-
公开(公告)号：CN102882530B
公开(公告)日：2015-04-08
申请号：CN201210343893.0
申请日：2012-09-17
Applicant: 南京邮电大学
IPC: H03M7/30
Abstract: 本发明公开了一种压缩感知信号重构方法，属于信号处理技术领域。本发明针对 -正则项化问题求解比较困难，将压缩感知信号的稀疏域的-正则化问题通过变量分裂技术转化为与之等价的，比-正则项化问题更能体现信号稀疏特性的约束-正则项化问题，使得重构信号的精度更高。本发明进一步利用快速交替方向乘子法对约束-正则项化问题进行求解，对交替方向乘子法算法的变量进行了二次更新，并更新了乘子，加快了优化求解的收敛速度。相比现有技术，本发明方法具有更高的重构精度及更快的收敛速度。
-
公开(公告)号：CN118430242A
公开(公告)日：2024-08-02
申请号：CN202410511209.8
申请日：2024-04-26
Applicant: 南京邮电大学
IPC: G08G1/01
Abstract: 本发明公开了一种基于图神经网络的交通预测方法，属于交通预测技术领域，该方法包括如下步骤：步骤(1)、将交通图信号矩阵输入时间特征提取块，通过波压模块、平滑模块和门控神经网络捕获时间相关性；步骤(2)、将时间特征提取块的输出输入空间特征提取块，通过自适应GCN与动态GCN并行训练提取空间相关性；步骤(3)、在融合和线性处理模块，对时间特征提取块和空间特征提取块的输出进行融合，并进行线性处理得到最终预测值。本发明解决了现有方法中对于交通数据的时间特征提取不充分，以及绝大多数现有的图卷积网络(GCN)模型使用基于节点实际距离的邻接矩阵，在处理不完整和错误的先验路网数据时容易受到影响的问题。
-
公开(公告)号：CN118196838A
公开(公告)日：2024-06-14
申请号：CN202410438433.9
申请日：2024-04-12
Applicant: 南京邮电大学
IPC: G06V40/10 , G06V40/20 , G06V10/764 , G06V10/143 , G06V10/82 , G06V10/774
Abstract: 本发明涉及一种基于多维度信息学习的跨模态行人重识别方法，考虑可见光行人图像与红外行人图像，引入用于提取全局信息与通道信息的多维度信息挖掘模块MIM，构建待训练分类网络进行训练，获得跨模态行人重识别测试网络；应用中以待检测图像与候选图库集分别对应可见光、红外的不同模态为输入，对待检测图像实现行人重识别，训练中引入随机局部错切增强处理，有效模拟了视点变化和行人肢体变化，提高模型对行人姿态和视点变化的鲁棒性，并且通过对特征提取器得到的特征进行损失函数约束，应用周期性循环聚焦损失来约束模型在训练过程中对难易样本的不同关注度，更有效地提高模型性能，使得方案在累积匹配特征曲线、平均精度均值上实现了更佳的效果。
-
公开(公告)号：CN114821650B
公开(公告)日：2024-04-30
申请号：CN202210463431.6
申请日：2022-04-28
Applicant: 南京邮电大学
IPC: G06V40/10 , G06V10/82 , G06V10/774 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/084 , G06N3/0895
Abstract: 本发明涉及一种基于改进CycleGAN数据增强的行人重识别方法，一是构造数据增强的完整行人重识别识别框架；二是将姿态约束子网络嵌入原始CycleGAN网络中，并通过分割和二值化将彩色行人图像转换为掩膜图像，在训练过程中实时获得行人姿势；三是进一步构造可以约束源图像姿态的损失函数，使得当学习风格类型和人的身份ID到目标域时，保持姿态一致；四是引入半监督学习的多伪正则化标签方法为未标记的数据分配标签，并通过动态更新的训练策略，进一步提高这种方法的有效性；整个方案在行人重识别上，无论从改进CycleGAN生成的增强图片的效果，还是行人重识别的准确率，相较其他经典行人重识别网络，都具有明显的优势。
-
公开(公告)号：CN116311345A
公开(公告)日：2023-06-23
申请号：CN202211738758.6
申请日：2022-12-30
Applicant: 南京邮电大学
IPC: G06V40/10 , G06V10/46 , G06V10/26 , G06V10/75 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于Transformer的遮挡行人重识别方法，包括以下步骤：(1)对待识别图像进行分块，并分别添加结构信息，构成图像序列，(2)把带有类标签的图像序列附加位置信息以及边信息，构造Transformer层可处理的图像序列；(3)将上述序列馈入由多头自注意力机制和多层感知机构成的残差Transformer层，进行图像特征提取；之后在最后一层残差Transformer层将特征分为全局分支和局部分支特征；(4)将得到的特征使用ID损失和质心三元组损失进行联合优化。本发明有效聚焦于显著性特征，使特征具有鲁棒性，对于行人重识别遮挡问题进行了有效处理。
