-
公开(公告)号：CN117994623A
公开(公告)日：2024-05-07
申请号：CN202410299814.3
申请日：2024-03-15
Applicant: 南京信息工程大学 , 南京信息工程大学无锡研究院
IPC: G06V10/80 , G06V10/774 , G06V10/44 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了计算机视觉技术领域的一种图像特征向量的获取方法，旨在解决局部信息丢失、图像特征不够丰富全面且提取精度低的技术问题。其包括：创造性地提出MAMSD模型解决传统图像检索中的局部信息丢失和手动提取特征的限制，通过卷积神经网络多头注意力机制和多尺度特征融合机制提高信息提取效率；在MAMSD模型中引入NetVLAD层，更准确地描述图像的局部细节，提高图像特征向量的检索准确性和稳定性；通过ResNet50卷积网路模型、MobileNet_V2卷积网路模型和ConvNeXt_T卷积网路模型提取局部特征描述符，解除了手动提取特征的限制，提高了模型对特征的自主学习效率。
-
公开(公告)号：CN118070846A
公开(公告)日：2024-05-24
申请号：CN202410467973.X
申请日：2024-04-18
Applicant: 南京信息工程大学 , 南京信息工程大学无锡研究院
IPC: G06N3/0442 , G06N3/0475 , G06N3/094 , G06N3/0455 , G06V10/82 , G06V10/74 , G01W1/10
Abstract: 本发明公开了一种短临降水预测方法、装置及存储介质，该方法包括：获取HKO‑7数据集中的原始雷达回波图像数据进行预处理，获得图像序列；对图像序列进行上采样及重塑处理，得到最新图像序列；将最新图像序列输入至预先训练的ConvLSTM‑TransGAN模型，获得雷达预测图像，用于短临降水预测；解决基于时空序列的预测模型难以生成清晰真实雷达回波图像的情况。
-
公开(公告)号：CN117914412A
公开(公告)日：2024-04-19
申请号：CN202410082332.2
申请日：2024-01-19
Applicant: 南京信息工程大学 , 南京信息工程大学无锡研究院
IPC: H04B10/61 , H04B10/556
Abstract: 本发明公开了一种无线光通信多用户检测方法及验证方法，所述检测方法包括获取来自不同用户的不同信号，将信号调制到相干态；将相干态的信号输入预先构建的基于对称相干态信号的多址信道模型中，使用最小误差判别法MED或者无歧义状态判别法USD进行多用户检测，获取检测结果，本发明旨在使用基于相干态的量子测量技术实现无线光通信中的多址访问和多用户检测，将MED和USD两种量子测量方法应用在具有相干态信号的多址信道中，对无线光通信中的多用户检测问题提供了新的解决方法。本发明利用量子检测技术可以使多址信道适应光信号功率较低的通信环境，非常适合于自由空间光通信，特别是在接收信号功率受到高度限制的深空光通信中。
-
公开(公告)号：CN118657226B
公开(公告)日：2024-11-22
申请号：CN202411148997.5
申请日：2024-08-21
Applicant: 南京信息工程大学
IPC: G06N10/20 , G06N10/60 , G06N3/096 , G06N3/0464
Abstract: 本发明公开了一种量子迁移学习方法，包括以下步骤：（1）获取Flowers Recognition花卉识别数据集和Animal‑10动物‑10数据集的数据并进行预处理；（2）构建ResNet18量子迁移学习模型和ResNet34量子迁移学习模型即在ResNet18网络和ResNet34网络中分别引入量子卷积神经网络模块；（3）分别对ResNet18量子迁移学习模型和ResNet34量子迁移学习模型进行训练，并与原有ResNet18和ResNet34模型进行对比；本发明将量子计算与迁移学习相融合，使得量子迁移学习模型能够取得比经典模型更好的性能或者速度。
-
Patent Agency Ranking
公开(公告)号：CN118762529A
公开(公告)日：2024-10-11
申请号：CN202411255473.6
申请日：2024-09-09
