-
公开(公告)号：CN114724061A
公开(公告)日：2022-07-08
申请号：CN202210296371.3
申请日：2022-03-24
Applicant: 南京邮电大学
Abstract: 一种基于视觉语言双向编码变换器和排序损失函数的异常检测方法，首先将每个视频表示为一个视频包，包含至少一个异常实例的视频包为正类包，不含任何异常实例的视频包为负类包；然后将两类包都分割成相同且固定数量的时间段，每一个时间段即为视频包中的一个实例，再将两类包输入基于共同注意力和自注意力机制的视觉语言双向编码变换器ViLBERT模块，从而得到ViLBERT特征；接着将ViLBERT特征输入到全连接神经网络中，并对该神经网络基于排序损失函数进行训练；最终构建一个有效区分异常事件和正常事件的异常检测模型，每个实例能够获得各自的异常得分，从而实现视频异常检测。本方法解决了异常检测中缺乏大量帧级标签的问题，保证了异常事件和正常事件的有效区分。
-
公开(公告)号：CN109522829B
公开(公告)日：2021-10-26
申请号：CN201811301566.2
申请日：2018-11-02
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于深度学习的智能手机“刷脸”会议注册方法，会议发起方发起会议，会议参与方参加会议，参与方并将自身的基本信息和照片上传到系统中，该基本信息和照片分别记为注册基本信息和注册照片；通过网络爬虫采集挖掘科研人员的公开信息，公开信息包括基本信息、照片和科研信息，记为公开基本信息和公开照片，将注册基本信息、注册照片、公开基本信息、公开照片作为存储信息；将存储信息存储进MongoDB数据库中作为数据对比库；识别时，使用者输入待识别照片，通过基于深度学习的人脸识别方法将待识别照片与数据对比库中的注册照片进行匹配，如果匹配成功，将待识别照片对应的科研人员的存储信息向使用者推送，从而帮助使用者获取科研人员的科研信息。
-
公开(公告)号：CN113259381A
公开(公告)日：2021-08-13
申请号：CN202110662315.2
申请日：2021-06-15
Applicant: 南京邮电大学
Abstract: 一种基于区块链与IBC相结合的智慧医疗跨域认证方法，包括步骤：各医疗域部署医疗物联网设备；设立密钥管理服务器，以医疗物联网设备身份信息为公钥生成私钥；设立区块链服务器和开源区块链平台，将区块链服务器加入联盟链；区块链服务器从密钥管理服务器接收各个域相关的身份公钥信息，并写入联盟链账本；设立跨域身份认证代理服务器，请求区块链服务器查询身份数据，根据查询结果验证身份有效性。本发明采用区块链技术构建各个域之间的信任关系，而不是将信任放在第三方，区块链账本由所有参与者域维护，比以往单个CA维护更有说服力，利用联盟区块链账本和链码，将公钥调用过程转化为一个区块链账本读写操作，使得公钥调用简单易行。
-
公开(公告)号：CN112949608A
公开(公告)日：2021-06-11
申请号：CN202110410769.0
申请日：2021-04-15
Applicant: 南京邮电大学
Abstract: 本发明提供了一种基于孪生语义自编码器和分支融合的行人重识别方法，该方法步骤为：构建一个行人重识别数据集和其孪生数据集，训练一个卷积自编码器；把卷积自编码器的编码器网络作为特征提取骨干网络来提取孪生特征向量，训练一个孪生语义自编码器，并借助其编码部分网络权重构建一个语义自编码分支网络；将卷积自编码器的编码器网络作为行人重识别骨干网络，对其进行分支构建，训练得到一个完整的行人重识别网络模型；将待识别行人图像和待查询行人图像集分别输入到训练好的模型中，提取出经过多层次特征融合后的行人重识别特征，经相似度排序实现行人重识别。本发明能显著提高行人重识别网络模型的鲁棒性和行人重识别的精度。
-
公开(公告)号：CN112926555A
公开(公告)日：2021-06-08
申请号：CN202110465721.X
申请日：2021-04-28
Applicant: 南京邮电大学
Abstract: 本发明是一种基于自编码器数据增强的小样本无源行为感知方法，包括如下步骤：(1)采集包含人体行为信息的信道状态信息；(2)对信道状态信息去噪处理；(3)构建一个基于数据增强自编码器的神经网络模型；(4)采用少量的真实样本训练数据增强自编码器，生成大量具有不同特征向量的重构样本；(5)构建一个基于卷积神经网络的人体行为识别模型，将增强数据样本和真实样本作为模型的输入，对网络模型进行调优，根据分类网络对样本在不同类别上的响应值，得到行为识别结果。本发明解决无源行为感知在小样本训练数据状态下存在的模型过拟合问题，增强模型的泛化性和稳定性，保障人体行为识别的精度。
-
Patent Agency Ranking
公开(公告)号：CN105389548A
公开(公告)日：2016-03-09
申请号：CN201510697448.8
申请日：2015-10-23
Applicant: 南京邮电大学
CPC classification number: G06K9/00221 , G06F16/583
