-
公开(公告)号：CN107590177B
公开(公告)日：2021-02-02
申请号：CN201710642072.X
申请日：2017-07-31
Applicant: 南京邮电大学
IPC: G06F16/35
Abstract: 本发明公开了一种结合监督学习的中文文本分类方法，属于自然语言处理技术领域，WMD算法用于文本分类领域时，因分类标准的不同导致特定条件下文本分类的结果准确度较低。为使WMD算法适应不同分类条件，本发明结合监督学习的方法，引入变换矩阵A和初始值为1的权重向量w来改进算法。为了训练参数A，w,利用NCA算法对带标签的训练集进行训练，得到变换矩阵A的初始值,而后利用随机数β对A，w进行迭代更新直到该算法的损失函数收敛。利用最终的A，w改进WMD算法表达式并以此计算文本的最小距离，该距离的大小代表在特定分类条件下待测试文本的相似度的高低。本发明改进了不同分类条件下文本相似度的准确性，具有一定实用价值。
-
公开(公告)号：CN111860151A
公开(公告)日：2020-10-30
申请号：CN202010532746.2
申请日：2020-06-12
Applicant: 南京邮电大学
Abstract: 本发明公开了一种无监督跨角度面部表情图像识别方法，将由正脸表情图像训练得到的分类器迁移到侧脸图像域，实现侧脸表情图像的高精度识别。本方法是一种深度神经网络，称为无监督跨角度面部表情自适应网络。该网络使用两个生成对抗网络进行正脸图像和侧脸图像的循环生成，这种机制建立了两个对应的编码-解码对，完成由图像到高层语义特征再到图像的变换，从而得到表情图像的高维特征。正脸图像和侧脸图像在特征空间的分布差异要远小于两者在图像空间的分布差异，本方法在两者的特征空间进行半监督学习，完成由正脸图像分类向侧脸图像的领域自适应。此外，本发明还使用了合成侧脸图像质量评估，域平均脸和乒乓螺旋上升训练等技巧。
-
公开(公告)号：CN111860128A
公开(公告)日：2020-10-30
申请号：CN202010503667.9
申请日：2020-06-05
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多流快慢图卷积网络的人体骨骼行为识别方法。本发明涉及图像识别技术领域，本发明将快慢网络的思想与图卷积网络相结合，快网络可以有效提取骨骼序列的时间信息，慢网络可以有效期提取骨骼序列的空间信息，侧向连接的方式加强了两路网络之间的信息交互。通过应用不同的注意力机制加强了时空特征的提取和整合。由于采样和降低通道数的做法也大幅减少了计算量。通过引入多流结构，进一步增强了空间上的信息提取能力，提高了基于骨骼关节点的行为识别方法的识别率和鲁棒性。
-
公开(公告)号：CN111260751A
公开(公告)日：2020-06-09
申请号：CN202010030331.5
申请日：2020-01-13
Applicant: 南京邮电大学
Abstract: 本发明提供了一种基于多传感器移动机器人的建图方法，其包括以下步骤：为机器人安装多种不同传感器并获取对应传感器的测量数据；将惯性测量单元数据和编码器数据通过运算获得机器人姿态信息和行走路线；将双目相机数据、激光雷达数据、超声波数据转换成角度和距离构成的数值对格式，分别构建环境的二维点云图；通过对传感器预设阈值，去除失真的点云信息和冗余的点云信息，完成点云图的优化；将优化后的点云图转化为栅格地图，完成地图的创建。本发明结合多种不同的传感器，弥补了单一传感器的局限性，并提出机器人构建地图和优化地图分开进行，降低了建图过程中的运算量，并且进一步提高了建图的准确性和建图质量。
-
公开(公告)号：CN106780557B
公开(公告)日：2020-06-09
申请号：CN201611206049.8
申请日：2016-12-23
Applicant: 南京邮电大学
IPC: G06T7/246
Abstract: 本发明公开了一种基于光流法和关键点特征的运动目标跟踪方法，该方法包括：在初始视频帧中，计算目标区域关键点和背景区域关键点所对应的特征向量，并以此建立一个特征库；在相邻两帧之间使用光流法排除不稳定的关键点，得到光流跟踪成功的关键点；检测并描述当前帧中的所有关键点特征，将其与特征库进行匹配，得到若干最佳匹配关键点；将跟踪成功的关键点与匹配成功的关键点进行融合；利用相似三角形关系评估目标的中心位置、尺度和旋转角度；利用历史帧信息在线更新特征库。本发明能够实现对目标较长时间的稳定跟踪，且能较准确地评估目标尺度、旋转角度等实时的几何状态信息，具有运算速度快、抗遮挡和形变能力强的特点。
-
Patent Agency Ranking
公开(公告)号：CN106503718B
公开(公告)日：2019-11-22
