公开(公告)号：CN106952304B

公开(公告)日：2019-09-20

申请号：CN201710172103.X

申请日：2017-03-22

Applicant: 南京大学

Inventor： 李杨 ,  都思丹 ,  石立 ,  郭新年 ,  彭成磊 ,  董晨 ,  陈叶朦 ,  杨帆 ,  陆胜 ,  李明 ,  陈旭东

IPC: G06T7/55

Abstract: 本发明公开一种利用视频序列帧间相关性的深度图像计算方法，包括：步骤1、对左右视点相机拍摄的图片进行校正；步骤2、对于第一帧的左右图片的点p，在最大视差搜索范围计算匹配代价，进行视差优化、视差细化，得到初始视差值d1；第一帧的视差梯度为g1；步骤3、对于下一帧的p点的计算，当p点不是异常点或边缘点，以上一帧p点的视差值为基准设定视差搜索范围，否则以最大视差搜索范围计算匹配代价，进行视差优化、视差细化，并得到当前帧的视差值及视差梯度，实现实时的立体匹配。本发明利用视频序列中上一帧的视差，大幅缩小了当前帧算法的计算量，能够在保证原有算法匹配精度的条件下，减小耗时，提高在实际应用场景中的效率。

公开(公告)号：CN103365727B

公开(公告)日：2017-02-15

申请号：CN201310285843.6

申请日：2013-07-09

Applicant: 南京大学

Inventor： 周余 ,  杨强鹏 ,  于耀 ,  彭成磊 ,  都思丹 ,  王自强 ,  赵贺 ,  汤文杰 ,  马雁楠

IPC: G06F9/50 ,  G06N3/00

CPC classification number: Y02D10/22 ,  Y02D10/36

Abstract: 本发明是一种针对云计算中心主机的负载预测方法，属于云计算领域。本发明解决的问题是：针对云计算中心的主机上运行着属于不同用户的虚拟机，主机负载变化更加复杂，如何准确的预测主机负载，从而能够进一步调度虚拟机，实现负载均衡和降低能耗的目的。本发明的算法核心部分在于将混沌理论中的相空间重构的方法与基于遗传算法的数据分组处理算法相结合。通过与目前一些已经存在的方法进行比较，本发明提出的方法能够得到更小的相对误差。而且，本发明所提出的方法在预测时间长度变大的情况下，相比于传统方法，减少了预测的累积误差。

公开(公告)号：CN105844700A

公开(公告)日：2016-08-10

申请号：CN201610149194.0

申请日：2016-03-14

Applicant: 南京大学

Inventor： 周余 ,  蒋峥 ,  于耀 ,  彭成磊 ,  都思丹 ,  王自强 ,  马昱东

IPC: G06T17/00

CPC classification number: G06T17/00

Abstract: 本发明是一种基于激光雷达的室外场景三维点云采集系统，属于计算机视觉领域。本发明解决的问题是：利用单线雷达102，相机103，通过同步模块104同步采集，在计算机101中利用相机的运动轨迹拼接雷达数据，解决了单线雷达室外场景测量中的尺度求解问题。本发明的主要算法的核心部分在于分别利用图像和雷达形成的点云进行点云融合，迭代求解尺度。本发明提出的方法能够简单、廉价的获取比较准确的室外场景三维模型。

公开(公告)号：CN113902097B

公开(公告)日：2025-02-07

申请号：CN202111157742.1

申请日：2021-09-30

Applicant: 南京大学

Inventor： 王宇宣 ,  苏杭 ,  潘红兵 ,  彭成磊

IPC: G06N3/0464 ,  G06N3/0455 ,  G06N3/063 ,  G06N3/08

Abstract: 本发明公开一种针对稀疏化CNN神经网络模型的游程编码加速器及其方法。加速器包括：顶层控制器，用于识别输入输出数据类型并进行分组处理，将权重数据和激励数据传输给游程编码模块；游程编码模块，用于压缩计算模块输出的结果数据，并将压缩编码后的计算结果传输给外部存储器；游程解码模块，用于解压缩从外部存储器中读取的数据，并将数据传输给数据门控；数据门控，用于识别输入激励数据和权重数据的零值，并为零值跳过乘加操作；计算模块，用于对数据门控传输的权重数据和激励数据执行乘加操作并给出计算结果。本发明基于数据压缩和数据门控实现减少CNN模型所需的存储空间和功耗，具有高能效和无需大量访问内存等优点。