-
Patent Agency Ranking
公开(公告)号：CN109544442B
公开(公告)日：2023-05-23
申请号：CN201811337511.7
申请日：2018-11-12
Applicant: 南京邮电大学
IPC: G06T3/00 , G06N3/0475 , G06N3/094
Abstract: 本发明揭示了一种基于双重对抗的生成式对抗网络的图像局部风格迁移方法，包括如下步骤：S1、采集两类图像；S2、对所采集的两类图像进行预处理；S3、构建带有自注意力机制的双重对抗网络，将经过预处理的两类图像分别输入双重对抗网络的最小化的损失函数中，对双重对抗网络进行训练；S4、将经过训练的双重对抗网络中的生成器作为两类图像局部风格迁移的工具，并应用于实测。本发明的技术方案基于双重对抗的自注意力生成式对抗网络，能够使得局部特征的图到图转换更加聚焦于局部特征，方法使用效果优异。
-
公开(公告)号：CN114997340B
公开(公告)日：2022-10-14
申请号：CN202210915495.5
申请日：2022-08-01
Applicant: 南京邮电大学
Abstract: 本发明涉及一种基于图神经网络系统的文献分类方法，设计基于图滤波核和广义非凸范数的图神经网络系统，按处理流程分为第一多层感知器模块、线性整流函数模块、第二多层感知器模块、目标图神经网络模块、归一化指数函数模块，目标图神经网络模块基于图滤波核和广义非凸范数构建，包括用于对图信号进行有用信息提取的图滤波核项、用于对图信号进行全局图光滑处理的图拉普拉斯正则项、以及用于对图信号进行局部图光滑处理的广义非凸范数项，并在应用中，采用预测校验下降上升算法求解该目标图神经网络模块；如此由图神经网络系统构成待训练网络，并进行训练，获得文献分类模型，能够有效提高对文献的分类精度，以及实际文献应用的工作效率。
-
公开(公告)号：CN111191680B
公开(公告)日：2022-08-26
申请号：CN201911271901.3
申请日：2019-12-12
Applicant: 南京邮电大学
IPC: G06K9/62 , G06V10/771 , G06T7/262 , G06F17/11 , G06F17/16
Abstract: 本发明公开了一种基于非凸运动辅助的目标检测方法，包括步骤1：将待处理的视频数据输入至已构建的低秩稀疏分解模型中；步骤2：采用交替方向乘子法对构建的低秩稀疏分解模型进行求解，得到输入视频数据中的运动目标；本发明采用非凸γ范数代替传统低秩稀疏分解模型中的秩函数近似表示视频背景的低秩部分，同时考虑到背景在变换域上仍然具有稀疏性的特性，采用l1范数对变换域的背景进行稀疏近似，前景仍然采用表示运动目标稀疏先验的的l1范数。此外，在上述的模型中引入运动辅助信息矩阵，使其融入前景的运动信息，更好的实现视频的运动目标检测。
-
公开(公告)号：CN113837275A
公开(公告)日：2021-12-24
申请号：CN202111120554.1
申请日：2021-09-24
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于扩张坐标注意力的改进YOLOv3目标检测方法，包括：采用具有不同扩张率的并行的多个扩张卷积结构对坐标注意力模块进行改进，引入扩张坐标注意力模块，构建得到改进YOLOv3目标检测网络；采用多尺度训练策略，预先设定更多不同尺度的图像进行训练。本发明与其他先进的目标检测算法相比，具有更高的检测精度。
-
公开(公告)号：CN110223331A
公开(公告)日：2019-09-10
申请号：CN201910289162.4
申请日：2019-04-11
Applicant: 南京邮电大学
Abstract: 本发明公开一种大脑MR医学图像配准方法，包括1采用BCFCM方法对参考图像和浮动图像进行分割；2采用MSR检测方法对原始参考图像和原始浮动图像进行对称轴检测并提取对称轴方程；3对步骤1处理后图像进行阈值分割；4根据步骤2所检测的对称轴方程对步骤3处理后图像进行近似对称性约束，所得图像记为待配准的参考图像和浮动图像；5初始化刚体变换矩阵配准参数；6通过SSD相似性度量准则配准图像，得最优变换矩阵配准参数。以BCFCM方法对参考图像、浮动图像分割；分割后的图像通过二值化阈值处理分离前背景，对二值化后处理的图像进行对称性约束并用于SSD框架下的多模态图像配准。使其配准效率、精度及鲁棒性都提升。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.026 seconds)