申请号：CN201610835140.X
申请日：2016-09-20
Applicant: 南京邮电大学
IPC: G06K9/46
Abstract: 本发明公开了一种基于滤波器组的局部二值模式图像描述方法，包括：将输入的人脸图像进行分块获得若干图像块；对所述每个图像块进行基于滤波器组的卷积滤波，并分别卷积滤波处理后的每个图像块进行LBP编码，获得每个图像块的若干个FBLBP值；对每个图像块所得若干个FBLBP值进行统计，获得每种滤波器模式下的FBLBP直方图特征，并按顺序将滤波器组中所有滤波器模式下的FBLBP直方图特征组合成该图像块的FBLBP直方图特征；以及，依次提取每个图像块的FBLBP直方图特征，并串联起来构成该人脸图像的直方特征向量。本发明将局部图像与滤波器组卷积获得响应代替像素来对图像进行编码，获取图像的多尺度信息，使LBP算子更具有鲁棒性和抗干扰性，可增强LBP描述子对图像的表征能力。
-
公开(公告)号：CN110458100A
公开(公告)日：2019-11-15
申请号：CN201910739253.3
申请日：2019-08-12
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于目标检测和跟踪的乒乓球落点识别和评分方法及系统，方法包括：将打球视频进行拆分获得多组单回合视频；对各组单回合视频中的每一帧图像进行乒乓球检测和跟踪，获取乒乓球的坐标；提取单回合视频中所有乒乓球坐标进行曲线拟合，得到乒乓球的飞行轨迹；根据乒乓球的飞行轨迹，判断乒乓球是否落在球桌上，根据多组单回合视频中乒乓球落点的识别结果，统计打球成功率得到评分结果。本发明能够帮助运动员在练球时进行自动计分，看清乒乓球的落点，帮助运动员及时了解训练情况，提高训练效率。
-
公开(公告)号：CN106778584B
公开(公告)日：2019-07-16
申请号：CN201611120293.2
申请日：2016-12-08
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于深层特征与浅层特征融合的人脸年龄估计方法，包括：对人脸样本数据集中的每张人脸样本图像进行预处理；对构建的初始卷积神经网络训练，选取一个用于人脸识别的卷积神经网络；利用具备年龄标签值的人脸数据集对所选取的卷积神经网络进行微调处理，获得多个用于年龄估计的卷积神经网络；提取得到人脸图像所对应多层次的年龄特征，并将其作为深层特征输出；提取获得每个人脸图像的浅层特征HOG特征和LBP特征；构建深度置信网络将深层特征和浅层特征融合；根据深度置信网络中融合后的特征进行人脸图像的年龄回归估计，获得和输出年龄估计结果。本发明提高了年龄估计的准确度，具备高精度的人脸图像年龄识估计能力。
-
公开(公告)号：CN105513080B
公开(公告)日：2019-05-03
申请号：CN201510962050.2
申请日：2015-12-21
Applicant: 南京邮电大学
IPC: G06T7/11
Abstract: 本发明公开了一种红外图像中目标显著性评估方法，属于视频图像处理技术领域，该方法可以有效地对红外图像中目标进行显著性评估。本发明采用一种基于超像素的中心环绕特征用于度量图中各个区域的显著性。使用了多层多尺度超像素分割机制对输入红外图像进行多尺度超像素分割，求得多层多尺度的图像分割结果。对于各层分割结果，本发明只合并相邻两个超像素，并与单个超像素组成潜在目标集合。然后使用上述中心环绕特征对所有潜在目标进行度量，最后对得到的显著性分数进行排序。本发明可以快速有效地定位红外图像中的感兴趣目标，在准确性和计算速度上具有较大优势。
-
公开(公告)号：CN109284682A
公开(公告)日：2019-01-29
申请号：CN201810952141.1
申请日：2018-08-21
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于STT-LSTM网络的手势识别方法，构建STT-LSTM网络模型，该模型含有两层STT-LSTM网络；将RGB特征和光流特征分别传进第一层STT-LSTM网络中，在第一层STT-LSTM网络的训练过程中，进行初始化全局上下文信息，并将初始化的全局上下文信息传入到第二层STT-LSTM网络，在第二层STT-LSTM网络中不断的进行迭代更新，逐步完善上下文信息，将第二层STT-LSTM网络最终输出的关节点进行重组，形成含手势动作信息的节点管道，并作为多分类器预测交警手势的分类标签。本发明方法可准确识别手势指挥动作，能够有效地保证交通的畅通与安全性，降低事故发生几率。
-
-
-
-
-
-
-
-
-
Search Results
178
records
(took 0.055 seconds)