公开(公告)号：CN118550504A

公开(公告)日：2024-08-27

申请号：CN202410714983.9

申请日：2024-06-04

Applicant: 南京大学

Inventor： 王宇宣 ,  詹远志 ,  崔展豪 ,  梅正宇 ,  彭成磊 ,  潘红兵

IPC: G06F7/72

Abstract: 本发明提供了一种基‑2低延迟蒙哥马利模乘ASIC模块及其方法。其模块包括：顶层收发模块，用于获取第一输入变量A、第二输入变量B、模数N以及来自5‑2CSA核心计算单元模块的中间结果S’，并控制MMM控制迭代模块及5‑2CSA核心计算单元模块进行计算，得到蒙哥马利模乘结果S；5‑2CSA核心计算单元模块，用于接受顶层收发模块传输的第一输入变量A、第二输入变量B以及模数N，进行蒙哥马利模乘计算，并将得到的中间结果S’传输回顶层收发模块中；MMM控制迭代模块，用于控制5‑2CSA核心计算单元模块的蒙哥马利模乘计算的迭代过程。本发明优化了电路模块的面积开销，使实际运行中所需的时延和资源大大减少。

公开(公告)号：CN112257800B

公开(公告)日：2024-05-31

申请号：CN202011185864.7

申请日：2020-10-30

Applicant: 南京大学

Inventor： 蔡志成 ,  庄建军 ,  彭成磊

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/048 ,  G06N3/0464 ,  G06N3/084

Abstract: 基于深度卷积神经网络模型‑重生网络的视觉识别方法，采用“重生机制”的“重生模块”搭建一种新型深度卷积神经网络模型，引入的重生机制对被ReLU函数截断死亡的神经元进行重生再造，“重生机制”的实现流程：在重生网络中，引入并实现重生机制的模块称为重生模块；首先，重生模块的输入x为上层卷积层得到的特征映射，先将x输入传统的ReLU函数，得到激活后的特征映射x1，这样就筛选出取值为正的神经元，并截断负值的神经元；同时，将输入x取反，并行地将‑x输入ReLU函数，得到激活后的特征映射x2*，这样就筛选出取值为负的神经元，并截断正值的神经元；对取值为负的神经元进行筛选后，对它们进行逆卷积操作，然后与正值进行通道级联，就是负神经元的重生过程。

公开(公告)号：CN111462128B

公开(公告)日：2023-12-12

申请号：CN202010466697.7

申请日：2020-05-28

Applicant: 南京大学

Inventor： 李杨 ,  都思丹 ,  周子豪 ,  李明 ,  彭成磊 ,  陈佟 ,  陈旭东 ,  杨帆 ,  王杰 ,  黎琪

IPC: G06T7/10 ,  G06T7/33 ,  G06T7/40 ,  G06T7/90

Abstract: 本发明公开了一种基于多模态光谱图像的像素级图像分割系统，多个可见光相机和热成像传感器构成相机阵列，可见光相机搭建为多模态相机阵列组，构成多模态的信息源；图形采集卡连接多模态的信息源与采集工作站，将采集的图像数据存储在采集工作站中；服务器对采集工作站中的图形数据进行配准、后处理。本发明还公开了一种基于多模态光谱图像的像素级图像分割方法，通过将单模态的图像分割算法扩展成多模态输入，并在网络中间层将多模态特征图融合，提高了Mask‑RCNN图像分割算法的精度。同时构建一套多模态光谱图像采集系统，可用于构建多模态数据集，应用于目标检测、图像分割、语义分割等相关机器视觉任务，具有现实的应用前景。

