-
公开(公告)号：CN113538507A
公开(公告)日：2021-10-22
申请号：CN202010293393.5
申请日：2020-04-15
Applicant: 南京大学
Abstract: 本发明提出了一种基于全卷积网络在线训练的目标追踪方法，包括以下步骤：1)生成训练样例阶段；2)网络的配置阶段；3)离线训练阶段；4)在线跟踪阶段；本发明通过设计的完全端到端训练的全卷积网络，采用生成目标分类和目标回归模板来指导分类和回归任务，以及在线更新分类和回归模板的策略，来实现目标追踪任务。本发明通过一个简洁的全卷积网络结构以及对分类和回归模板进行在线优化，获得了鲁棒性强且精度高的单目标跟踪方法。
-
公开(公告)号：CN113128613A
公开(公告)日：2021-07-16
申请号：CN202110471648.7
申请日：2021-04-29
Applicant: 南京大学
Abstract: 一种基于迁移学习的半监督异常检测方法,构建一个卷积神经网络进行异常检测，卷积神经网络包括网络和网络两个网络模块，以及用于特征融合的全连接层，分别用异常检测数据集和一个不相关的有标签参考数据集预训练网络和网络再对预训练得到的网络和网络进行联合训练，由训练得到的卷积神经网络进行异常检测。本发明通过迁移学习的方法，以一个参考数据集进行辅助，实现半监督异常检测，网络模型能充分利用数据中的标注信息，增加了对正常样本和异常样本的区分能力，同时增强了模型对有污染数据的鲁棒性。使用本发明方法训练的模型，AUC指标从72.2％提升到了75.9％，有效提升了检测的准确性。
-
公开(公告)号：CN110991052A
公开(公告)日：2020-04-10
申请号：CN201911240189.0
申请日：2019-12-06
Applicant: 南京大学
Abstract: 发明提供一种污染事故环境应急数字化预案模型方法。利用计算机技术和网络技术，根据突发事件的处置流程，在事态发展实时信息的基础上，帮助指挥人员形成全面、具体、针对性强的直观高效的行动方案，使方案的制定和执行达到规范化、可视化的水平，实现应急管理工作的流程化，自动化。
-
公开(公告)号：CN106558050A
公开(公告)日：2017-04-05
申请号：CN201510615075.5
申请日：2015-09-24
Applicant: 南京大学
CPC classification number: G06T2207/20004
Abstract: 一种基于自适应三阈值的显著物体分割方法，首先利用区域对比度算法计算彩色图像中每个像素点的显著性值，生成同等大小的显著性图，然后统计获得显著性直方图，利用自适应三阈值法先找到一个阈值将显著性图初步分为两类使两类的类间差最大，再找到另外两阈值将显著性图细分为四类，并使得四类的类间差最大。根据获得的三阈值将显著性图的像素分为四类种子点，用这些种子点代替人工交互对GrabCut算法进行初始化获得分割结果。本发明提供了一种自动分割显著物体的方法，利用自适应三阈值从显著性图获得种子点，有效提高了显著物体分割的效果。
-
公开(公告)号：CN104850401A
公开(公告)日：2015-08-19
申请号：CN201510229869.8
申请日：2015-05-07
Applicant: 南京大学
Abstract: 一种用PVFS替代HADOOP存储模块的方法，使用并行虚拟文件系统PVFS代替HADOOP的分布式文件系统HDFS模块，本发明实现了从HADOOP到PVFS的连接，主要包括三个模块：PVFS程序接口、HADOOP-PVFS模块与JNI连接模块。本发明旨在选取一种更适合的分布式文件系统作为HADOOP的存储模块来代替HDFS，以减少HADOOP在文件操作方面的开销，提升HADOOP在MapReduce计算，尤其是数据密集型计算时的表现。
-
Patent Agency Ranking
公开(公告)号：CN101702237A
公开(公告)日：2010-05-05
申请号：CN200910213093.5
申请日：2009-11-10
Applicant: 南京大学
IPC: G06T7/00
