-
公开(公告)号：CN106502799A
公开(公告)日：2017-03-15
申请号：CN201611271570.X
申请日：2016-12-30
Applicant: 南京大学
Abstract: 本发明是一种利用长短时记忆网络对云计算中心主机的负载预测方法，属于云计算和深度学习领域。本发明解决的问题是：云计算环境中主机负载变化剧烈的问题。本发明提出一种预测未来主机负载已改善云计算系统调度的方法。本发明的主要算法的核心部分在于利用长短时记忆网络的特性对历史数据与未来数据之间的关系进行建模，网络具有长期记忆功能，输出即为预测的负载。本发明利用神经网络的方法进行负载的预测，通过与目前已有的一些方法相比较，本发明提出的方法能够取得更加精确的预测结果。
-
公开(公告)号：CN103327118B
公开(公告)日：2016-10-05
申请号：CN201310285840.2
申请日：2013-07-09
Applicant: 南京大学
IPC: H04L29/08
Abstract: 本发明是一种针对云计算环境下web应用的智能虚拟机集群缩放方法及系统，所属技术领域是云计算。针对部署在基础设施即服务中的web应用，本发明解决了如何动态的根据用户并发请求数量的变化，通过选择不同数量和性能的虚拟机组合实现集群缩放的问题，达到满足系统响应时间的要求和最大化节约运营成本的目的。本发明提出的智能虚拟机集群缩放方法与系统，首先通过在线学习得到在不同并发请求数下最佳的虚拟机集群总体性能大小，同时将web应用的响应时间保持在规定值以下，然后找到在此总体性能下使得虚拟机集群使用费用最小的虚拟机集群缩放方案。
-
公开(公告)号：CN105678769A
公开(公告)日：2016-06-15
申请号：CN201610011916.6
申请日：2016-01-05
Applicant: 南京大学
IPC: G06T7/00
CPC classification number: G06T2207/10036
Abstract: 本发明涉及一种地物光谱图像的分解算法，属于计算机视觉及计算摄像学领域。本发明以更好地利用地物光谱图像中的有效信息为目的，将地物光谱图像分解为光源光谱、明暗图像，材质反射图像以及高光图像。本发明主要算法的核心在于利用光谱图像丰富的频谱信息进行一致性区域分割，以带权均值算法计算材质反射光谱图像，最后利用局部照明条件一致性计算明暗图像。本发明提出的方法能够有效的分解出地物光谱图像中的有效信息，对地物场景的分割及识别有极大的帮助。
-
公开(公告)号：CN103686915A
公开(公告)日：2014-03-26
申请号：CN201210325922.0
申请日：2012-09-06
Applicant: 南京大学
Abstract: 本发明是一种在无线自组织网中基于感染节点的路由链路自恢复方法，所属技术领域为无线通信技术。本发明所解决的问题是：在无线自组织网络中，由于节点运动速度高、网络拓扑变化快，为了维护路由而引入大量泛洪消息包，从而导致高负荷和高网络开销的问题。本发明所提出的方案是：通过对有限的感染节点进行泛洪替代对整个无线网络泛洪的方式，减少网络路由建立的开销。值得注意的是，本发明对于感染节点的标识不需要引入节点及其相邻节点额外的信息交换。一旦路由路径上的连接断开引起路由失效，新的路由发现过程将采取从局部到全局的方式建立。通过进行这一过程，路由将得到修复、增量式的改进，并且最终性能源节点到目的节点之间的最短路径。
-
公开(公告)号：CN103337083A
公开(公告)日：2013-10-02
申请号：CN201310291320.2
申请日：2013-07-11
Applicant: 南京大学
Abstract: 本发明是一种针对公开场合下处于大运动中人体体征参数的测量方法及“运动恢复—人体建模”串行测量系统，本发明在不限制测量目标运动状态以及测量目标所着衣物的条件下，首先通过多层运动滤波器，全自动地连续恢复时间轴上人体运动参数；将多个姿态下的人体模型经由深度图像优化，并根据事先测定的“深度误差—单位法向内积”曲线空时加权，获得一致平均模型；以一致模型与原始模型的基线差方向作为方向约束，对多帧下的优化模型最优基线差进行时空分析，最终借助运动信息，消除衣物影响，真实测量人体体征参数。本方法对测量目标属于非侵入测量，既不限制测量目标的运动状态，也不限制测量目标的衣着状态，可于日常公开场合得到广泛应用。
-
Patent Agency Ranking
公开(公告)号：CN114663533B
公开(公告)日：2025-04-25
申请号：CN202210399245.0
申请日：2022-04-15
Applicant: 南京大学
IPC: G06T7/80