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于GCN‑STARNN的交通流量预测方法包括以下步骤：（1）获取开源网站交通流量数据集并预处理；（2）构建时空注意递归神经网络并进行训练；其中，时空注意递归神经网络包括：图卷积神经模块即GCN模块、时空注意递归神经模块即STARNN模块和输出模块；其中，GCN模块与STARNN模块并联；GCN模块用于提取交通路网的空间特征；时空注意递归神经模块用于交通路网时间特征；时空注意递归神经模块由卷积注意力模块和卷积长短时记忆模块模块；（3）输出预测结果。本发明有效提高了交通流量预测的准确率和精度，较现有方法具有更好的性能表现。
-
公开(公告)号：CN118604917A
公开(公告)日：2024-09-06
申请号：CN202411089699.3
申请日：2024-08-09
Applicant: 南京信息工程大学
IPC: G01W1/10 , G01S13/95 , G06V10/62 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/045
Abstract: 本发明公开了基于空间相关特征提取和深度时空融合网络的降水临近预报方法，其包括以下步骤：（1）在HKO‑7数据集中对不同时间点的雷达回波反射率图像中每个像素的特征序列进行分组，构造特征矩阵；（2）采用皮尔逊相关系数计算特征矩阵各列之间的相关系数，以评估雷达回波反射率图像序列中各像素点之间的空间相关性；（3）通过得到的皮尔逊相关系数矩阵选择雷达回波反射率图像的空间相关区域，提取雷达回波反射率图像序列的空间相关特征；（4）在轨迹门控循环模型TrajGRU中引入空间自注意力机制SAM模块，构建深度时空融合网络DST‑FN并进行训练；（5）验证深度时空融合网络的有效性；本发明提高了气象的预测能力。
-
公开(公告)号：CN118823485A
公开(公告)日：2024-10-22
申请号：CN202411149426.3
申请日：2024-08-21
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08 , G06N10/60
Abstract: 本发明公开了一种量子多框目标检测方法，包括以下步骤：（1）获取VOC数据集的数据并进行预处理；（2）构建量子经典混合多框目标检测模型即构建改进的多框目标检测300模型：修改多框目标检测模型的第五个额外的特征提取层；（3）对改进的多框目标检测300模型模型进行训练，通过mAP指标值评估量子经典混合多框目标检测模型性能；本发明大幅降低了计算时间和计算复杂度。
-
公开(公告)号：CN118657226A
公开(公告)日：2024-09-17
申请号：CN202411148997.5
申请日：2024-08-21
Applicant: 南京信息工程大学
IPC: G06N10/20 , G06N10/60 , G06N3/096 , G06N3/0464
Abstract: 本发明公开了一种量子迁移学习方法，包括以下步骤：（1）获取Flowers Recognition花卉识别数据集和Animal‑10动物‑10数据集的数据并进行预处理；（2）构建ResNet18量子迁移学习模型和ResNet34量子迁移学习模型即在ResNet18网络和ResNet34网络中分别引入量子卷积神经网络模块；（3）分别对ResNet18量子迁移学习模型和ResNet34量子迁移学习模型进行训练，并与原有ResNet18和ResNet34模型进行对比；本发明将量子计算与迁移学习相融合，使得量子迁移学习模型能够取得比经典模型更好的性能或者速度。
-
公开(公告)号：CN118762529B
公开(公告)日：2024-11-22
申请号：CN202411255473.6
申请日：2024-09-09
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于GCN‑STARNN的交通流量预测方法包括以下步骤：（1）获取开源网站交通流量数据集并预处理；（2）构建时空注意递归神经网络并进行训练；其中，时空注意递归神经网络包括：图卷积神经模块即GCN模块、时空注意递归神经模块即STARNN模块和输出模块；其中，GCN模块与STARNN模块并联；GCN模块用于提取交通路网的空间特征；时空注意递归神经模块用于提取交通路网的时间特征；时空注意递归神经模块由卷积注意力模块、卷积长短时记忆网络模块和3维卷积模块组成；（3）输出预测结果。本发明有效提高了交通流量预测的准确率和精度，较现有方法具有更好的性能表现。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.019 seconds)
