-
公开(公告)号：CN102982165A
公开(公告)日：2013-03-20
申请号：CN201210527836.8
申请日：2012-12-10
Applicant: 南京大学
Abstract: 本发明公开了一种大规模人脸图像检索方法，包含如下步骤：预处理；局部特征提取；全局几何特征提取；局部特征量化；全局几何特征量化；建立倒排索引；检索候选人脸图像集合；候选人脸图像集合重排序。本发明能够对大规模人脸图像库建立索引，实现快速的人脸检索，提高了检索效率。此外，通过嵌入辅助信息的特征量化和候选人脸图像集合重排序算法，提高了人脸检索的准确率。本发明实现了高效、准确的大规模人脸图像检索，因此具有较高的使用价值。
-
公开(公告)号：CN101650784B
公开(公告)日：2012-10-24
申请号：CN200910183581.6
申请日：2009-09-23
Applicant: 南京大学
IPC: G06K9/64
Abstract: 本发明公开了一种利用结构上下文进行图像匹配的方法，该方法包括如下步骤：构建DoG(Difference-of-Gaussian，高斯差分)尺度空间；将图像的DoG尺度空间里的极值点作为关键点，检测该关键点，确定其尺度属性和方向属性；通过统计关键点的方向确定图像的主方向；将图像上关键点的方向按照图像的主方向进行旋转，旋转后得到对应图像的结构上下文特征；对给定的两幅图像的结构上下文特征进行匹配，匹配误差之和最小的方向的匹配点为最终两幅图像匹配的结果。本发明能够描述比较复杂的物体，特别在进行同类别物体的匹配时效果显著，具有旋转不变性、尺度变换不变性，并且对背景杂乱、光照变化、部分遮挡、图像部分变形、小视角变化等都有很好的鲁棒性。
-
公开(公告)号：CN101958006B
公开(公告)日：2012-06-27
申请号：CN201010271655.4
申请日：2010-09-03
Applicant: 南京大学
IPC: G06T17/00
Abstract: 本发明公开了一种基于X光影像的物体三维成像方法，包括以下步骤：步骤一，X光数据采集，由X光影像采集设备环绕着待重建物体每隔一定的固定角度间隔拍摄一幅X光平面二维影像从而构成二维影像序列{Pt}，其中t＝1，2，3...n，每幅X光平面二维影像中包括X光影像采集设备的探测器中的像素下标(i，j)，即像素对应的列位置和行位置；步骤二，三维物体重建，将采集的X光平面二维影像进行重建，获得待重建物体的三维体素表示；步骤三，三维物体显示，对物体的三维体素表示进行渲染从而获得待重建物体的三维影像。本发明利用若干幅X光影像重建出相应物体的三维表示的技术，从而提供了一种更加全面、生动、立体的观察物体内部结构的方法。
-
公开(公告)号：CN101661630A
公开(公告)日：2010-03-03
申请号：CN200910035333.7
申请日：2009-09-25
Applicant: 南京大学
IPC: G06T17/00
Abstract: 本发明公开了一种三维网格模型表面显著性的度量方法，该方法包含如下步骤：计算三维网格模型表面每一个面片的法向量；计算出每一个顶点的法向量；依据所设置的参数R，搜索顶点v的R环邻居；对集合N中的每一个顶点v’，通过计算，得到顶点v和v’之间的相对局部高度的集合S；对集合S中的元素进行遍历，计算出顶点v的显著性。由于本发明的显著性是定义在一个较大的区域，因此与曲率相比有更好的鲁棒性，具体该区域的大小由参数R决定，R值越大，考虑的区域越大，对噪声的鲁棒性也越好。
-
公开(公告)号：CN101436213A
公开(公告)日：2009-05-20
申请号：CN200810243868.9
申请日：2008-12-16
Applicant: 南京大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于内容的三维模型检索性能的评价方法，由测试集的构造和评价指标的设计两个部分组成，测试集的构造和评价指标的设计。前者提供进行评价的数据基础，而后者则是给出具体的评价流程。本发明为如何对基于内容的三维模型检索算法进行评价给出了一个切实可行的解决方案，具有以下的几点优点：1)传统的评价方法将两个模型之间的相似度只定义为相关或者不相关，而本发明则考虑了模型之间存在多种级别的相似性；2)传统的评价方法只考虑同一类别的模型之间存在相似性，而忽视了不同类别间也可能是存在着相似性，而本发明考虑到了这点。本发明可应用于三维模型检索算法的评价，从而促进基于内容三维模型研究的进一步发展。
-
Patent Agency Ranking
公开(公告)号：CN1746901A
公开(公告)日：2006-03-15
