-
公开(公告)号：CN115102866A
公开(公告)日：2022-09-23
申请号：CN202210634856.9
申请日：2022-06-06
Applicant: 南京邮电大学
IPC: H04L41/14 , H04L41/147
Abstract: 本发明公开了一种面向共识算法的区块链TPS估算方法及其验证方法，该方法通过对基于拜占庭容错算法的区块链系统交易流程进行分析，建立区块链TPS与节点通信和计算能力之间的数学模型，以进行TPS估算；准确性验证方法通过搭建不同结构的区块链网络进行TPS测试，将实际的测试结果与数学模型的预测结果进行比较，以此来验证区块链TPS数学模型的准确性。本发明实现了在区块链系统部署前对区块链网络性能的预测，预测误差不超过10%，该数学模型方便实际部署区块链系统时进行区块链节点的硬件选购和网络搭建成本估计，并且可以通过对区块链性能的估算来验证在特定网络结构下实际部署区块链系统的可行性。
-
公开(公告)号：CN115100486A
公开(公告)日：2022-09-23
申请号：CN202210637330.6
申请日：2022-06-07
Applicant: 南京邮电大学
IPC: G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种智慧医疗场景下时间相关特征挖掘的中草药识别方法，包括：构建中草药图像样本数据集；采用金字塔网络模型对导入的中草药图片进行处理，以输出具有空间敏感度的高分辨率特征图，减少空间流和语义流上特征图进行特征融合时出现空间信息定位偏差；构建激活区域生成网络，获取中草药时间序列特征中的时间不变特征；构建特征映射结构块，针对当前生长周期的中草药特征与其余生长周期的中草药特征建立映射关系；构建中草药识别网络模型，得到中草药识别结果。本发明通过在中草药数据集上进行训练提取泛化的不同种类的中草药所具有的特征表示，提高对同一种类的相似中草药的识别准确度和判断中草药质量参差的准确度。
-
公开(公告)号：CN112632612B
公开(公告)日：2022-09-23
申请号：CN202011579236.7
申请日：2020-12-28
Applicant: 南京邮电大学
IPC: G06F21/62
Abstract: 本发明提出了一种医疗数据发布匿名化方法。通过构建(w,k,d)‑匿名模型，首先将不同疾病敏感结合实际评判标准给出不同的敏感度评分，利用评分将敏感属性划分为不同的等级，计算每种疾病的权重值，限制每个等价类内的平均权重值小于给定的约束值w0；其次，对这些疾病从语义层次的距离进行约束，保证语义上的多样性，要求等价类内的平均距离要大于给定的约束值d0，最终实现敏感属性的个性化保护。该模型既从敏感等级这个维度上保护了严重疾病这个隐含属性的泄露，又从疾病语义分类这个维度上保护了疾病部位或者器官这个隐含属性的泄露，更好地针对疾病这个敏感属性进行了隐私保护。
-
公开(公告)号：CN112528748B
公开(公告)日：2022-08-26
申请号：CN202011276965.5
申请日：2020-11-16
Applicant: 南京邮电大学
Abstract: 本发明公开了一种从视频中识别并截取静态幻灯片的方法。属于图像处理领域；具体步骤包括如下：从原始视频源中提取关键帧A进行分析；根据提取的关键帧A和上一个关键帧B计算出画面差异度；确定计算出的画面差异度是否是截图模式。本发明提出了一种通用的从视频中识别并截取静态幻灯片的系统架构，通过画面分割和画面差异度算法分析画面的变化过程，维护截图队列，以实现对各类幻灯片场景中的幻灯片进行识别和截取。
-
公开(公告)号：CN112420187B
公开(公告)日：2022-08-26
申请号：CN202011107453.6
申请日：2020-10-15
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于迁移联邦学习的医疗疾病分析方法。属于医疗领域和迁移联邦学习领域；具体步骤：获取疾病特征和标签数据并将数据上传至本地服务器、本地服务器随机将无误的数据等比例的加密上传到云端、得到权重系数以及标签识别准确率、云端将初始训练模型迁移到本地服务器、本地服务器上传训练模型参数给云端，再由云端分配给模型权重系数、本地服务器结合标签识别准确率进行融合学习。本发明根据获取数据不平衡问题对模型的影响，通过对概率分布分析来对标签识别准确度进行修正，根据异常数据问题对模型的影响，提出了加密数据共享，通过对异常数据处理对各参与方或计算结点的加权系数进行修改，保证联邦学习预测的准确性。
-
Patent Agency Ranking
公开(公告)号：CN114882545A
公开(公告)日：2022-08-09
申请号：CN202210336825.5
