-
公开(公告)号：CN116884063A
公开(公告)日：2023-10-13
申请号：CN202310805217.9
申请日：2023-06-30
Applicant: 南京邮电大学
IPC: G06V40/16 , G06V10/74 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明属于计算机视觉领域，公开了一种基于增强自注意力Transformer的人脸表情识别方法，包括以下步骤，步骤1，获取人脸表情训练数据集，进行预处理；步骤2，建立由IR50卷积神经网络与增强自注意力Transformer组合而成的人脸表情识别网络模型；步骤3，由IR50卷积神经网络进行初步特征提取，取其中间阶段的特征进行拼接；步骤4，将拼接的特征输入到增强自注意力Transformer模型中，依次进行相似特征融合和关键特征筛选；步骤5，将Transformer执行完成后的结果输入到全连接层，得出表情分类结果。本发明在保证识别准确率的同时，能够提升提推理速度。
-
-
公开(公告)号：CN115966010A
公开(公告)日：2023-04-14
申请号：CN202310069723.6
申请日：2023-02-07
Applicant: 南京邮电大学
IPC: G06V40/16 , G06V10/80 , G06V10/82 , G06V10/774 , G06N3/048 , G06N3/0464 , G06N3/08
Abstract: 本发明属于计算机视觉技术领域，公开了一种基于注意力和多尺度特征融合的表情识别方法，采用fer2013人脸表情数据集，分为训练集、测试集和验证集；构建多尺度特征提取层，加入不同膨胀率的空洞卷积，提取人脸表情图像的尺度信息特征，并进行融合；采用通道注意力机制模块；设计残差模块，将单元的输入直接与单元输出加在一起再进行激活；以ResNet为框架，用构建出的多尺度模块搭建网络；将训练集输入到最终的网络结构中，采用交叉熵损失函数和随机梯度下降优化器进行训练，并将测试集输入到训练好的网络结构中，得到表情分类结果。本发明提高人脸表情识别的精确度，便于人脸识别在医学、心理学、人机交互等领域中的应用。
-
公开(公告)号：CN119152191A
公开(公告)日：2024-12-17
申请号：CN202411304270.1
申请日：2024-09-19
Applicant: 南京邮电大学
IPC: G06V10/25 , G06V10/82 , G06V10/764 , G06V10/762 , G06V20/10 , G06N3/0464 , G06N3/0455 , G06N3/045 , G06N3/08
Abstract: 本发明公开一种基于动态自适应查询的遥感目标检测方法，包括如下步骤：获取目标检测数据集，并对目标检测数据集进行预处理；构建由ResNet50卷积神经网络与Transformer自注意力机制组合而成的初始网络结构；同时采用动态自适应位置查询代替原有位置查询；利用预处理后的目标检测数据集对初始网络结构进行训练，获得训练完成的目标检测网络模型；利用目标检测网络模型识别遥感图像中目标。本方法不仅提高目标检测精度，同时还能提升模型收敛速度。
-
公开(公告)号：CN116452455A
公开(公告)日：2023-07-18
申请号：CN202310434774.4
申请日：2023-04-21
Applicant: 南京邮电大学
IPC: G06T5/00 , G06N3/0499 , G06N3/08
Abstract: 一种基于低秩稀疏编码模型的高光谱图像去噪方法，包括了如下步骤；根据高光谱图像中的低秩先验信息，构建了基于低秩稀疏编码的图像去噪模型(LRSC)；采用迭代收缩软阈值算法和奇异值阈值算法对构建的低秩稀疏编码的图像去噪模型进行迭代求解；利用算法展开技术将低秩稀疏编码的图像去噪模型的优化解转化成对应的深度神经网络(LRSC‑Net)；对训练数据集添加不同等级的噪声并进行训练，得到已训练好的网络模型；用峰值信噪比指标评估噪声图像,测试网络性能。本方法采用迭代收缩软阈值算法和奇异值阈值算法进行优化求解，在高光谱图像去噪上取得了有益效果。
-
Patent Agency Ranking
公开(公告)号：CN111915518B
公开(公告)日：2022-09-06
申请号：CN202010727755.7
申请日：2020-07-23
Applicant: 南京邮电大学
IPC: G06T5/00
Abstract: 本发明提供一种基于三重低秩模型的高光谱图像去噪方法，首先从含噪声的高光谱图像中依次提取图像块，再对提取的所有图像块分别进行三重低秩优化重构模型(即包括低秩部分约束、低秩部分与线性变换域噪声图像之间的约束以及低秩部分自相关性约束)，去除稀疏噪声，最后通过对重构图像块的重叠像素进行加权平均得到去噪的高光谱图像。低秩部分与线性变换域噪声图像之间的约束可以提高模型的鲁棒性以及图像去噪的精度，低秩部分自相关性约束可以使得该去噪模型相比较于其他去噪模型对死线噪声的去除效果更佳优越。
-
-
公开(公告)号：CN114627035A
公开(公告)日：2022-06-14
申请号：CN202210116063.8
申请日：2022-01-29
Applicant: 南京邮电大学
Abstract: 本发明公开了一种多聚焦图像融合方法、系统、装置及存储介质，属于多聚焦图像融合技术领域，所述方法包括：获取待融合的多聚焦图像；将多聚焦图像输入预训练好的融合网络模型中进行融合，得到融合图像；所述融合网络模型通过以下方法构建：利用空洞卷积网络和基于注意力机制的密集卷积神经网络构建融合网络模型；解决现有技术中对源图像特征提取单一且不能有效突出显著特征的重要性的缺陷，实现在多聚焦图像融合时保留丰富的细节信息，融合得到的融合图像视觉质量较优。
-
公开(公告)号：CN114596285A
公开(公告)日：2022-06-07
申请号：CN202210232832.0
申请日：2022-03-09
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于生成对抗网络的多任务医学图像增强方法，用于实现医学图像的超分辨率和融合任务，包括以下步骤：步骤1，构建训练数据集，并对数据集进行预处理；步骤2，使用动态卷积和残差密集网络构成生成对抗网络模型；步骤3，设置所述网络模型的超参数和损失函数，并对所述损失函数进行优化；步骤4，输入预处理后的训练数据集到生成对抗网络模型，并训练网络得到已训练的生成对抗网络模型；步骤5，输入测试数据集到网络中，得到融合的超分辨率医学图像；步骤6，使用互信息Qmi和基于结构相似性设计的Qyang对融合的超分辨率医学图像质量进行评估。通过本发明的方法可以在一个网络中实现医学图像的超分辨率和融合任务。
-
公开(公告)号：CN114596228A
公开(公告)日：2022-06-07
申请号：CN202210212512.9
申请日：2022-03-04
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于深度3D卷积稀疏编码的多光谱图像去噪算法，包括如下步骤：步骤1，根据多光谱图像的谱间信息，将卷积稀疏编码模型拓展成3D形式，搭建3D‑CSC数学模型；步骤2，采用迭代收缩软阈值算法对搭建的3D‑CSC模型进行迭代求解；步骤3，搭建深度网络：根据深度展开的思想，将步骤2中的3D‑CSC的迭代解形式展开成对应的深度网络；步骤4，构造数据集后训练网络；步骤5，测试网络的性能。本发明运用了3D卷积，考虑了图像的谱间特征，使得本发明在处理多光谱图像问题上取得了更好的去噪效果。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.022 seconds)
