公开(公告)号：CN118823738A

公开(公告)日：2024-10-22

申请号：CN202410964987.2

申请日：2024-07-18

Applicant: 南京邮电大学

Inventor： 张登银 ,  何继开 ,  郑涤尘

IPC: G06V20/58 ,  G06V10/44 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开一种交通标志检测方法，包括：获取待检测的交通道路图像；对交通道路图像进行预处理；将预处理后的交通道路图像输入至预先训练的交通标志检测模型，得到模型输出的分类结果；根据交通标志检测模型分类结果标记检测到的交通标志，输出被标记的交通标志图像；其中，所述交通标志检测模型采用改进的RT‑DETR模型，以RT‑DETR模型为基础，将第5‑7层，替换为三层特征学习融合模块DualBlocks的下采样特征提取层，其中替换的每一层均由DualConv模块、平均池化模块和ReLu线性激活函数构成，将RT‑DETR网络模型的第11层和第16层均替换为一层动态上采样算子Dysample的动态上采样层，该层由采样点生成器、采样装置和插值函数组成。本发明能够在提升检测精度的情况下减少参数量。

公开(公告)号：CN118823146A

公开(公告)日：2024-10-22

申请号：CN202410797018.2

申请日：2024-06-20

Applicant: 南京邮电大学

Inventor： 陈灿 ,  林雪峰 ,  胡俊 ,  朱琛刚 ,  张登银

IPC: G06T9/00 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于多尺度渐进初始重构的图像压缩感知方法和装置，属于图像处理技术领域，包括如下步骤：步骤一、利用卷积层对图像数据集中的原始图像进行压缩感知采样，获得观测值；步骤二、构建基于多尺度渐进初始重构的图像压缩重构网络；所述图像压缩重构网络由多尺度渐进初始重构子网、基础重构子网和多尺度重构子网组成；步骤三、利用步骤一中图像数据集的观测值对步骤二构建的图像压缩重构网络进行训练；步骤四、将待处理图像的观测值，输入步骤三训练好的图像压缩重构网络，获得重构的图像。本发明方法能够有效提高重构质量。

公开(公告)号：CN118740428A

公开(公告)日：2024-10-01

申请号：CN202410748223.X

申请日：2024-06-11

Applicant: 南京邮电大学

Inventor： 赵莎莎 ,  冯向南 ,  张登银 ,  陈何 ,  陶艺瑶 ,  张娣

IPC: H04L9/40 ,  G06F18/2415 ,  G06F18/2431 ,  G06F18/213 ,  G06F18/25 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/0442 ,  H04L41/16

Abstract: 本发明涉及一种基于Transformer的综合特征网络流量分类方法，本发明的综合特征网络流量分类方法，同时考虑了流量数据的统计特征、全局特征、局部特征和时序特征，充分利用了不同特征的优势，能够有效提升网络流量分类的全面性和精确性。基于深度学习的方法需要统一流量大小，这将导致有关网络流量整体结构的信息丢失。将基于自编码器提取的统计特征、基于卷积神经网络提取的局部特征、基于Transformer提取的全局特征和基于门控循环单元提取的时序特征进行特征融合，生成综合流量特征，使得特征集更加全面，从而提高分类器的性能。在分类模块中，结合使用瓶颈模块和残差连接，在保持模型性能的同时，减少计算和存储的需求，使得模型更加适合处理大规模的一维数据。

公开(公告)号：CN118587301A

公开(公告)日：2024-09-03

申请号：CN202410730632.7

申请日：2024-06-06

Applicant: 南京邮电大学

Inventor： 陈灿 ,  夏茹 ,  胡俊 ,  朱琛刚 ,  张登银

IPC: G06T9/00 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于分布式重构的快照压缩成像方法、装置及系统，所述方法包括：利用掩码对待成像的帧序列进行观测，获取观测值；对观测值进行预处理，获得多帧共有信息的估计观测值和各帧特有信息的估计观测值；对多帧共有信息的估计观测值进行重构，获得重构的多帧共有信息；对各帧特有信息的估计观测值和重构的多帧共有信息进行重构，获得重构的各帧。本发明方法将帧序列整体重构进行拆分，进行分布式重构，能够获得较好重构质量的同时，提升重构灵活性，适用于高速视频成像和高光谱成像。

公开(公告)号：CN118552716A

公开(公告)日：2024-08-27

申请号：CN202410604466.6

申请日：2024-05-15

Applicant: 南京邮电大学

Inventor： 张登银 ,  仲嘉 ,  邱宇

IPC: G06V10/25 ,  G06V10/44 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开一种基于改进YOLOv8的小目标检测方法，包括：将待检测的小目标图像输入至预训练的基于改进YOLOv8的小目标检测模型中进行识别，获得检测结果；其中，所述基于改进YOLOv8的小目标检测模型的训练方法，包括：获取小目标图像数据集，并将其划分为训练集和验证集；使用骨干网络ATDeNet替换YOLOv8的骨干网络，构建基于改进YOLOv8的小目标检测模型；使用训练集和验证集对构建的小目标检测模型进行训练，得到训练后的基于改进YOLOv8的小目标检测模型。可以显著提高小目标检测的准确性和效率。