申请号：CN200510094426.9
申请日：2005-09-19
Abstract: 本发明涉及的是一种肺癌早期细胞涂片彩色图像信息的计算机智能化处理的方法及其处理设备，设备包括有显微镜、彩色摄像头、彩色图像采集卡、微型计算机，处理的方法，其步骤依次分为：图像采集，对彩色图像的灰度变换，灰度图像分割，形态识别，色度识别，智能化处理。本发明的优点：能对细胞涂片的彩色图像进行自动识别，能对腺癌、鳞癌和小细胞癌等主要肺癌类型进行判别，其综合判别准确率已达到病理专家对肺癌细胞的诊断水准；具有对肺癌细胞涂片进行图像采集、图像预处理、图像分割的功能；对分割出来的细胞区域，利用形态和色度特征进行图像识别，标示出有癌细胞区域；根据图像处理得出的数据，利用规则判别或神经网络判别，可以快速精确地判别出主要肺癌类型。
-
公开(公告)号：CN114677276B
公开(公告)日：2025-03-18
申请号：CN202210276575.0
申请日：2022-03-21
Applicant: 南京大学
IPC: G06T3/4053 , G06T3/4046 , G06T7/13 , G06N3/0895 , G06N3/094
Abstract: 本发明提供了一种基于主动采样对抗学习的真实世界图像超分辨率方法，包括：使用已有高分辨图像与对应的经过双三次插值(bicubic)退化的低分辨率图像以有监督方式训练超分辨率模型；将真实世界图像首先经过无监督去噪网络进行首次去噪处理；将经过一轮去噪的真实世界图像及已有且配对的高分辨率图像‑低分辨率图像输入基于生成对抗网络的网络框架中，利用主动采样策略采样出图像块进行整个模型的训练。最终的模型能够直接对真实世界的低分辨率图像进行超分辨率重建，得到高分辨率输出图像。相较于现有技术，本发明提出的针对真实世界图像的超分辨方法减少了训练成本，并且可以实现更好的图像重建效果。
-
公开(公告)号：CN119313561A
公开(公告)日：2025-01-14
申请号：CN202411361734.2
申请日：2024-09-27
Applicant: 南京大学
IPC: G06T3/4053 , G06N3/084
Abstract: 本发明公开了一种基于归因导向数据增广的图像超分辨率重建方法，包括：读取输入图像，并生成参考图序列；将参考图序列输入预训练网络进行归因分析，生成显著性图；使用显著性图，找到其中具有最大显著性值的像素，并生成对应的二值掩码图；使用二值掩码图对多个数据增广方法分别进行优化并将其混合，得到基于归因导向数据增广方法；使用所述基于归因导向数据增广方法，获得训练图像集，用于训练图像超分辨率网络；使用训练好的图像超分辨率网络进行图像超分辨率重建。本发明实现了泛用、高效的图像超分辨率网络数据增广方法，可以有效优化超分辨率网络性能，具有较高的使用价值。
-
公开(公告)号：CN114861932B
公开(公告)日：2025-01-07
申请号：CN202210387353.6
申请日：2022-04-13
Applicant: 南京大学
Abstract: 本发明提供了一种使用注意力网络的值分解多智能体强化学习训练方法，包括使用探索策略的经验收集和联合动作值函数计算。在计算联合动作值函数时使用了两种方法以提升效果：使用注意力网络和分离式的值分解结构。注意力网络使用全局状态作为输入，使得网络可以注意到全局状态中重要的部分，更加精确的计算权重。分离式的值分解结构采用了两层加权网络，每层网络使用不同的全局状态编码，减小超网络学习的难度。每个智能体独立的动作值函数使用超网络融合，最终输出联合动作值函数。本发明使用的注意力网络和分离式值分解结构有效的提升了学习效率，加速了模型收敛，提高了多智能体协作策略的效果。
-
公开(公告)号：CN116680105A
公开(公告)日：2023-09-01
申请号：CN202310630405.2
申请日：2023-05-31
Applicant: 南京大学
Abstract: 本发明公开了一种基于邻域信息融合注意力机制的时序异常检测方法，包含如下步骤：步骤1，对数据集中的时间序列数据进行预处理；步骤2，搭建基于序列分解和注意力机制的神经网络模型，通过所述网络完成对训练数据的特征提取以及重构；步骤3，使用深度学习算法对网络进行无监督预训练；步骤4，利用最终得到的模型进行异常检测。本发明提供的方法通过结合序列分解和注意力机制，融合邻域信息并加强注意力模块对输入窗口数据的边缘部分的建模能力，能够显著提升无监督场景下模型的异常检测效果。
-
-
-
-
-
-
-
-
-
Search Results
119
records
(took 0.022 seconds)
