公开(公告)号：CN118425733A

公开(公告)日：2024-08-02

申请号：CN202410524911.8

申请日：2024-04-29

Applicant: 南京信息工程大学

Inventor： 万发雨 ,  程鑫

IPC: G01R31/28

Abstract: 本发明公开了一种基于LabVIEW的三频自动测试系统、方法及设备，涉及功率放大器测试技术领域。本发明包括计算机，所述计算机通过GPIB总线连接有信号发生单元，用于提供三频信号，信号发生单元的输出端经同轴线连接有双端口功率合成器，用于合成输入三频信号，所述功率合成器的输出端连接有被测器件，所述被测器件的输出端连接有信号衰减单元，所述衰减器的输出端连接有滤波单元。本发明获得GaN功率放大器全阶互调响应及分析功放非线性特性的目的，并且具有操作简单，功能可扩展性强，安全性高的特性，可以用于通信系统中功率器件非线性特性分析，为非线性建模及提高器件线性度提供相应数据集。

公开(公告)号：CN117934890B

公开(公告)日：2024-06-11

申请号：CN202410328101.5

申请日：2024-03-21

Applicant: 南京信息工程大学

Inventor： 董仕豪 ,  郑钰辉 ,  程鑫 ,  张家伟 ,  张国庆 ,  王金伟

IPC: G06V10/762 ,  G06V10/42 ,  G06V10/44 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提供基于局部和全局邻居对齐的原型对比图像聚类方法及系统，涉及机器学习和图像处理领域。该方法包括提取原始数据集特征；在特征上执行k‑means初始化聚类中心，获取聚类分配概率；对经过两种不同变换后的数据集进行分组训练直至整个数据集，提取变换后图像数据集特征；获取每个训练批次的原型，并计算原型对比损失；获取变换后特征的全局和局部邻居，并将变换后的特征与邻居对齐，计算邻居对齐损失；优化网络，并更新全局邻居；重复上述步骤，直到满足迭代次数，输出聚类分组结果。本发明方法不仅避免了对比学习中类别冲突的问题，而且使得不同的类在空间中均匀分布；同时，基于局部和全局邻居对齐策略可以获得更丰富的语义信息。

公开(公告)号：CN117934890A

公开(公告)日：2024-04-26

申请号：CN202410328101.5

申请日：2024-03-21

Applicant: 南京信息工程大学

Inventor： 董仕豪 ,  郑钰辉 ,  程鑫 ,  张家伟 ,  张国庆 ,  王金伟

IPC: G06V10/762 ,  G06V10/42 ,  G06V10/44 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提供基于局部和全局邻居对齐的原型对比图像聚类方法及系统，涉及机器学习和图像处理领域。该方法包括提取原始数据集特征；在特征上执行k‑means初始化聚类中心，获取聚类分配概率；对经过两种不同变换后的数据集进行分组训练直至整个数据集，提取变换后图像数据集特征；获取每个训练批次的原型，并计算原型对比损失；获取变换后特征的全局和局部邻居，并将变换后的特征与邻居对齐，计算邻居对齐损失；优化网络，并更新全局邻居；重复上述步骤，直到满足迭代次数，输出聚类分组结果。本发明方法不仅避免了对比学习中类别冲突的问题，而且使得不同的类在空间中均匀分布；同时，基于局部和全局邻居对齐策略可以获得更丰富的语义信息。

公开(公告)号：CN115761022A

公开(公告)日：2023-03-07

申请号：CN202211499217.2

申请日：2022-11-28

Applicant: 南京信息工程大学

Inventor： 程鑫 ,  王金伟

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

Abstract: 本发明公开了一种基于频率聚类先验知识的彩色图像量化步长估计方法，首先，将预先获取的彩色图像进行预处理，将图像从空间域转换到频率域；其次，构建改进的Res2Net‑C网络结构，获取频域中的量化步长信息；最后，引入了多通道卷积辅助估计色度通道的量化步长。本发明通过使用预处理操作将图像由空间域转化到频率域，方便了网络发掘JPEG图像中关于量化步长的痕迹，显著提高估计量化步长的准确率；提出的新的Res2Net‑C网络结构可以发掘图像的多尺度信息，从而提高估计量化步长的准确率；本发明相比于传统的估计量化步长的方法，准确率高，且更容易训练。

公开(公告)号：CN117934891B

公开(公告)日：2024-06-07

申请号：CN202410343857.7

申请日：2024-03-25

Applicant: 南京信息工程大学

Inventor： 董仕豪 ,  郑钰辉 ,  程鑫 ,  张家伟 ,  张国庆 ,  王金伟

IPC: G06V10/762 ,  G06V10/40 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/042

Abstract: 本发明提供一种基于图结构的图像对比聚类方法及系统，涉及机器学习和图像处理领域。该方法包含以下步骤，获取原始图像数据集，对原始图像数据集进行两种不同的变换，分获取变换后的数据集的特征和对比特征，计算实例级对比损失，获取并更新每个样本的邻居，获取邻接矩阵并加上不同的随机掩码，构建图结构数据，输入到图神经网络聚合特征与其邻居特征，并获得聚类分配，计算簇级对比损失，通过实例级对比损失和簇级对比损失优化特征提取网络、对比网络和图卷积神经网络，重复上述步骤，直到满足迭代次数，输出聚类分组结果；本发明方法不仅能获取图像的语义信息，也能有效挖掘图像数据之间的结构信息。

公开(公告)号：CN117934891A

公开(公告)日：2024-04-26

申请号：CN202410343857.7

申请日：2024-03-25

Applicant: 南京信息工程大学

Inventor： 董仕豪 ,  郑钰辉 ,  程鑫 ,  张家伟 ,  张国庆 ,  王金伟

IPC: G06V10/762 ,  G06V10/40 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/042

Abstract: 本发明提供一种基于图结构的图像对比聚类方法及系统，涉及机器学习和图像处理领域。该方法包含以下步骤，获取原始图像数据集，对原始图像数据集进行两种不同的变换，分获取变换后的数据集的特征和对比特征，计算实例级对比损失，获取并更新每个样本的邻居，获取邻接矩阵并加上不同的随机掩码，构建图结构数据，输入到图神经网络聚合特征与其邻居特征，并获得聚类分配，计算簇级对比损失，通过实例级对比损失和簇级对比损失优化特征提取网络、对比网络和图卷积神经网络，重复上述步骤，直到满足迭代次数，输出聚类分组结果；本发明方法不仅能获取图像的语义信息，也能有效挖掘图像数据之间的结构信息。

公开(公告)号：CN117409064A

公开(公告)日：2024-01-16

申请号：CN202311391096.4

申请日：2023-10-25

Applicant: 南京信息工程大学

Inventor： 程鑫 ,  王金伟

IPC: G06T7/60 ,  G06T7/90 ,  G06N3/08 ,  G06N3/045

Abstract: 本发明公开了基于双分支网络估计非对齐重压缩图像偏移量方法及系统，涉及信息安全技术领域，包括以下步骤：接收图像，对图像进行色彩细粒度扩展得到图像颜色通道特征，将图像颜色通道特征输入至预先建立的二阶差分层内，得到块效应特征；将二阶差分层输入至预先建立的双分支网络内进行训练，得到训练后的二阶差分层，将块效应特征输入至训练后的二阶差分层内，提取得到水平特征和垂直特征。