-
公开(公告)号：CN114998525B
公开(公告)日：2025-05-06
申请号：CN202210703550.4
申请日：2022-06-21
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于动态局部‑全局图卷积神经网络的动作识别方法，利用注意力机制为三个分区策略下的邻接矩阵动态的分配权重，并将这三个邻接矩阵加权得到可学习的变换矩阵，不同的权重参数编码了在空间维度上不同的特征，增加了在骨骼图中特征建模的表达能力；通过使用改进的Transformer自我注意力来融合局部和全局信息；引入通道注意力，使模型更加关注重要的通道特征，进一步提高了模型的性能，使分类预测结果更加准确。本发明增加了特征建模的表达能力，并通过通道注意力模块有效地增强对更重要的特征信息提取能力，从而大幅提高了动作识别的准确率。
-
公开(公告)号：CN118887625B
公开(公告)日：2025-03-25
申请号：CN202411367197.2
申请日：2024-09-29
Applicant: 南京信息工程大学
IPC: G06V20/52 , G06V20/40 , G06V10/80 , G06V10/72 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/0495 , G08B17/12 , G08B31/00
Abstract: 本发明公开了一种楼宇内火灾初期火灾态势的预测方法，包括用火灾检测数据集训练得到火灾检测模型，检测到火情后提取火灾检测参数、以及可燃物类别，然后经过特征融合。为适应不同应用场景提供两种预测途径，一是为适应嵌入式设备使用，提高系统响应速度，以融合后的火焰参数为输入训练火焰预测网络，预测火焰高度、火焰投影面积、火焰蔓延位置。另一个是，将算法部署在服务器中运行，以火灾检测参数、以及可燃物分布特征为输入训练ConvLSTM火灾预测网络，输出下一时刻火焰位置和大小。本发明不仅能够预测出火焰下一时刻的状态，还有助于火灾发生后，消防等有关部门用来分析火灾成因，制定消防方案。
-
公开(公告)号：CN118887625A
公开(公告)日：2024-11-01
申请号：CN202411367197.2
申请日：2024-09-29
Applicant: 南京信息工程大学
IPC: G06V20/52 , G06V20/40 , G06V10/80 , G06V10/72 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/0495 , G08B17/12 , G08B31/00
Abstract: 本发明公开了一种楼宇内火灾初期火灾态势的预测方法，包括用火灾检测数据集训练得到火灾检测模型，检测到火情后提取火灾检测参数、以及可燃物类别，然后经过特征融合。为适应不同应用场景提供两种预测途径，一是为适应嵌入式设备使用，提高系统响应速度，以融合后的火焰参数为输入训练火焰预测网络，预测火焰高度、火焰投影面积、火焰蔓延位置。另一个是，将算法部署在服务器中运行，以火灾检测参数、以及可燃物分布特征为输入训练ConvLSTM火灾预测网络，输出下一时刻火焰位置和大小。本发明不仅能够预测出火焰下一时刻的状态，还有助于火灾发生后，消防等有关部门用来分析火灾成因，制定消防方案。
-
公开(公告)号：CN117953035B
公开(公告)日：2024-09-24
申请号：CN202410136717.2
申请日：2024-01-31
Applicant: 南京信息工程大学
IPC: G06T7/60 , G06T7/10 , G06T5/70 , G06T7/13 , G06N3/0464 , G06V10/44 , G06V10/80 , G06N3/048 , G06N3/0985 , G06N3/09
Abstract: 本发明公开了一种光学与SAR图像注意力协同的积雪深度预测方法，包括：步骤1：获取训练数据，包括光学图像和SAR图像。步骤2：构建光学与SAR图像注意力协同网络，训练光学与SAR图像注意力协同网络，对训练数据中的图像进行数据增强处理，然后将图像与对应的标签转化为张量，然后输入到光学与SAR图像注意力协同网络中训练。步骤3：使用训练好的光学与SAR图像注意力协同网络进行预测，输入一组光学图像和SAR图像，经过训练好的权重提取特征进行编码解码操作后输出得到积雪深度预测值。该方法能够有效的减少SAR散斑噪声的影响，增强对光学图像和SAR图像两种异构数据的特征表达，提高了积雪深度估计的鲁棒性和准确性，在实验中取得了不错的结果。
-
公开(公告)号：CN113378656B
公开(公告)日：2023-07-25
申请号：CN202110564099.8
申请日：2021-05-24
Applicant: 南京信息工程大学
