-
公开(公告)号：CN104182752A
公开(公告)日：2014-12-03
申请号：CN201410367330.4
申请日：2014-07-29
Applicant: 南京邮电大学
Abstract: 本发明公开了一种户外广告牌智能监测方法，采用了联合归一化互相关图像匹配NCC步骤和SIFT图像匹配步骤；归一化互相关图像匹配NCC步骤是灰度匹配方法的一种，具有较高的稳定性和准确性；SIFT图像匹配步骤是特征匹配方法的一种。本发明对广告牌上张贴的海报异常情况判断准确度非常高，并且能克服因环境光照、天气状况等影响带来的图像亮度不一致、图像部分模糊等对系统的影响。
-
公开(公告)号：CN103413277A
公开(公告)日：2013-11-27
申请号：CN201310362933.0
申请日：2013-08-19
Applicant: 南京邮电大学
Inventor： 邵文泽
Abstract: 基于L0稀疏先验的盲相机抖动去模糊方法属于数字图像处理技术领域，是一种对相机抖动造成的模糊图像进行去模糊的方法，能够估计各种空间不变的相机抖动模糊核（点扩散函数）；该方法不仅避免了当前变分贝叶斯估计方法计算复杂度高的问题，而且解决了当前最大后验估计方法缺乏严格最优化理论支撑的问题；首先，引入基于L0范数的显著边缘稀疏先验，利用迭代硬阈值收缩法实现显著边缘特征的隐性自动预测；其次，引入基于L0范数的相机抖动模糊核稀疏先验，利用迭代重新加权最小二乘法实现模糊核的快速估计；最后，利用基于超拉普拉斯先验的图像非盲去模糊方法，获得高质量去模糊图像；该方法流程图如附图1所示。
-
公开(公告)号：CN116664424A
公开(公告)日：2023-08-29
申请号：CN202310589348.8
申请日：2023-05-23
Applicant: 南京邮电大学
IPC: G06T5/00 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种自监督深度图像盲去模糊方法、系统及存储介质，该方法包括获取实际模糊图像；将服从均匀分布且大小和实际模糊图像一致的噪声输入至自监督深度盲去模糊模型中，获得清晰图像和模糊核；其中，所述自监督深度盲去模糊模型是将广义Gamma鉴别性图像先验整合到SelfDeblur的损失函数后训练优化得到。本申请仅利用模糊图像实现了端到端的自监督学习盲去模糊，无需使用模糊图像与清晰图像对训练网络，有效性高；通过将广义Gamma鉴别性图像先验融入SelfDeblur的损失函数，可有效引导自监督深度盲去模糊模型的优化过程向清晰图像收敛，进而能够更好地估计出模糊核和清晰图像。
-
公开(公告)号：CN114820303A
公开(公告)日：2022-07-29
申请号：CN202210296363.9
申请日：2022-03-24
Applicant: 南京邮电大学
Abstract: 本发明公开了一种低清图像重建超分辨率人脸图像的方法、系统及存储介质，包括：将低分辨率图像输入预训练渐进式生成对抗网络中，初始化隐编码和通道权重参数；将隐编码和通道权重输入预训练渐进式生成对抗网络的迭代单元，获得迭代的多重隐编码和通道权重；判断多重隐编码和通道权重的迭代次数是否大于预设的迭代次数阈值，基于输出的多重隐编码和通道权重生成的最终超分辨率的高清人脸图像。通过本发明将多重隐编码分组，并在预训练渐进式生成对抗网络不同的子网络结构下迭代优化，使得多重潜码学习不同层次的特征，提升了人脸超分图像的真实感，从而重建超分辨率人脸图像。
-
公开(公告)号：CN108537733B
公开(公告)日：2022-03-11
申请号：CN201810325131.5
申请日：2018-04-11
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多路径深度卷积神经网络的超分辨率重建方法，包括如下步骤：获得总训练集、总训练集图像预处理、测试集准备和用卷积神经网络的卷积层实现图像重建；本发明提出的多路径卷积神经网络结构，在原有的单路径神经网络基础上增加了多条支路，能够对不同尺度的图像特征用不同数量的卷积核处理，不增加总体参数量的同时在重建质量和视觉效果上较原先的方法均有提升。
-
Patent Agency Ranking
