用计算机视觉的方式，增强在实际场景中的稳定性，通过摄像头获取的RGB图像，检测得到结果后，采用随机涂鸦进行数据增强来应对场景中的遮挡问题，平衡了准确度与实时性的的需求，对存在遮挡的实际环境，具有较强的抗干扰能力。
-
公开(公告)号：CN112837274A
公开(公告)日：2021-05-25
申请号：CN202110039520.3
申请日：2021-01-13
Applicant: 南京工业大学
Abstract: 本发明公开了一种基于多模态多站点数据融合的分类识别方法，包括如下步骤：1)获取多站点sMRI和R‑fMRI数据；2)对各个站点的sMRI数据进行预处理，得到sMRI颅骨剥离脑图像和大脑皮层表面模型；3)将大脑皮层分割成多个不同区域，并计算每个区域的皮层平均厚度、皮层平均表面积和灰质体积等解剖参数；4)将sMRI颅骨剥离脑图像输入ResNet3D深度网络模型提取高维特征；5)将提取出的解剖参数和高维特征进行融合得到一维向量作为sMRI数据特征；6)各个站点的R‑fMRI数据进行预处理，获得大脑灰质图像；本发明采用基于低秩表示的方法使得多站点数据有相同或类似的数据分布，解决或部分解决了多站点数据异构性的问题，有效提高诊断模型的泛化性，更符合实际要求。
-
公开(公告)号：CN101299586A
公开(公告)日：2008-11-05
申请号：CN200810124095.2
申请日：2008-06-13
Applicant: 南京工业大学
Abstract: 本发明是永磁同步电机的无速度传感器逆控制变频调速器及构造方法，适用于永磁同步电机在不安装机械式速度传感器条件下的高性能调速控制，其结构是包括无速度传感器逆控制器，功率变换器和电流和电压霍尔传感器：其构造方法，由线性闭环调节器、永磁同步电机的逆系统、逆Park变换、空间矢量脉宽调制SVPWM模块和转子位置与转速估计器为采用数字信号处理器，通过编制程序软件来实现。优点：用于构造新型的永磁同步电机变频调速器，实现永磁同步电机无机械式速度传感器的高性能转速与伺服控制。广泛应用于以永磁同步电机为动力装置的交流电力传动与伺服系统，调速系统无需在电机转轴上安装机械式传感器，硬件结构简单，运行可靠，成本低。
-
公开(公告)号：CN116958683A
公开(公告)日：2023-10-27
申请号：CN202310927881.0
申请日：2023-07-26
Applicant: 南京工业大学
IPC: G06V10/764 , G06V10/80 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明提供一种基于低秩多模态融合网络的MRI数据分类方法，首先，获取原始sMRI和fMRI的数据，分别对原始sMRI和fMRI的数据进行预处理，其次，基于低秩多模态融合网络分别从sMRI和fMRI两种不同模态的数据中提取特征向量，并采用低秩张量对提取后的特征向量进行融合，将融合后的特征输入支持向量机进行分类，基于总体损失函数采用端到端的方式训练低秩多模态融合网络，最后将测试集输入到训练好的低秩多模态融合网络中，得到测试样本的输出类别；本发明提供的基于低秩多模态融合网络的MRI数据分类方法，减小了不同模态间的异构性，增强了多模态融合的效果，提高了多模态分类模型的精度。
-
Patent Agency Ranking
公开(公告)号：CN116852353A
公开(公告)日：2023-10-10
申请号：CN202310744751.3
申请日：2023-06-21
Applicant: 南京工业大学
IPC: B25J9/16
Abstract: 本发明公开了一种基于深度强化学习的密集场景机械臂抓取多目标物体的方法，包括在CoppeliaSim仿真软件中添加机械臂和RGB‑D相机搭建与现实环境相似的场景，将相机捕获到的图像数据利用正交变换和旋转生成不同角度的高度图，接着把多张高度图输入由特征提取模块DenseNet121以及两个并行的推动网络和抓取网络组成的全卷积神经网络并输出像素级Q值图，利用掩码函数筛选出有意义的像素点并获取t时刻推动作最大Q值#imgabs0#和抓动作最大Q值#imgabs1#，根据当前状态下最大Q值选择动作，其中，推动的奖励值rp由推动前后场景中所有物体的平均相对距离的差值是否大于阈值决定。在真实场景的抓取中，将仿真端训练好的推抓协同策略网络应用到实物平台，机械臂在真实环境下根据动作选择规则进行决策完成抓取任务。所述的方法可以让机械臂专注于有效的抓取和推动来促进模型进行高效率的学习，并且可以在工作空间内评估每个候选推动作对物体密集程度的影响，为抓取提供了足够的空间，提高了抓取的成功率。
-
公开(公告)号：CN112837274B
公开(公告)日：2023-07-07
申请号：CN202110039520.3
申请日：2021-01-13
Applicant: 南京工业大学
IPC: G06V10/764 , G06T7/00 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于多模态多站点数据融合的分类识别方法，包括如下步骤：1)获取多站点sMRI和R‑fMRI数据；2)对各个站点的sMRI数据进行预处理，得到sMRI颅骨剥离脑图像和大脑皮层表面模型；3)将大脑皮层分割成多个不同区域，并计算每个区域的皮层平均厚度、皮层平均表面积和灰质体积等解剖参数；4)将sMRI颅骨剥离脑图像输入ResNet3D深度网络模型提取高维特征；5)将提取出的解剖参数和高维特征进行融合得到一维向量作为sMRI数据特征；6)各个站点的R‑fMRI数据进行预处理，获得大脑灰质图像；本发明采用基于低秩表示的方法使得多站点数据有相同或类似的数据分布，解决或部分解决了多站点数据异构性的问题，有效提高诊断模型的泛化性，更符合实际要求。
-
公开(公告)号：CN106203536B
公开(公告)日：2019-05-14
申请号：CN201610783743.X
申请日：2016-08-30
Applicant: 南京工业大学
Abstract: 本发明公开了一种织物疵点的特征提取及检测方法，步骤1，利用摄像头采集一组织物的图像；步骤2，对采集的图像进行预处理；步骤3，基于小波变换提取图像特征向量；步骤4，基于模糊决策粗糙集对图像特征向量进行约简，获得约简集；步骤5，以约简集作为SVM分类器的输入量来训练疵点检测模型；步骤6，根据步骤1～步骤4的过程，获得待测织物的约简集，将待测织物的约简集作为输入量输入训练好的疵点检测模型，计算待测织物的识别结果。本发明即能降低数据维度，又能提取出对疵点检测有用的信息，提高疵点检测模型的识别精度和实时性。
-
-
公开(公告)号：CN105607640A
公开(公告)日：2016-05-25
申请号：CN201610036021.8
申请日：2016-01-20
Applicant: 南京工业大学
IPC: G05D1/08
CPC classification number: G05D1/0825
Abstract: 本发明是四旋翼飞行器的位姿控制器，其结构包括姿态角度控制器、姿态角速度控制器、控制量融合模块、规划模块、姿态检测模块；本发明的优点：（1）该控制器能完成路点飞行、悬停等多种飞行任务，抗干扰能力较强；（2）该控制器主要用程序软实现，硬件结构简单，易于实现，成本低廉，运行可靠；（3）本控制器程序均采用模块化设计，具有较好的可移植性，缩短了系统软硬件的开发周期。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.023 seconds)
