公开(公告)号：CN118072361A

公开(公告)日：2024-05-24

申请号：CN202410496315.3

申请日：2024-04-24

Applicant: 南京信息工程大学

Inventor： 周洁琼 ,  张国庆 ,  刘天奇 ,  郑钰辉 ,  张家伟 ,  董仕豪

IPC: G06V40/10 ,  G06V20/52 ,  G06V20/40 ,  G06V10/40 ,  G06V10/74 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06V10/62

Abstract: 本发明公开了一种基于随机游走的小股行人重识别方法及系统，所述方法包括以下步骤：（1）捕捉到的行人视频并进行预处理；（2）将图片通过单目估计算法得到深度图，并对单人深度图计算深度平均值；通过vision transformer得到行人特征，将行人特征通过按深度平均值大小依次构建成具有不同节点的图结构；（3）通过随机游走模块对图进行重构，每添加一个图节点计算该探针图像和图库图像之间的亲和力分数，并计算该组成员的亲和力分数平均值，得到亲和力分数平均值最高的图；（4）将重构的图在图间通过组上下文信息传递，更新图节点特征，结合注意力机制，进行组匹配，预测两组的匹配得分；本发明节约了大量的人力成本和时间成本。

公开(公告)号：CN117132466A

公开(公告)日：2023-11-28

申请号：CN202310948971.8

申请日：2023-07-31

Applicant: 南京信息工程大学

Inventor： 李焱 ,  郑钰辉

IPC: G06T3/40 ,  G06N3/0464 ,  G06N3/045

Abstract: 本发明公开了一种基于Transformer的单图像超分辨率重建方法，包括如下步骤：步骤1：准备数据集；步骤2：训练数据预处理；步骤3：使用卷积神经网络，提取低分辨率图像ILQ的浅层特征图FO；步骤4：将步骤3得到的浅层特征图FO，送入主体网络模型；步骤5：将步骤3得到的浅层特征FO与步骤4得到的深层特征进行特征融合，得到重建后高分辨率图像IRHQ。本发明将通道注意力模块串联在Transformer模块前可以对特征图进行校正，保留有价值的特征，从而提高网络的特征表示能力。

公开(公告)号：CN117036417A

公开(公告)日：2023-11-10

申请号：CN202311171271.9

申请日：2023-09-12

Applicant: 南京信息工程大学

Inventor： 强旭艳 ,  郑钰辉

IPC: G06T7/246 ,  G06V10/80 ,  G06V10/82 ,  G06V10/764 ,  G06V10/774 ,  G06N3/042 ,  G06N3/0464

Abstract: 本发明公开了基于时空模板更新的多尺度Transformer目标跟踪方法，包括如下步骤：利用Shunted Transformer分别对初始模板图像、动态模板图像和搜索区域图像进行特征提取，得到三个对应的令牌；将三个令牌拼接起来，然后依次送入基于Transformer的编码器、解码器进行特征融合，得到融合后的特征序列；将融合后的特征序列通过分类分支和回归分支进行边界框预测，输出跟踪结果；当跟踪器运行帧数达到更新间隔后，融合后的特征序列通过置信度分支更新动态模板。本发明使用Shunted Transformer作为特征提取主干网络，能够学习多尺度特征，提高目标的表征能力，同时，动态模板的加入可以捕捉目标的最新状态，有效应对遮挡、目标形变等挑战。

公开(公告)号：CN116310361A

公开(公告)日：2023-06-23

申请号：CN202211088733.6

申请日：2022-09-07

Applicant: 南京信息工程大学

Inventor： 魏新池 ,  郑钰辉

IPC: G06V10/40 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/048

Abstract: 一种基于改进YOLOv4‑tiny的多尺度目标检测方法，在YOLOv4‑tiny的主干特征提取网络之后引入快速空间金字塔池化结构，丰富小目标的空间特征信息，实现局部特征和全局特征的融合；将YOLOv4‑tiny算法的FPN网络改进为三层的路径增强特征金字塔网络，提升对不同尺度目标的检测能力，同时在浅层增加一个预测输出头，提高小目标的识别率；引入通道注意力机制，使网络更加关注待检测目标，提高检测精度。本发明的方法在精度上比YOLOv4‑tiny提升了12map@0.5和13.98map@0.5:0.95，在推理速度上比YOLOv4提升了132FPS，在多尺度目标检测任务中有一定的实用性。

公开(公告)号：CN115797176A

公开(公告)日：2023-03-14

申请号：CN202211529992.8

申请日：2022-11-30

Applicant: 南京信息工程大学

Inventor： 徐斌斌 ,  郑钰辉

IPC: G06T3/40 ,  G06N3/0464 ,  G06V10/40 ,  G06V10/82

Abstract: 本发明公开了一种图像超分辨率重建方法，包括：获取训练数据集并对训练数据集进行增广处理；构建图像超分辨率重建网络模型；通过增广处理后的训练数据集对构建好的图像超分辨率重建网络模型进行训练；将待重建的图像输入训练好的图像超分辨率重建网络模型得到重建的超分辨率图像，本发明在不改变成像系统硬件设备的前提下，能够有效提升获取图像的边缘清晰度。

