-
公开(公告)号：CN104936287A
公开(公告)日：2015-09-23
申请号：CN201510312130.3
申请日：2015-06-09
Applicant: 南京邮电大学
CPC classification number: H04W64/003 , H04W4/04
Abstract: 本发明是一种适用于无线传感器网络(Wireless sensor network,WSN)的鲁棒室内定位方法，通过利用指纹矩阵的低秩性，只需采样部分信号指纹即可利用矩阵补全理论恢复出完整的指纹库；指纹数据库构建完毕后，采用经典的KNN算法进行在线阶段的目标定位。在指纹矩阵补全过程中，为有效消除信号指纹包含的野值噪声和高斯噪声，分别引入L1范数正则化项和F范数正则化项，将指纹数据恢复问题建模为范数正则化矩阵补全问题，并通过交替方向乘子法进行求解。该方法能够有效减少信息指纹库构建的工作量，并在各类噪声情况下获得高于同类方法的定位精度。
-
公开(公告)号：CN103559089A
公开(公告)日：2014-02-05
申请号：CN201310525868.9
申请日：2013-10-30
Applicant: 南京邮电大学
IPC: G06F9/50 , G06F9/455 , H04L12/913
Abstract: 本发明涉及一种基于服务等级协议约束的虚拟机需求预测实现方法，对当前服务云中任务的SLA（服务等级协议）约束进行分析的方式，实现虚拟机资源需求的预测以方便资源的预留。通过对当前服务云资源端的预判、反馈预测与突破概率预测，实现虚拟机资源的需求预测，预留当前虚拟机所需资源，减少云资源端虚拟机调度的开销。本发明属于云计算和创新网络领域。本发明设计出的虚拟机需求预测方法，可以应用于服务云中资源提供端在IaaS（基础设施即服务）层上实现资源的预留，同时算法简单易于实现。
-
公开(公告)号：CN116740587B
公开(公告)日：2025-03-28
申请号：CN202310366770.7
申请日：2023-04-07
Applicant: 南京邮电大学
IPC: G06V20/17 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06V10/766 , G06N3/0464 , G06N3/048 , G06N3/09
Abstract: 一种数据与模型双重不确定性感知的无人机航拍目标可信识别方法，包括步骤：采集无人机航拍数据集，对数据进行预处理，对处理后的数据进行标注，构建训练集、验证集和测试集；构建融合AvUC损失正则化的二阶概率建模和改进focal loss的可信目标检测模型；用训练集训练构建的可信目标检测模型，并用验证集进行最佳模型选择，得到训练后的可信目标检测模型；将测试集的测试图像输入训练后的可信目标检测模型，得到图像中各目标的定位信息和分类信息，以及定位信息的数据不确定性、模型不确定性和分类信息的整体不确定性，通过不确定性来反应模型的可靠程度，进而实现无人机航拍可信目标检测。本方法为风险敏感的无人机航拍目标检测应用提供重要辅助决策依据。
-
公开(公告)号：CN118674927B
公开(公告)日：2025-03-25
申请号：CN202410771852.4
申请日：2024-06-15
Applicant: 南京邮电大学
IPC: G06V10/26 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0895 , G06V10/774
Abstract: 本发明公开了一种基于证据学习的不确定性感知半监督胰腺分割方法。首先，引入可变形卷积，构建具有可自适应不同尺度和形变大小感受野的可变形U‑Net，以更好的提取胰腺多变的几何特征；其次，基于MT框架，引入证据深度学习对模型的预测不确定性进行建模，将模型的输出视为证据，并形式化为狄利克雷分布，通过主观逻辑计算预测类别概率以及不确定性，根据不确定性信息生成未标记数据上可靠的伪标签指导模型学习；最后，引入对目标边界分割质量更敏感的边界损失，使模型更关注目标边界的分割效果。本发明克服了现有半监督学习方法难以保证伪标签质量、平衡估计精度及计算成本的问题，并针对胰腺分割任务提供了更具有针对性的解决方案。
-
公开(公告)号：CN119648923A
公开(公告)日：2025-03-18
申请号：CN202510148862.7
申请日：2025-02-11
Applicant: 南京邮电大学
IPC: G06T17/00 , G06N3/0499
Abstract: 本发明的一种基于证据融合的神经辐射场可信孪生建模方法及存储介质，包括获取多视角图像数据；构建基于证据深度学习的神经辐射场模型，通过正态逆伽马分布对空间点的体密度、颜色及其不确定性进行建模；采用数据不确定性的加权损失函数训练模型；在训练过程中通过自适应重采样策略增加高不确定性区域的采样密度，提升渲染质量；将训练完成的模型应用于缺陷样本测试数据集；通过模型生成三维重建图像及不确定性量化图，对缺陷区域进行可信度评估，结合渲染图像与不确定性量化图生成最终检测结果。本发明通过引入证据深度学习和神经辐射场的融合方法，实现产品表面缺陷检测的高精度、可信度高的样本增补工作，能够提升可靠性和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN118674927A
公开(公告)日：2024-09-20
申请号：CN202410771852.4
申请日：2024-06-15
Applicant: 南京邮电大学