申请日：2022-03-31
Applicant: 南京邮电大学
Abstract: 本发明公开了基于三维智能重建的多角度人脸识别方法。输入一张人脸图片，提取出图片中的人脸特征点，计算出人脸偏转角并结合ASM算法进行正面人脸特征点重构；利用级联残差网络对形变模型中的形状向量和纹理向量进行预测，根据预测出的形状向量建立出三维人脸灰模，同时和正面人脸特征点进行匹配；随后根据纹理向量进行上色，构建出完整的三维人脸模型；根据人脸偏转角对三维人脸模型进行旋转，并和输入图片的人脸进行相似度比对，得到最终的三维人脸模型，完成人脸识别。本发明基于三维重建实现了多角度人脸识别，还用级联残差网络加速了形变模型的运算过程，并形成了自反馈网络对形变模型进行自反馈训练惩罚，有非常广阔的应用场景。
-
公开(公告)号：CN114863267A
公开(公告)日：2022-08-05
申请号：CN202210330769.4
申请日：2022-03-30
Applicant: 南京邮电大学
IPC: G06V20/10 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/25 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明涉及一种基于多轨迹智能预测的航拍树木数量精准统计方法，通过构建所提出双路特征融合的金字塔结构，实现了各层级的特征信息进行有效的融合，解决了对低、矮、小树木的漏检问题，并进一步在搭建的轻量化飞行器巡检网络中加入动态调控算法，使得网络各个参数与飞行器边端设备更加匹配，从而最大化利用设备算力获得较好的识别效果，最后利用所提出的结合轨迹分类统计方法进行准确统计；与传统目标统计算法相比，本发明具有更好抗形变能力，降低了无人机由于形变变化对统一目标的重复统计问题，实现了更加精准的统计效果。
-
公开(公告)号：CN113313008B
公开(公告)日：2022-08-05
申请号：CN202110578149.8
申请日：2021-05-26
Applicant: 南京邮电大学
Abstract: 本发明是一种基于YOLOv3网络和均值漂移的目标与识别跟踪方法，包括如下步骤：S1：制作目标数据集，将目标数据集输入YOLOv3算法训练网络；S2：将视频图像逐帧输入YOLOv3网络，检测完成后YOLOv3网络输出检测目标预测标签向量；S3：将检测目标预测标签向量中的多个目标边界框尺寸信息输入均值漂移目标跟踪算法，以每个目标的边界框尺寸信息作为均值漂移目标跟踪算法对应目标的搜索检测框尺寸大小；S4：对目标进行跟踪；S5：判断视频是否结束。该方法解决了传统均值漂移目标跟踪算法搜索检测框的尺度不匹配问题，改善了传统均值漂移目标跟踪算法的局限性，提高了目标识别与跟踪算法的性能。
-
公开(公告)号：CN114845401A
公开(公告)日：2022-08-02
申请号：CN202210393179.6
申请日：2022-04-14
Applicant: 南京邮电大学
IPC: H04W72/04 , H04B7/0426 , H04B7/06 , H04B7/0413
Abstract: 本发明提出了一种工业互联网环境中基于非正交多址的高能效传输方法，在所提出的通信系统中，首先根据终端与接入点之间的距离关系，将终端分为强终端和弱终端；然后在初始等功率分配的情况下，分别设计每个终端的发送波束矩阵；然后根据所得结果，设计最优的功率分配因子，并代入之前的优化步骤中进行迭代优化；最后，当系统的总能量效率收敛的时候，得到终端发送波束矩阵和功率分配因子的全局最优解。本发明利用了NOMA的优点，在保证终端通信公平性的前提下，既提高了系统的频谱效率，又最大化了系统的能量效率。
-
公开(公告)号：CN114842427A
公开(公告)日：2022-08-02
申请号：CN202210336720.X
申请日：2022-03-31
Applicant: 南京邮电大学
IPC: G06V20/54 , G06V10/80 , G06V10/774 , G06T17/05
Abstract: 本发明公开了一种面向智慧交通的复杂多目标自适应检测方法，首先构建面向三维场景的目标检测模型，然后将时间类、天气类这两个维度的场景作为先验知识，根据当前时间类、天气类选择相对应的面向三维场景的目标检测模型，用以目标检测，最后提出了一种阈值自适应调整机制，将得到的多个模型的检测结果进行自适应融合并输出待检测目标的最终类别及其对应的概率。本发明能广泛应用于机器视觉领域中全天时、全天候环境下先验驱动的多目标自适应精准检测，有非常广阔的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
993
records
(took 0.079 seconds)