公开(公告)号：CN115984104B

公开(公告)日：2023-09-22

申请号：CN202211545255.7

申请日：2022-12-05

Applicant: 南京大学

Inventor： 彭成磊 ,  苏鸿丽 ,  洪宇宸 ,  刘知豪 ,  王宇宣 ,  潘红兵

IPC: G06T3/40 ,  G06T5/50 ,  G06V10/42 ,  G06T3/60 ,  G06N3/048 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开一种基于自监督学习的多聚焦图像融合方法及装置。其方法步骤为：S1、采集多个场景下的远‑近聚焦图像对；S2、对采集到的远‑近聚焦图像对进行图像增广；S3、分别获取增广后的远‑近聚焦图像对及其灰度值并进行通道拼接；S4、通过带有全局特征金字塔提取单元和全局注意连接上采样单元的全局特征编码网络获取0‑1的二进制标志Mask(x，y)；S5、对单通道的Mask(x，y)进行通道扩充至三通道Mask3(x，y)；S6、利用三通道Mask3(x，y)对远‑近聚焦图像对进行像素加权平均融合得到全聚焦图像。本发明使用自监督的全局特征编码网络，可以在多焦点图像融合中准确生成焦点图。

公开(公告)号：CN112185523B

公开(公告)日：2023-09-08

申请号：CN202011060027.1

申请日：2020-09-30

Applicant: 南京大学

Inventor： 李杨 ,  黎琪 ,  彭成磊 ,  都思丹 ,  王杰 ,  陈佟 ,  周子豪

IPC: G06V10/764 ,  G06T7/11 ,  G06T7/00 ,  G06N3/0464 ,  G06V10/80 ,  G16H30/20

Abstract: 本发明公开了基于多尺度卷积神经网络的糖尿病视网膜病变分类方法，先将原始眼底图像进行归一化预处理，再以目标像素为中心，对预处理后的图像进行多尺度分割，得到不同尺度下的一系列形状、大小相同的图像序列。针对每个尺度，分别利用卷积神经网络模型对图像序列进行特征提取，得到不同尺度的特征并进行融合，针对融合后的特征来进行最后的分类，得到图像序列(即目标像素)的病变检测结果。将原始眼底图像上所有像素点的检测结果进行整合输出，即得到带有病变定位和分类的糖尿病视网膜病变检测结果图。本发明多尺度提取特征并融合，实现同时检测MAs和HEs两种病变的自适应尺度糖尿病视网膜病变，提高了糖尿病视网膜病变检测算法的性能。

公开(公告)号：CN116051428B

公开(公告)日：2023-07-21

申请号：CN202310332399.2

申请日：2023-03-31

Applicant: 南京大学

Inventor： 彭成磊 ,  洪宇宸 ,  苏鸿丽 ,  刘知豪 ,  潘红兵 ,  王宇宣

IPC: G06T5/00 ,  G06T3/40 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的联合去噪与超分的低光照图像增强方法，属于计算机视觉领域。本发明方法将训练好的增强网络、去噪网络、超分网络与全局线性提亮模块按一定顺序组织成一个包含所有处理流程的整体网络，将待处理的低光照图像输入到该网络中，依次经过低光照图像增强、全局线性提亮、去噪和超分辨率重建，得到亮度增强后的高清彩色图像。本发明在增强图像亮度的同时，不仅能够保证色彩保真度和细节还原度，而且提高了信噪比与清晰度。此外，本发明的方法具有一定灵活性，根据不同情况来决定输入的图像样本是否要经过全局线性提亮模块、去噪网络和超分网络的处理，这样能够保证输出图像在主观上和客观上的质量评价指标都比较高。