公开(公告)号：CN113269038A
公开(公告)日：2021-08-17
申请号：CN202110419108.4
申请日：2021-04-19
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多尺度的行人检测方法，第一步运用多尺度特征融合，来更多地学习不同尺度的特征，实现利用浅层的特征将简单的目标的区分开来，利用深层的特征将复杂的目标区分开来的目的；第二步，为了进一步提升网络对于多尺度，尤其是小目标的检测能力，用不同大小的滑窗，使得RPN输出经不同感受野滑窗生成的候选区域。本发明在行人检测方面具有一定的提升，而且比现有技术具有更好的鲁棒性，可以用于小目标行人的检测。
-
公开(公告)号：CN111353505B
公开(公告)日：2020-10-16
申请号：CN202010445676.7
申请日：2020-05-25
Applicant: 南京邮电大学
Abstract: 本发明公开了一种可联合实现语义分割和景深估计的网络模型，包括：特征共享模块、多任务子网络，多任务子网络包括多个结构相同的任务子网络以供处理不同任务目标，包括：特征筛选模块、注意力集中模块和预测模块；特征筛选模块从共享特征筛选出与任务相关的特征；注意力集中模块提升筛选特征与任务目标的相关性；预测模块被配置为对集中注意力特征卷积后输出各任务目标的处理结果。本申请还公开了上述模型的训练方法，分别针对语义分割和景深估计进行反向传播迭代训练。本申请的模型精确性高、鲁棒性强，且模型轻量化。
-
公开(公告)号：CN111738267A
公开(公告)日：2020-10-02
申请号：CN202010473221.6
申请日：2020-05-29
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于线性残差学习的视觉感知方法和装置，所述方法包括以下步骤：获取实时图像；采用预先建立好的视觉感知模型对图像进行视觉感知，获取图像中的语义信息或距离参数；所述视觉感知模型通过对获取的图像进行深度卷积，并基于线性残差学习建立；所述视觉感知模型以训练集中的数据为训练样本，输入为图像的原始共享特征和任务特征，输出为语义分割图或深度图。本发明在保证计算精度的同时，大大降低模型的参数量，提升感知模型的运行效率。
-
公开(公告)号：CN110263706A
公开(公告)日：2019-09-20
申请号：CN201910530766.3
申请日：2019-06-19
Applicant: 南京邮电大学
Abstract: 本发明公开了一种雾霾天气车载视频动态目标检测和识别的方法，主要针对的是图像识别中的特定情况，雾霾天气下的车辆识别；搭建基于AOD-Net的深度神经网络，设计神经网络损失函数；采集数据训练神经网络模型；使用训练好的模型对有雾图像进行端到端的去雾清晰化处理；另外，在清晰图像中的车辆检测时我们使用基于MultiNet多层卷积神经网络进行端到端的训练，使用可方便调整大小的候选区域方法，在神经网络中加入rezoom层。采用本发明达到对雾天图像直接检测处理的效果，能够在有雾图像下较为精准地分割识别道路与车辆，大大缩短计算时间，满足实际应用中对实时性的要求。
-
公开(公告)号：CN110188752A
公开(公告)日：2019-08-30
申请号：CN201910417533.2
申请日：2019-05-20
Applicant: 南京邮电大学
Abstract: 本发明公开了一种监控视频下模糊车牌的去模糊识别系统及去模糊识别方法，系统包括：去模糊处理模块和图像识别模块，所述去模糊处理模块基于神经网络对模糊图像进行去模糊处理，并输出复原图像；所述图像识别模块通过调用API识别接口，对复原图像进行识别，输出车牌文本信息。方法包括如下步骤：1、构建图像去模糊模型；2、针对城市道路监控视频中由于车辆高速行驶造成的车牌模糊进行去模糊处理；3、对图像去模糊模型输出的复原图像进行批量识别，输出文本识别结果。本发明克服了现有深度学习中图片去模糊与识别系统的不足，训练时间少，识别率高，通过本系统处理车牌图片后应用于道路交通管理。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.022 seconds)