IPC: G06V10/26 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0895 , G06V10/774
Abstract: 本发明公开了一种基于证据学习的不确定性感知半监督胰腺分割方法。首先，引入可变形卷积，构建具有可自适应不同尺度和形变大小感受野的可变形U‑Net，以更好的提取胰腺多变的几何特征；其次，基于MT框架，引入证据深度学习对模型的预测不确定性进行建模，将模型的输出视为证据，并形式化为狄利克雷分布，通过主观逻辑计算预测类别概率以及不确定性，根据不确定性信息生成未标记数据上可靠的伪标签指导模型学习；最后，引入对目标边界分割质量更敏感的边界损失，使模型更关注目标边界的分割效果。本发明克服了现有半监督学习方法难以保证伪标签质量、平衡估计精度及计算成本的问题，并针对胰腺分割任务提供了更具有针对性的解决方案。
-
公开(公告)号：CN116721071B
公开(公告)日：2024-08-06
申请号：CN202310656053.8
申请日：2023-06-05
Applicant: 南京邮电大学
IPC: G06T7/00 , G06T7/10 , G06N3/0464 , G06N3/084 , G06N3/0895
Abstract: 本发明公开了一种基于弱监督的工业产品表面缺陷检测方法及装置，其方法包括获取待检测的工业产品的表面图像；将所述表面图像输入预构建的缺陷检测模型，获取缺陷检测结果；通过热力图呈现所述缺陷检测结果；其中，所述缺陷检测模型的构建过程包括：获取所述工业产品的表面图像，添加缺陷标签生成样本图像，并构建训练集和测试集；构建基于ResNet网络、DeepLab网络以及CBAM注意力机制模块的网络模型；通过ImageNet数据库对网络模型进行预训练，生成预训练模型；通过训练集对预训练模型进行训练，生成缺陷检测模型；通过测试集对缺陷检测模型进行性能测试，若性能满足预设要求，则缺陷检测模型构建完成；本发明能够在缺陷样本少的情况下，提升模型的检测准确性。
-
公开(公告)号：CN117671131B
公开(公告)日：2024-07-23
申请号：CN202311371086.4
申请日：2023-10-20
Applicant: 南京邮电大学
IPC: G06T17/00 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种基于深度学习的工业零件三维点云修复方法及装置，其方法包括：获取工业零件的残缺三维点云；将残缺三维点云输入训练好的点云修复模型，获取完整三维点云；其中，点云修复模型包括基于MLP的编码器、基于自注意力机制的编码器、第一拼接层以及解码器；点云修复模型的训练过程包括：采用泊松盘采样方式对工业零件进行采样生成实际三维点云；通过HPR算子方式对实际三维点云进行点去除生成多个模拟残缺三维点云；将实际三维点云作为各个模拟残缺三维点云的真实标签组成样本，并生成样本集；将样本集按预设比例划分为训练集、验证集以及测试集，并进行反向传播训练；本发明能够准确的进行工业零件三维点云修复。
-
公开(公告)号：CN116721309B
公开(公告)日：2024-07-16
申请号：CN202310695757.6
申请日：2023-06-13
Applicant: 南京邮电大学
IPC: G06V10/774 , G06V10/26 , G06V10/82 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/049 , G06N3/084 , G06N3/0895
Abstract: 本发明公开了一种口腔语义模型训练方法、口腔锥形束CT图像的优化方法及装置，属于医学成像技术领域，包括：从预设二维CBCT图像集中获取若干连续的第一CBCT图像和若干连续的第二CBCT图像；根据所述第二CBCT图像获取对应的值分割图；获取所述第一CBCT图像中不变的提取特征以缩小口腔语义模型在所述第二CBCT图像对应的值分割图上的标记范围；将所述第二CBCT图像对应的值分割图输入口腔语义模型直到输出的模型损失值不再减小。本发明通过获取若干连续的第一CBCT图像和若干连续的第二CBCT图像，并根据第二CBCT图像获取对应的值分割图，提高了口腔语义模型对口腔中出现的各个区域识别的准确性，有助于对牙齿病变部位的识别。
-
公开(公告)号：CN116452604B
公开(公告)日：2024-07-05
申请号：CN202310373084.2
申请日：2023-04-10
Applicant: 南京邮电大学
IPC: G06T7/11 , G06V10/26 , G06V10/48 , G06V10/762
Abstract: 本发明公开了一种复杂变电站场景分割方法、设备及存储介质，方法包括：获取变电站场景点云；采用随机抽样一致性算法提取得到地面点云；将不包含地面点云的变电站场景点云向XOY平面投影，得到变电站的二维平面图像；对变电站的二维平面图像采用cannay边缘检测算法计算得到边缘图像；采用霍夫直线检测算法提取边缘图像中的直线，确定直线上点位于变电站场景点云中的对应点，根据空间中电力线的特征去除非电力线直线，得到电力线直线段；采用区域生长算法延长电力线直线段获取完整的电力线直线段；采用欧式聚类算法进行聚类得到电力线点云；从不包含地面点云的变电站场景点云中去除电力线点云，得到变电站场景分割结果。
-
-
-
-
-
-
-
-
-
Search Results
106
records
(took 0.028 seconds)