Abstract: 本发明公开了基于人脸识别的婚恋评价系统和方法，该方法包括：从结婚照片数据库中读取男女结婚照片，输入到脸部识别系统。对图像中的噪声进行顾虑。对整个图像进行对比增强，加强主体部分信号。对图像进行归一化处理，减弱光照等因素引起的图像主体特征部分图像信号变化。从整个图片中定位男女双方的人脸，为脸部特征提取固定位置。提取人脸部特征集合。获得的照片脸部特征集与照片数据库中的对象匹配，实现特征集标签化。从训练样本中读取一个特征集，计算测试样本与训练样本之间的相似度。遍历整个训练样本集，获得所有相似度值，并做倒排序，选出相似度最高的训练样本下标输出。计算测试样本婚恋指数值。将计算得到的婚恋指数用区间形式输出。
-
公开(公告)号：CN119767353A
公开(公告)日：2025-04-04
申请号：CN202510265407.5
申请日：2025-03-07
Applicant: 南京邮电大学
Abstract: 本发明公开多无人机辅助下的数据采集信息年龄最小化联合优化方法，属于无线通信领域；优化方法包括：构建并重新表述多无人机辅助数据采集系统初始模型；初始化迭代次数变量和地面传感器节点对应的悬停点；给定悬停位置#imgabs0#，将多无人机辅助数据采集系统初始模型表述为带能量约束的车辆路径问题进行优化，获得最优的多无人机任务分配#imgabs1#与访问顺序#imgabs2#，并结合地面传感器节点对应的悬停位置#imgabs3#，优化多无人机辅助数据采集系统初始模型，获得最优的地面传感器节点对应的悬停位置#imgabs4#；之后将任务分配#imgabs5#、访问顺序#imgabs6#和悬停位置#imgabs7#代入进行迭代优化，获得最优解。
-
公开(公告)号：CN119675727A
公开(公告)日：2025-03-21
申请号：CN202510165158.2
申请日：2025-02-14
Applicant: 南京邮电大学
IPC: H04B7/06 , H04B7/04 , H04B17/336 , H04B17/345 , H04B17/391
Abstract: 本发明公开基于STAR‑RIS和RSMA的通感一体化系统资源优化方法及系统，属于无线通信领域；优化方法包括：S1，构建系统初始模型；S2，设置迭代次数变量，并给定初始雷达探测信号协方差矩阵、初始功率分配、初始译码顺序以及初始STAR‑RIS的传输矩阵和反射矩阵；S3，在给定功率分配、雷达探测信号协方差矩阵、译码顺序及STAR‑RIS的传输矩阵和反射矩阵的前提下，优化系统初始模型，获得最优的功率分配、最优的协方差矩阵、最优的译码顺序以及最优的传输矩阵和反射矩阵；S4，基于BCD方法将上述获取的最优参数代入S3，并更新迭代次数变量，直到达到迭代次数，迭代终止，获得用户总速率的最优解。
-
公开(公告)号：CN118411572B
公开(公告)日：2024-09-10
申请号：CN202410868719.0
申请日：2024-07-01
Applicant: 南京邮电大学
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06V10/80 , G06V40/10 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了基于多模态多层次特征聚合的小样本图像分类方法及系统，涉及深度学习、计算机视觉技术领域，包括：根据支持集数据的类别标签获取语义信息，将语义信息输入至文本编码器中，得到文本特征，将支持集和查询集的数据输入至预先建立的卷积神经网络模型内，得到图像特征；将文本特征与支持集图像特征进行融合，得到多模态特征，多模态特征的支持集数据和图像特征的查询集数据输入至预先建立的卷积神经网络模型内，得到分类预测结果，利用分类预测结果，采用交叉熵损失函数对模型进行迭代训练，得到训练后的小样本图像分类网络模型；将小样本图像数据集内的测试集数据输入至训练后的小样本图像分类网络模型内，得到小样本图像的分类结果。
-
公开(公告)号：CN118411572A
公开(公告)日：2024-07-30
申请号：CN202410868719.0
申请日：2024-07-01
Applicant: 南京邮电大学
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06V10/80 , G06V40/10 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了基于多模态多层次特征聚合的小样本图像分类方法及系统，涉及深度学习、计算机视觉技术领域，包括：根据支持集数据的类别标签获取语义信息，将语义信息输入至文本编码器中，得到文本特征，将支持集和查询集的数据输入至预先建立的卷积神经网络模型内，得到图像特征；将文本特征与支持集图像特征进行融合，得到多模态特征，多模态特征的支持集数据和图像特征的查询集数据输入至预先建立的卷积神经网络模型内，得到分类预测结果，利用分类预测结果，采用交叉熵损失函数对模型进行迭代训练，得到训练后的小样本图像分类网络模型；将小样本图像数据集内的测试集数据输入至训练后的小样本图像分类网络模型内，得到小样本图像的分类结果。
-
-
-
-
-
-
-
-
-
Search Results
85
records
(took 0.022 seconds)