公开(公告)号：CN115690611A

公开(公告)日：2023-02-03

申请号：CN202211171636.3

申请日：2022-09-26

Applicant: 南京信息工程大学

Inventor： 张岩 ,  郑钰辉

IPC: G06V20/17 ,  G06V10/50 ,  G06V10/56 ,  G06V10/62 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种基于自适应更新策略的多特征无人机视频跟踪方法，步骤如下：当图像输入以后，以上一帧目标位置为中心裁剪出图像块；提取该图像块的HOG特征、CN特征、SA特征，并通过PSR将三种特征进行融合，得到最终的响应图；根据最终响应图的PSR判断当前帧的跟踪质量，如果跟踪质量不佳则通过去噪机制对最终响应图进行去噪；通过最终响应图来确定目标在当前帧的位置；根据当前帧中目标的位置来自适应更新模型。本发明融合了HOG特征、CN特征、SA特征，能够提高目标的表征信息；同时，去噪机制能够有效缓解背景噪声的干扰，自适应更新策略能够防止模板退化。

公开(公告)号：CN114494339A

公开(公告)日：2022-05-13

申请号：CN202111639385.2

申请日：2021-12-29

Applicant: 南京信息工程大学

Inventor： 于倩倩 ,  郑钰辉

IPC: G06T7/246 ,  G06T7/277 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种DAMDNet‑EKF算法的无人机目标跟踪方法，包括以下步骤：步骤1、采集视频帧，通过预设的跟踪模型，根据初始的视频帧训练边界框回归模型；其中，所述跟踪模型是基于DAMDNet的神经网络模型构建，并已经过预训练和初始化；步骤2、除去初始的视频帧，利用剩余的视频帧作为跟踪模型输入，得到视频帧的目标边界框以及与目标边界框对应的目标得分；步骤3、若步骤2得到的目标得分小于预设值，则对所述跟踪模型进行更新；若步骤2得到的目标得分不小于预设值，则使用边界框回归模型调整最优的目标边界框并对所述跟踪模型进行更新。本发明有效地解决了无人机跟踪算法容易跟踪失败及实时性较差的问题。

公开(公告)号：CN113689370A

公开(公告)日：2021-11-23

申请号：CN202110851274.1

申请日：2021-07-27

Applicant: 南京信息工程大学

Inventor： 黄为伟 ,  郑钰辉

IPC: G06T5/50 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度卷积神经网络的遥感图像融合方法，属于遥感图像处理领域。首先，本发明将低空间分辨率的多光谱遥感影像预先插值到与高空间分辨率的全色影像相同大小，其次，利用深度卷积神经网络提取全色图像与多光谱图像的高频空间结构特征，最后，将提取到的高频残差信息与原始多光谱图像相加，得到融合后的具有高空间分辨率的多光谱遥感影像。本发明能够实现低分辨率多光谱影像与高分辨率全色影像的融合，得到结构清晰、空间分辨率高，光谱信息丰富的遥感影像。

公开(公告)号：CN104504048B

公开(公告)日：2017-07-11

申请号：CN201410792338.5

申请日：2014-12-19

Applicant: 南京信息工程大学

Inventor： 郑钰辉 ,  全炳宇 ,  张建伟 ,  王顺凤 ,  陈允杰 ,  朱节中

IPC: G06F17/30

Abstract: 本发明公开了一种简单通用的交叉报表生成方法，对存储在数据库的表单数据进行按要交叉的行和列类型进行相应的排序，然后抽取数据到应用服务器端，数据是线性排列的，根据交叉的列和行的位置，从左向右从上向下，放置相应的数据。形成所需的交叉报表，报表的格式，数据内容可以根据自己的应用自定义存放。本发明独立于数据库，克服了传统方法中直接由数据库生成从而导致数据库服务器负担严重的缺陷。本方法效率高、易于实现、资源占用少、不依赖于任何第三方报表组件。

公开(公告)号：CN105893527A

公开(公告)日：2016-08-24

申请号：CN201610195005.3

申请日：2016-03-30

Applicant: 南京信息工程大学

Inventor： 朱节中 ,  陈北京 ,  郑钰辉 ,  姜丹丹 ,  房贞丽 ,  沈伟峰 ,  顾文亚 ,  孟祥瑞 ,  罗君 ,  周万昊 ,  李凌

IPC: G06F17/30 ,  G06F3/0481

CPC classification number: G06F3/0481 ,  G06F16/328

Abstract: 本发明公开了一种智能用户信息录入方法，从数据库中，根据提取数据的相关要求，设计相应人员相关度算法，提取相应的数据信息，放入人员弹出框的“相关”页面，提取所有人员或某部门人员，按相关度算法放入相应的人员弹出框页面；设置人员弹出框页面和输入框关联，在姓名输入框中输入全拼或首字母时弹出相关人员信息，或在鼠标点击输入框时，弹出人员弹出框页面，由录入员选择；在选择姓名后，使用ajax技术，从后台数据库提取相应信息自动填充其它相关的输入框。本发明克服了传统的输入法输入错误，多个信息多次输入，输入繁琐。同时其输入简单方便，快捷易用，正确率高，方法简单，程序编制容易，不依赖任何第三方组件。