Abstract: 本发明涉及一种基于非线性优化的多视角相机标定方法及系统。所述方法包括：对所有待标定相机的内参进行预标定，得到所有待标定相机的内参矩阵；通过多相机之间的相邻关系粗标定所有待标定相机在选定世界坐标系下的外参，得到所有待标定相机待优化的初始外参；通过非线性优化方法，基于所述内参矩阵对所有待标定相机待优化的初始外参进行同步优化，获得精细化的相机外参。本发明针对多视角相机的外参标定问题，采用一种先粗标定再优化的方式，有效解决了二维棋盘格标定物在多相机系统中存在的自遮挡问题，在不需要三维标定物的情况下，利用多相机之间的拓扑关系同步优化所有相机外参，可以得到精度可观的标定结果，提高了标定精度。
-
公开(公告)号：CN114647969B
公开(公告)日：2025-03-25
申请号：CN202210399244.6
申请日：2022-04-15
Applicant: 南京大学
IPC: G06F30/23 , G06F30/27 , G06T17/20 , G16C60/00 , G16C10/00 , G06F113/12 , G06F119/14
Abstract: 本发明公开了一种布料参数测量方法及系统，包括：获取目标布料形变前图像和形变后图像；根据形变前图像确定目标布料形变前关键点的第一坐标；关键点为人工标志点；根据形变后图像确定目标布料形变后关键点的第二坐标；根据第一坐标和第二坐标确定关键点的形变梯度；根据布料参数、关键点的形变梯度以及格林应变张量模型确定各关键点的受力；随机向各关键点进行布料参数的初始赋值；采用格林应变张量模型对布料参数进行迭代优化，得到布料参数最优值；所述布料参数最优值用于布料仿真。本发明的布料参数测量方法采用格林应变张量模型对布料进行建模，得到的布料参数准确性高，从而提高了其建模的真实性。
-
公开(公告)号：CN112906675B
公开(公告)日：2024-03-22
申请号：CN202110457655.1
申请日：2021-04-27
Applicant: 南京大学
IPC: G06V40/10 , G06V10/774 , G06N3/0464 , G06N3/088
Abstract: 本发明涉及一种固定场景中的无监督人体关键点检测方法及系统，利用相机阵列中不同拍摄视角的彩色相机同步拍摄的多个人物彩色图像样本对卷积神经网络进行训练，将不同拍摄视角的待检测人物彩色图像输入训练好的卷积神经网络的编码器，获得不同拍摄视角的待检测人物热度图，从不同拍摄视角的待检测人物热度图中即可提取待检测人物的人体关键点的三维坐标。本发明对卷积神经网络进行无监督训练，解决了神经网络的训练需要大量标注数据的问题，并利用卷积神经网络实现人体关键点的三维坐标的精确测量，解决了传统人体关键点监测时需要穿戴marker的问题。
-
公开(公告)号：CN116416349A
公开(公告)日：2023-07-11
申请号：CN202310240449.4
申请日：2023-03-14
Applicant: 南京大学
Abstract: 本发明公开一种基于重建人脸的语音驱动人脸序列生成方法及系统，涉及计算机视觉领域，方法包括：将待处理多视觉人脸图片集以及每张图片对应的相对相机外参输入至三维人脸重建模型以得到三维重建人脸；三维人脸重建模型包括光流特征提取模块和人脸构建模块；光流特征提取模块用于进行特征提取以得到预测人脸光流特征；人脸构建模块用于通过三角化过程重建人脸以得到三维重建人脸；将待处理语音片段输入至语音驱动人脸序列模型以得到三维模板人脸序列；基于三维重建人脸和三维模板人脸序列构建三维重建的语音驱动人脸序列。本发明能够快速获取高精度的重建人脸的语音驱动序列。
-
公开(公告)号：CN116305361A
公开(公告)日：2023-06-23
申请号：CN202310298544.X
申请日：2023-03-24
Applicant: 南京大学
IPC: G06F30/10 , G06F30/12 , G06F30/23 , G06F113/12 , G06F119/14
Abstract: 本发明公开一种三维衣物参数编辑方法、系统、电子设备及存储介质，涉及计算机辅助设计技术领域，方法包括获取描述衣物版型的源文件；所述源文件包括衣物版型的拓扑、衣物面片的缝合关系和衣物调节参数；根据所述源文件确定衣物二维版型轮廓并根据所述衣物二维版型轮廓确定仿真三角网格；将所述仿真三角网格在人体模型上进行物理仿真，得到衣物动力学仿真结果；根据编辑模式、所述源文件和所述衣物动力学仿真结果确定最优衣物参数；所述编辑模式包括UI控件编辑模式和仿真界面交互模式；根据所述最优衣物参数和所述源文件进行重三角化，得到衣物模型，本发明能让普通用户实现量体定衣，降低量体定衣的成本。
-
-
-
-
-
-
-
-
-
Search Results
86
records
(took 0.019 seconds)
