公开(公告)号：CN117873117A

公开(公告)日：2024-04-12

申请号：CN202410160863.9

申请日：2024-02-05

Applicant: 南京信息工程大学 ,  南京信息工程大学无锡研究院

Inventor： 余文斌 ,  陈宇浩 ,  刘长辉 ,  魏宏宇 ,  王杰 ,  于楼洋

IPC: G05D1/43 ,  G05D1/246 ,  G05D1/633 ,  G05D1/644 ,  G05D1/648 ,  G05D105/20

Abstract: 本发明公开了一种机器人路径规划技术领域的运动路径规划方法，旨在解决现有技术中狭窄通道和多障碍地图的路径规划速度慢计算量高的问题。其包括：通过预先根据地图中障碍物信息设置参考点，并使用参考点引导节点采样方式，提高路径规划效率和质量，减少无效区域节点生成，优化了计算资源利用率；通过改进节点采样方式和基于障碍物信息的地图参考点策略，路径生成能力更强，生成更高质量路径，防止路径过长，增强算法对狭窄通道的适应性，兼顾了机器人的通过性限制；由于参考点的生成是预先的，对于同一张地图每次不同起始点和目的点的路径规划任务，生成好的参考点组可多次使用，因此针对固定区域内的路径规划任务，相较于传统RRT算法的优势更大。

公开(公告)号：CN118227822B

公开(公告)日：2024-09-27

申请号：CN202410662513.2

申请日：2024-05-27

Applicant: 南京信息工程大学 ,  南京信息工程大学无锡研究院

Inventor： 余文斌 ,  陈宇浩 ,  家雷鸣 ,  魏宏宇 ,  李新海 ,  陈美旺

IPC: G06F16/58 ,  G06N3/0464 ,  G06V10/762 ,  G06V10/44

Abstract: 本发明公开了计算机视觉技术领域的一种用于检索的图像向量获取方法，旨在解决现有的图像向量获取方法无法兼顾轻量化、精度要求，且无法学习输入描述符的技术问题。其包括：预先构建混合聚合特征索引图像检索模型，包括空间分割层、卷积层和BOF层，图像数据集输入混合聚合特征索引图像检索模型生成图像向量；在BOF层之前引入空间分割技术以便于分割空间段进行局部特征的提取，BOF层量化输出后，拼接每一个空间段的输出结果获得图像最终的特征向量，有效提高了图像检索的性能并减少网络中的参数数量，保留了图像中特征所携带的空间信息；即不降低图像检索模型精度的情况下提高模型的性能，降低存储开销、计算量和卷积神经网络参数数量。

公开(公告)号：CN118227822A

公开(公告)日：2024-06-21

申请号：CN202410662513.2

申请日：2024-05-27

Applicant: 南京信息工程大学 ,  南京信息工程大学无锡研究院

Inventor： 余文斌 ,  陈宇浩 ,  家雷鸣 ,  魏宏宇 ,  李新海 ,  陈美旺

IPC: G06F16/58 ,  G06N3/0464 ,  G06V10/762 ,  G06V10/44

Abstract: 本发明公开了计算机视觉技术领域的一种用于检索的图像向量获取方法，旨在解决现有的图像向量获取方法无法兼顾轻量化、精度要求，且无法学习输入描述符的技术问题。其包括：预先构建混合聚合特征索引图像检索模型，包括空间分割层、卷积层和BOF层，图像数据集输入混合聚合特征索引图像检索模型生成图像向量；在BOF层之前引入空间分割技术以便于分割空间段进行局部特征的提取，BOF层量化输出后，拼接每一个空间段的输出结果获得图像最终的特征向量，有效提高了图像检索的性能并减少网络中的参数数量，保留了图像中特征所携带的空间信息；即不降低图像检索模型精度的情况下提高模型的性能，降低存储开销、计算量和卷积神经网络参数数量。

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

Inventor： 余文斌 ,  魏宏宇 ,  吕正杰 ,  陈宇浩 ,  任正举 ,  朱健杰

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：CN116912506A

公开(公告)日：2023-10-20

申请号：CN202310856075.9

申请日：2023-07-13

Applicant: 南京信息工程大学

Inventor： 余文斌 ,  孙锐 ,  张成军 ,  姚宇 ,  张艺凡 ,  陈宇浩 ,  陈宗远 ,  薛圣炜

IPC: G06V10/40 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明公开了一种鸟类识别方法、系统、存储介质及计算设备，本发明采用MobileNet模型和卷积注意力模块构建鸟类识别模型，有效增强了识别精度，可将鸟类识别模型转换、量化压缩到移动终端，不仅降低了模型对硬件资源的需求，而且无需依赖网络，可在移动终端即可进行离线识别，适用于网络覆盖不完善的野外工作。