-
公开(公告)号：CN109492691A
公开(公告)日：2019-03-19
申请号：CN201811318538.1
申请日：2018-11-07
Applicant: 南京信息工程大学
CPC classification number: G06K9/6259 , G06K9/6267 , G06N3/0454 , G06N3/08
Abstract: 本发明提供一种超图卷积网络模型及其半监督分类方法包括如下步骤：包括如下步骤：步骤1：对非欧式结构的样本数据特征进行稀疏编码，形成样本表示系数矩阵；步骤2：依据样本的相似性构建超边，计算超边权重，构建超图模型；步骤3：借助于超图谱理论，定义超图上的卷积运算，构建超图卷积网络模型；步骤4：定义超图卷积网络上的半监督学习方法，设计损失函数，旨在利用少量标定样本的类别信息，预测所有样本的类别标签；步骤5：分别制作训练、验证和测试的半给定标签矩阵，设置网络超参数，训练网络模型，依据随机梯度下降算法学习网络的卷积核以及正则性因子参数；步骤6：对于给定数据，用训练好的模型预测未知的样本类别，实现半监督分类。
-
公开(公告)号：CN111401201B
公开(公告)日：2023-06-20
申请号：CN202010164167.7
申请日：2020-03-10
Applicant: 南京信息工程大学
IPC: G06V20/17 , G06V10/25 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于空间金字塔注意力驱动的航拍图像多尺度目标检测方法，包括以下步骤：首先针对大尺寸数据集运用分块处理方法增强训练数据集理；设计卷积注意力增强特征表示的残差网络作为基干网络，进而高效提取图像特征；进一步构建空间金字塔注意力模块，促使网络能够更加的准确聚焦不同尺度的目标，提取目标所在的感兴趣区域；建立目标类别分析与目标框回归模块，对不同尺度下感兴趣区域进行分类与目标框预测；在测试阶段用训练好的检测网络，采用多尺度测试策略，再通过全局集成非极大值抑制算法，融合不同尺度的检测结果，进一步提升检测准确率。
-
公开(公告)号：CN112767407A
公开(公告)日：2021-05-07
申请号：CN202110141339.3
申请日：2021-02-02
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于级联门控3DUnet模型的CT图像肾脏肿瘤分割方法，包括：采集腹部CT扫描中包含肾脏的图像序列，对每个图像序列中的肾脏及肿瘤进行标注，生成对应的标注掩码,构建数据集Dataset；对Dataset进行P1预处理操作，构建肾脏(包括肿瘤)分割的U型深度网络模型M1；对Dataset中的图像序列与对应的标注掩码进行裁剪，取出只有肾脏(或肿瘤)的体素部分，进行P2预处理操作，基于门控卷积层构建肿瘤分割的深度网络分割模型M2；分别对模型M1、M2进行训练；通过模型M1和M2的级联处理分割出肾脏肿瘤区域。本发明通过网络级联的两阶段分割模型，并联合门控卷积层构建了用于肿瘤分割的深度网络模型，能够对癌变肾脏的形状变化保持鲁棒，有效分割出不同尺寸的肿瘤。
-
公开(公告)号：CN111401201A
公开(公告)日：2020-07-10
申请号：CN202010164167.7
申请日：2020-03-10
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于空间金字塔注意力驱动的航拍图像多尺度目标检测方法，包括以下步骤：首先针对大尺寸数据集运用分块处理方法增强训练数据集理；设计卷积注意力增强特征表示的残差网络作为基干网络，进而高效提取图像特征；进一步构建空间金字塔注意力模块，促使网络能够更加的准确聚焦不同尺度的目标，提取目标所在的感兴趣区域；建立目标类别分析与目标框回归模块，对不同尺度下感兴趣区域进行分类与目标框预测；在测试阶段用训练好的检测网络，采用多尺度测试策略，再通过全局集成非极大值抑制算法，融合不同尺度的检测结果，进一步提升检测准确率。
-
公开(公告)号：CN110675406A
公开(公告)日：2020-01-10
申请号：CN201910871083.4
申请日：2019-09-16
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于残差双注意力深度网络的CT图像肾脏分割算法，该方法将残差单元能重复利用特征的优点和双注意力机制优良的特征学习能力相结合，设计了残差双注意力模块，并以残差双注意力模块为基础模块构建U型深度网络分割模型，同时设计用于分割的损失函数，使U型深度网络分割模型能够更加关注肾脏区域特征，可有效应对囊性病变肾脏的形状变化，能够对囊性病变下肾脏的形状变化保持鲁棒；进而准确定位肾脏区域边界，实现CT图像中肾脏区域的自动分割，并起到很好的分割效果。
-
Patent Agency Ranking
公开(公告)号：CN109544656B
公开(公告)日：2023-05-23
申请号：CN201811404831.X
申请日：2018-11-23