IPC: G06V40/20 , G06V20/40 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于自适应图卷积神经网络的动作识别方法和装置，方法包括：S1，生成人体骨骼数据集；S2，将相邻骨骼边之间的角度作为深层次的空间特征；S3，计算得到每个关键节点的平均能量变化值，将其作为深层次的时间特征；S4，构建双流图卷积神经网络；S5，对双流图卷积神经网络进行扩展，并联2个新增子网络，搭建动作识别模型，新增子网络分别用于对空间特征和时间特征进行处理的子网络；该动作识别模型用于同时对关节数据、骨骼数据、深层次的空间特征和深层次的时间特征进行处理，计算得到对应的动作类型。本发明能够有效提高图卷积网络在动作识别领域的识别精度。
-
Patent Agency Ranking
公开(公告)号：CN113688765B
公开(公告)日：2023-06-27
申请号：CN202111011985.4
申请日：2021-08-31
Applicant: 南京信息工程大学
IPC: G06V40/20 , G06V10/40 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/042 , G06N3/045 , G06N3/084
Abstract: 本发明公开了一种基于注意力机制的自适应图卷积网络的动作识别方法，涉及动作识别技术领域。该动作识别方法将注意力机制加入自适应图卷积网络中，引入时间注意力模块来克服卷积算子的局部性，使每个单个关节被认为是独立的，并且通过比较同一身体关节沿着时间维度的嵌入变化来计算帧之间的相关性，来提高对时间信息提取；另外引入通道注意力模块，使网络更加关注重要的通道特征，进一步提高了网络的性能，使分类预测结果更加准确。
-
公开(公告)号：CN110288165B
公开(公告)日：2023-01-03
申请号：CN201910589082.0
申请日：2019-07-02
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于快速聚类和优化分配的多目标无人监测跟踪方法，能够将整块复杂不确定的待监测区域快速划分为多个具有价值聚类的子区域，以分开监测，降低了系统整体的难度，也提高了无人监测的工作效率；根据现实情况对各区域内的无人机进行再分配调整，提升了系统的灵活性；结合相关算法将复杂的多目标跟踪问题转化为无人器的轨迹优化问题，通过优化后的多无人器的协同控制，保障了无人监测跟踪系统的稳定性与精准度。
-
公开(公告)号：CN114998525A
公开(公告)日：2022-09-02
申请号：CN202210703550.4
申请日：2022-06-21
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于动态局部‑全局图卷积神经网络的动作识别方法，利用注意力机制为三个分区策略下的邻接矩阵动态的分配权重，并将这三个邻接矩阵加权得到可学习的变换矩阵，不同的权重参数编码了在空间维度上不同的特征，增加了在骨骼图中特征建模的表达能力；通过使用改进的Transformer自我注意力来融合局部和全局信息；引入通道注意力，使模型更加关注重要的通道特征，进一步提高了模型的性能，使分类预测结果更加准确。本发明增加了特征建模的表达能力，并通过通道注意力模块有效地增强对更重要的特征信息提取能力，从而大幅提高了动作识别的准确率。
-
公开(公告)号：CN114756755A
公开(公告)日：2022-07-15
申请号：CN202210434188.5
申请日：2022-04-24
Applicant: 南京信息工程大学
IPC: G06F16/9535 , G06F16/906 , G06F16/9536 , G06N3/04 , G06N3/08
Abstract: 本发明公开了图片检测与语义分类技术领域的一种快速准确的图片检测与语义分类系统及方法，包括：读取图片以及图片文本信息，预测出图片的左上角点与右下角点的坐标；根据图片的左上角点与右下角点的坐标值，框选出目标图片的范围；读取图片文本信息中的Bbox值，分析图片中各个图像在该图片中的坐标值；基于各个图像在该图片中的坐标值，在目标图片的范围内判断目标图像是否在选中的预测矩形框中，其中，当目标图像中超过指定比重的特征均位于该预测矩形框中时，则划分为有效预测矩形框。本发明可应用在对于图片的处理，提取图片特征，并将大量的图片进行语义分类，提高检测效率的同时提高处理结果的准确度。
-
公开(公告)号：CN110228071B
公开(公告)日：2022-04-29
申请号：CN201910491330.8
申请日：2019-06-06
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种适于化工厂的多种融合有毒气体分类方法及巡检机器人，利用巡检机器人在预先铺设的轨道上定点按计划巡检，进行精确测温及多种融合有毒气体分类分析，目标气体分类方法使用ECOC输出纠错编码，将采集到的多种融合有毒气体特征信息样本作为特征向量，输入至训练好的基分类器中分离出目标气体，能够快速确定有毒气体泄漏源，并能够在有毒气体泄漏情况下发出警报。本发明有助于减少化工厂工人日常巡检的精力，节省劳动力成本，提高工作效率和安全性能。
-
-
-
-
-
-
-
-
-
Search Results
237
records
(took 0.044 seconds)