Abstract: 一种基于二次误差测度的层位面拟合方法，包括以下步骤：数据输入及预处理；拟合区域确定；计算采样点的二次误差测度矩阵；将采样点分配给每个待调整的网格顶点；利用二次误差测度矩阵调整网格顶点。本发明提出一种基于二次误差测度的层位面拟合方法，可以根据输入的采样点和断层面，对已重构的层位面进行变形，使得变形后的层位面更符合输入点的形状。相对于现有的网格变形方法，本发明使用简便，速度快，可以较好地解决网格模型局部变形的问题。
-
公开(公告)号：CN119027446A
公开(公告)日：2024-11-26
申请号：CN202310586055.4
申请日：2023-05-23
Applicant: 南京大学
Abstract: 一种基于深浅层特征融合的RGBD目标跟踪方法，通过一个目标跟踪模型实现RGBD目标跟踪，目标跟踪模型包括骨干网络、深浅层特征融合以及目标判别模块，离线训练后用于在线跟踪，并在线更新模型参数。本发明构建深浅层特征融合算法学习鲁棒的特征表达，通过注意力机制提取浅层特征的细节纹理信息与深层特征中的轮廓语义信息，并通过特征重分配模块实现充分融合，使用判别模型寻找目标位置与得分。本发明解决了目前大多数RGBD跟踪方法对双模态特征挖掘不充分、融合不彻底的问题，取得了良好的跟踪效果。
-
公开(公告)号：CN118537222A
公开(公告)日：2024-08-23
申请号：CN202410624875.2
申请日：2024-05-20
Applicant: 南京大学
IPC: G06T3/4053 , G06T3/4046 , G06V20/40 , H04N21/2343 , H04N21/4402 , G06V10/44 , G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/084 , G06N3/0464
Abstract: 基于重要性检测和窗口匹配的视频超分辨率方法，构建一个视频超分辨率重构网络，由基于局部特征重要性检测的特征提取模块提取视频帧特征并提升对重要区域的关注；采用基于两步窗口相似度匹配策略的特征对齐模块，根据较大窗口的特征进行跨帧窗口全局匹配实现空间对齐，再在匹配窗口内进行细粒度注意力操作对齐特征；再由特征聚合模块将对齐之后的特征与当前帧特征进行融合，辅助当前帧细节信息恢复；最后上采样模块将聚合的信息以高分辨率形式呈现，得到与高分辨率视频同等大小的视频帧。本发明能够在较小的参数量下，有效处理较大运动带来的对齐困难问题，同时提升对重要细节的表示能力，能灵活适用于不同的应用场景。
-
公开(公告)号：CN118038319A
公开(公告)日：2024-05-14
申请号：CN202410170987.5
申请日：2024-02-06
Applicant: 南京大学
IPC: G06V20/40 , G06V10/44 , G06V10/82 , G06N3/0455 , G06N3/084
Abstract: 基于序列生成的视频理解统一架构实现方法、设备及介质，将时间动作检测TAD、时间动作分割TAS和通用事件边界检测GEBD三个视频理解任务的输入，统一成同一个空间中的token，传入编码器‑解码器架构的神经网络，根据不同任务分别解码出相应的结果，实现视频理解统一架构。本发明所提出的视频理解领域三个任务的统一架构，拥有对于不同视频理解任务的处理能力，可以从各视频理解任务的数据集中联合训练，得到更优良的结果。同时更加方便了模型部署，只需要训练一次就可以处理三种不同的视频理解任务。
-
公开(公告)号：CN113792594B
公开(公告)日：2024-04-12
申请号：CN202110912484.7
申请日：2021-08-10
Applicant: 南京大学
Abstract: 一种基于对比学习的视频中语言片段定位方法及装置，建立一个对比与兼容匹配网络来建模句子和视频片段的关系，对比与兼容匹配网络首先对句子和视频提取自然语言特征和视频片段特征，然后将两种特征均分别映射到两组联合建模空间里，两组联合建模空间对应的映射函数参数不相同，在联合建模空间使用余弦相似度计算两种特征的相似度；分别使用对比学习损失函数和二分类交叉熵损失函数来监督训练网络；对待定位的视频片段和自然语言语句，输入训练好的对比与兼容匹配网络，得到两组联合建模空间中的相似度，计算得到定位置信度，由定位置信度确定最终定位结果。本发明完整利用语言和视觉的双向监督信号，从而大幅提升视频中的语言片段时序定位的效果。
-
-
-
-
-
-
-
-
-
Search Results
123
records
(took 0.017 seconds)