Applicant: 南京信息工程大学
IPC: G06T11/00 , G06N3/084 , G06N3/094 , G06N3/0475
Abstract: 本发明公开了一种基于生成对抗网络的压缩感知图像重建方法，包括：S1、根据原始图像采样得到的测量向量与重建图像大小构建基于神经网络的生成对抗网络模型，并设计用于优化所述生成对抗网络模型参数的目标函数；S2、预设训练所述生成对抗网络模型时的参数；S3、根据所述目标函数，采用反向传播算法交替训练生成器与鉴别器；S4、若所述生成对抗网络模型收敛，则训练好的网络可以直接实现压缩感知任务，模型输出为由所述测量向量重构出的对应原图像；否则返回执行步骤S2‑S4。本发明利用生成器的强大映射能力，初步重建原始图像，利用生成器和鉴别器的对抗训练，使得生成器重建的图像像素分布更接近原始图像，达到了低采样率下精确重建原始图像的目的。
-
公开(公告)号：CN112767407B
公开(公告)日：2023-07-07
申请号：CN202110141339.3
申请日：2021-02-02
Applicant: 南京信息工程大学
IPC: G06T7/10 , G06T7/13 , G06T3/40 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于级联门控3DUnet模型的CT图像肾脏肿瘤分割方法，包括：采集腹部CT扫描中包含肾脏的图像序列，对每个图像序列中的肾脏及肿瘤进行标注，生成对应的标注掩码,构建数据集Dataset；对Dataset进行P1预处理操作，构建肾脏(包括肿瘤)分割的U型深度网络模型M1；对Dataset中的图像序列与对应的标注掩码进行裁剪，取出只有肾脏(或肿瘤)的体素部分，进行P2预处理操作，基于门控卷积层构建肿瘤分割的深度网络分割模型M2；分别对模型M1、M2进行训练；通过模型M1和M2的级联处理分割出肾脏肿瘤区域。本发明通过网络级联的两阶段分割模型，并联合门控卷积层构建了用于肿瘤分割的深度网络模型，能够对癌变肾脏的形状变化保持鲁棒，有效分割出不同尺寸的肿瘤。
-
公开(公告)号：CN109544656A
公开(公告)日：2019-03-29
申请号：CN201811404831.X
申请日：2018-11-23
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于生成对抗网络的压缩感知图像重建方法，包括：S1、根据原始图像采样得到的测量向量与重建图像大小构建基于神经网络的生成对抗网络模型，并设计用于优化所述生成对抗网络模型参数的目标函数；S2、预设训练所述生成对抗网络模型时的参数；S3、根据所述目标函数，采用反向传播算法交替训练生成器与鉴别器；S4、若所述生成对抗网络模型收敛，则训练好的网络可以直接实现压缩感知任务，模型输出为由所述测量向量重构出的对应原图像；否则返回执行步骤S2-S4。本发明利用生成器的强大映射能力，初步重建原始图像，利用生成器和鉴别器的对抗训练，使得生成器重建的图像像素分布更接近原始图像，达到了低采样率下精确重建原始图像的目的。
-
公开(公告)号：CN209179679U
公开(公告)日：2019-07-30
申请号：CN201821131694.2
申请日：2018-07-17
Applicant: 南京信息工程大学
IPC: E06B5/11 , E06B7/28 , E05F15/73 , E05F15/635 , G08B13/02
Abstract: 本实用新型公开了本实用新型公开了一种安全防护控制门，包括门板一和门板二，通过矩形框上人脸识别器能够正确识别人脸过程后，控制器控制电动机开启，电动机开启带动齿轮转动，通过齿轮与两条齿条相啮合作用，带动滑动杆一和滑动杆二相反方向移动，限位块作用支撑整个滑动杆一和滑动杆二移动，为滑动杆一滑动杆二移动过程提高稳定性，电动机移动合适位置，从而调动整个门板一和门板二相对移动，电动机关闭，当人走出整个矩形框的内部，烟雾警报器及时发出警报，及时反应给工作人员。与现有技术相比，本实用新型为门运行提供安全保障，该实用新型通过智能控制，安全防护效果提高，智能化控制为开门和关门过程提供便利，增大适用范围。
-
公开(公告)号：CN208180882U
公开(公告)日：2018-12-04
申请号：CN201820518390.5
申请日：2018-04-12
Applicant: 南京信息工程大学
IPC: B60Q9/00 , B60T7/12 , B60R16/023
Abstract: 本实用新型涉及一种基于目标检测和图像分割的行人保护系统，属于智能交通安全领域。包括视频采集模块、主控制器模块、提醒模块和制动模块，视频采集模块、提醒模块和制动模块分别与主控制器模块相连。通过目标检测和图像分割，自动检测到行驶过程中的行人及通过分割出来的人形图像预估行人与车身的距离，在行人出现时向驾驶者发出语音减速提醒，并且能在紧急情况下自动制动，避免发生碾压事故。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.033 seconds)
