公开(公告)号：CN111428676B

公开(公告)日：2023-04-07

申请号：CN202010253414.0

申请日：2020-04-01

Applicant: 南京信息工程大学

Inventor： 方巍 ,  张飞鸿 ,  易伟楠 ,  庞林

IPC: G06V20/00 ,  G06V10/46 ,  G06V10/75 ,  G06N3/045 ,  G06N3/08 ,  G06Q10/04 ,  G06Q50/26 ,  G06T7/10 ,  G06T7/246

Abstract: 本发明涉及一种基于稀疏对应和深度神经网络的短临降水预测方法，具体包括以下步骤：(1)图像可视化；(2)Fast特征检测；(3)SIFT匹配；(4)计算全局矢量；(5)预测雷达回波图像、统计云团特征和时空方向特征；(6)Inception v3回归。本发明得到的MAE和RMSE均比其它基于深度学习的方法都要低，且拟合度是最高的，克服了由数据集数量过少带来的问题，且本发明对比了利用传统堆叠方式的CNN，构建Inception v3模型的结果更加精确，能够使降水预测结果更加精确和有效。

公开(公告)号：CN112488035A

公开(公告)日：2021-03-12

申请号：CN202011464169.4

申请日：2020-12-14

Applicant: 南京信息工程大学

Inventor： 方巍 ,  易伟楠 ,  庞林 ,  王楠

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于对抗神经网络的跨域行人重识别方法。涉及循环一致性对抗网络、DCGAN、ResNet50和行人重识别等领域；具体包括以下步骤：(1)、构建行人重识别分类器；(2)、目标数据集映射到带标签数据集；(3)、DCGAN优化映射网络；(4)、优化算法。本发明使得行人重识别技术能在更加真实的场景上得以应用，充分利用没有标签的数据集，缩小了目标(真实)数据集与原(带标签)数据集上样本的特征差距，能使召回率更加准确和有效。

公开(公告)号：CN112488035B

公开(公告)日：2024-04-26

申请号：CN202011464169.4

申请日：2020-12-14

Applicant: 南京信息工程大学

Inventor： 方巍 ,  易伟楠 ,  庞林 ,  王楠

IPC: G06V40/10 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/084 ,  G06N3/094 ,  G06N3/088

Abstract: 本发明涉及一种基于对抗神经网络的跨域行人重识别方法。涉及循环一致性对抗网络、DCGAN、ResNet50和行人重识别等领域；具体包括以下步骤：(1)、构建行人重识别分类器；(2)、目标数据集映射到带标签数据集；(3)、DCGAN优化映射网络；(4)、优化算法。本发明使得行人重识别技术能在更加真实的场景上得以应用，充分利用没有标签的数据集，缩小了目标(真实)数据集与原(带标签)数据集上样本的特征差距，能使召回率更加准确和有效。

公开(公告)号：CN112418409B

公开(公告)日：2023-08-22

申请号：CN202011464171.1

申请日：2020-12-14

Applicant: 南京信息工程大学

Inventor： 方巍 ,  庞林 ,  易伟楠 ,  王楠

IPC: G06N3/0464 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/049 ,  G06N3/08 ,  G06N3/088

Abstract: 本发明公开了一种利用注意力机制改进的卷积长短期记忆网络时空序列预测方法。涉及计算机预测领域，具体步骤：(1)、非对称卷积块高维特征提取器提取空间特征；(2)、嵌入注意力模块的ConvLSTM编码器‑解码器架构预测外推特征；(3)、特征结果反向重构；(4)、L1、L2正则化优化算法；(5)、预测时空序列图像。本发明通过多层卷积神经网络可以很好的提取时空序列数据的高维特征，以此作为模型的输入不仅解决了高维不可计算的问题还强调了空间关键信息；改进后的ConvLSTM能够更好的学习到时空特征实现更精准的外推；本发明适用于所有的时序性图像。

公开(公告)号：CN112418409A

公开(公告)日：2021-02-26

申请号：CN202011464171.1

申请日：2020-12-14

Applicant: 南京信息工程大学

Inventor： 方巍 ,  庞林 ,  易伟楠 ,  王楠

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种利用注意力机制改进的卷积长短期记忆网络时空序列预测方法。涉及计算机预测领域，具体步骤：(1)、非对称卷积块高维特征提取器提取空间特征；(2)、嵌入注意力模块的ConvLSTM编码器‑解码器架构预测外推特征；(3)、特征结果反向重构；(4)、L1、L2正则化优化算法；(5)、预测时空序列图像。本发明通过多层卷积神经网络可以很好的提取时空序列数据的高维特征，以此作为模型的输入不仅解决了高维不可计算的问题还强调了空间关键信息；改进后的ConvLSTM能够更好的学习到时空特征实现更精准的外推；本发明适用于所有的时序性图像。

公开(公告)号：CN111428676A

公开(公告)日：2020-07-17

申请号：CN202010253414.0

申请日：2020-04-01

Applicant: 南京信息工程大学

Inventor： 方巍 ,  张飞鸿 ,  易伟楠 ,  庞林

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06Q10/04 ,  G06Q50/26 ,  G06T7/10 ,  G06T7/246

Abstract: 本发明涉及一种基于稀疏对应和深度神经网络的短临降水预测方法，具体包括以下步骤：(1)图像可视化；(2)Fast特征检测；(3)SIFT匹配；(4)计算全局矢量；(5)预测雷达回波图像、统计云团特征和时空方向特征；(6)Inception v3回归。本发明得到的MAE和RMSE均比其它基于深度学习的方法都要低，且拟合度是最高的，克服了由数据集数量过少带来的问题，且本发明对比了利用传统堆叠方式的CNN，构建Inception v3模型的结果更加精确，能够使降水预测结果更加精确和有效。

公开(公告)号：CN115346101A

公开(公告)日：2022-11-15

申请号：CN202211006296.9

申请日：2022-08-22

Applicant: 南京信息工程大学

Inventor： 方巍 ,  庞林 ,  易伟楠

IPC: G06V10/82 ,  G06V10/40 ,  G06N3/04 ,  G06N3/08 ,  G06Q10/04 ,  G01W1/10

Abstract: 本发明公开了一种基于深度时空融合网络的雷达回波外推模型的实现方法，包括步骤：S1，对雷达图像数据进行处理，得到雷达序列数据；S2，通过整合时间差分网络和时空轨迹网络构建时空融合神经网络模型，采用时间差分网络中的差分运算来提取相邻两张雷达图像的差分特征，并将差分特征向高层传递、逐层抽象，提取不确定的时空变化过程中确定性的部分；同时利用空间轨迹网络来学习瞬态变化部分；S3，采用雷达序列数据，对时空融合神经网络模型进行训练，直到满足条件后，停止训练，保存模型；S4，利用步骤S3得到的最终模型，预测云图的未来运动趋势。本发明的时空融合神经网络模型融合了运动趋势与瞬态变化，实现了长短时关联记忆。