公开(公告)号：CN113271539B

公开(公告)日：2024-06-25

申请号：CN202110556627.5

申请日：2021-05-21

Applicant: 南京邮电大学

Inventor： 张登银 ,  徐业鹏 ,  赵远鹏 ,  杨妍 ,  齐城慧

IPC: H04W4/02 ,  H04W4/021 ,  H04W4/33 ,  G06N3/0464 ,  G06N3/08 ,  G06F18/23213

Abstract: 本发明公开了一种基于改进的CNN模型的室内目标定位方法，旨在解决现有技术中室内定位易受多径效应和非视距误差影响的技术问题。其包括：利用待定位目标的目标CSI数据与预先生成的定位指纹库进行指纹匹配，获得待定位目标的坐标信息；定位指纹库的生成方法为：利用SDR平台采集室内CSI数据，基于聚类算法将室内CSI数据划分为多个数据子集，并利用数据子集训练改进的CNN模型，获得训练好的改进的CNN模型，最后利用训练好的改进的CNN模型生成定位指纹库。本发明能够解决室内定位数据的噪声干扰问题，最大限度的减少多径效应的影响，提高室内定位的精度。

公开(公告)号：CN117834899A

公开(公告)日：2024-04-05

申请号：CN202311659322.2

申请日：2023-12-06

Applicant: 南京邮电大学

Inventor： 张登银 ,  石鹏飞 ,  陈灿 ,  英俊豪 ,  高帆 ,  顾加伟

IPC: H04N19/42 ,  H04N19/44 ,  H04N19/136 ,  H04N19/132 ,  G06N3/045 ,  G06N3/08 ,  G06T3/4038 ,  G06T3/4046 ,  G06T3/4015

Abstract: 本发明公开了一种图像处理技术领域的基于重构难度感知的视频快照压缩成像重构方法及系统，旨在解决现有技术中对视频进行重建时，没有充分考虑到掩码中包含的退化信息以及图像不同区域的纹理特征信息等问题，其包括计算压缩视频的压缩测量值；对压缩测量值进行初步重构；提取初步重构视频中所含的纹理信息以及掩码所含的退化信息，得到能够反应重构难度感知的权重值；根据权重值对初步重构视频进行迭代重构；将迭代重构后的视频的空间分辨率恢复到压缩测量值大小，并进行视频拼接和去马赛克处理，输出得重构视频。本发明的视频重构效果好，可以更好地适用于采样端资源受限、对重构质量和实时性要求高的视频传感系统。

公开(公告)号：CN117391952A

公开(公告)日：2024-01-12

申请号：CN202311333485.1

申请日：2023-10-16

Applicant: 南京邮电大学

Inventor： 张登银 ,  严伟丹 ,  陈灿 ,  英俊豪 ,  杜群荐 ,  刘艺

IPC: G06T3/4053 ,  G06T5/77 ,  G06T5/50 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种低分辨率退化图像处理方法、系统、存储介质及设备，本发明采用一个双分支处理模型，分别为图像复原分支和图像超分辨率分支，同时利用融合模块将两个领域的图像特征融合学习，从而改善二阶段处理方式导致的误差累计以及计算开销大的问题。

公开(公告)号：CN117094907A

公开(公告)日：2023-11-21

申请号：CN202311084703.2

申请日：2023-08-28

Applicant: 南京邮电大学

Inventor： 张登银 ,  刘艺

IPC: G06T5/00 ,  G06T5/10 ,  G06T5/50 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048

Abstract: 本发明公开了一种基于小波变换和Retinex‑Net的低照度图像增强方法，属于图像增强技术领域。针对Retinex‑Net在处理部分图像时出现的颜色失真及边缘、纹理等细节缺失的问题，本发明通过加入小波变换，对高频分量进行区域特性融合，仅对低频分量进行Retinex‑Net网络处理，保留了图像中更多的边缘、纹理细节；通过对处理后的低频高频分量在HSV空间上转入亮度空间进行亮度融合和拉伸，有效改善了图像的颜色失真现象，图像的细节表达能力也得到了提升。本发明在避免颜色失真的同时保留了更多细节信息，增强效果很理想。

公开(公告)号：CN113658051B

公开(公告)日：2023-10-13

申请号：CN202110713063.1

申请日：2021-06-25

Applicant: 南京邮电大学

Inventor： 张登银 ,  齐城慧 ,  杨妍 ,  徐业鹏 ,  韩文生 ,  马永连 ,  王瑾帅

IPC: G06T5/00 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于循环生成对抗网络的图像去雾方法及系统，包括：获取待处理的有雾图像；输入到预先训练好的密集连接循环生成对抗网络，输出无雾图像；所述密集连接循环生成对抗网络包括生成器，生成器包括编码器、转换器和解码器，编码器包括密集连接层，用于提取输入图像的特征，转换器包括过度转换层，用于将编码器阶段提取的特征进行组合，解码器包括密集连接层和缩放卷积神经网络层，密集连接层用于还原图像的原有特征，缩放卷积神经网络层用于去除还原的原有特征的棋盘格效应，得到最终输出的无雾图像。优点：基于循环生成对抗网络进行图像去雾，消除对成对数据集的要求，提高了特征图的利用率，保持网络训练效率，提高生成图像质量。