公开(公告)号：CN114971001B

公开(公告)日：2025-05-06

申请号：CN202210546521.1

申请日：2022-05-18

Applicant: 南京大学

Inventor： 路通 ,  王文卓 ,  朱立平 ,  徐倩 ,  王甲豪 ,  陈致远 ,  孟伟光

IPC: G06Q10/04 ,  G06F16/35 ,  G06F18/2415 ,  G06N3/0442 ,  G06N3/045

Abstract: 本发明公开了一种海关数据的关口预测方法、装置及存储介质，方法包括：将海关每条多属性数据转换为二维矩阵；将得到的二维矩阵与常数一维卷积得到组合基础关键词信息；将基础关键词特征输入个体注意力模块和一个关系注意力模块，提取关键词的特征和不同关键词之间的关系特征；将二维矩阵输入双向长短期神经网络中，将输出特征输入注意力机制模块中，提取原始文本的时序特征；将两个模块得到的特征向量融合，最后通过一个全连接的softmax分类层得到关口预测的条件概率。本发明结合海关实际电商数据部分字段丢失以及关键词显著的特点，提出了关键词特征融合模型，有效地提取关键词属性特征以及长程的关键词关系，为解决关口预测问题提供了有效的方法。

公开(公告)号：CN116342948A

公开(公告)日：2023-06-27

申请号：CN202310311074.6

申请日：2023-03-28

Applicant: 南京大学

Inventor： 路通 ,  方明胜 ,  李志琦

IPC: G06V10/764 ,  G06V10/40 ,  G06V10/82 ,  G06T7/593 ,  G06T3/00 ,  G06T3/40 ,  G06N3/0464

Abstract: 本发明公开了一种纯视觉自动驾驶场景中的三维空间占据识别方法、系统及存储介质，空间占据识别方法包括：获取自动驾驶场景各个环视视图图片的二维特征和深度概率；基于各个环视视图图片的内外参使用3D到2D的投影得到三维空间每个位置的特征值；根据得到的三维空间每个位置的特征值进行分类，得到每个位置的占据预测。本发明方法能够很好的解决现有的从二维投影三维的方法中得到的三维特征过于稀疏的问题，此外，本方法直接预测三维空间中每个位置的占据情况，而不是给出每个物体的包围盒，因此更加鲁棒并且利于下游控制，能够识别出数据集中不存在的类别，相比较于三维包围盒，直接预测三维空间中的占据情况能够得到更准确的三维空间中物体的形状信息。

公开(公告)号：CN114708531A

公开(公告)日：2022-07-05

申请号：CN202210270892.1

申请日：2022-03-18

Applicant: 南京大学 ,  江苏威尔曼科技有限公司

Inventor： 路通 ,  杨国强 ,  黄建武 ,  曹阳

IPC: G06V20/40 ,  G06V20/52 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了一种基于边缘计算的电梯内异常行为检测方法、装置及存储介质。电梯内异常检测方法包括如下步骤：基于直方图均衡化的视频亮度增强；基于轻量级卷积神经网络的人体检测；基于轻量级时域激发和聚合网络的异常行为检测。受限于算力，电梯异常行为检测往往使用基于手工特征的方法。本发明开创性的在电梯安防场景结合了边缘计算和多种深度学习方法，设计了完整的边缘计算算法系统，有效的降低了算法的计算复杂度和计算资源开销，充分利用大量的低算力的电梯监控以及后台设备，同时在准确率，虚警率和漏检率三个指标上均大幅超越对比方法，在实时性，可扩展性，负载均衡等方面也均优于使用传统非深度方法的检测系统。

公开(公告)号：CN114708468A

公开(公告)日：2022-07-05

申请号：CN202210270639.6

申请日：2022-03-18

Applicant: 南京大学 ,  江苏威尔曼科技有限公司

Inventor： 路通 ,  成晓龙 ,  黄建武 ,  曹阳

IPC: G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种可变形卷积方法、装置及存储介质，其中可变形卷积方法包括如下步骤：步骤1，对输入特征图进行常规卷积得到多组采样点坐标的偏移向量；步骤2，对每组采样点的坐标分别从输入特征图提取偏移后的采样点的特征，并使用卷积核加权求和得到每组的输出特征；步骤3，将各组的卷积输出特征平均得到最终的输出特征。本发明通过多组采样点，增强了可变形卷积的表达能力，同时保证了卷积输入特征各通道的位置一致性，并通过目标检测数据集COCO上的实验证明了本发明有效提高了目标检测的性能。

公开(公告)号：CN112925825A

公开(公告)日：2021-06-08

申请号：CN202110213155.3

申请日：2021-02-25

Applicant: 南京大学

Inventor： 路通 ,  陈俍宇 ,  袁明磊

IPC: G06F16/2458 ,  G06N3/04 ,  G01W1/00

Abstract: 本发明公开了一种用于输电线路的多气象因子预测方法，涉及机器学习技术领域，解决了气象预测准确率不高的技术问题，其技术方案要点是结合TCN(Temporal Convolutional Network，时间卷积网络)网络和DenseNet网络进行特征提取，TCN网络可以并行处理时序信息，具有灵活的感受野、稳定的梯度，且相比其他方法占据更低的内存，可以对时序关系进行良好的拟合，提高了各气象因子预测的准确性；其次，在TCN网络的基础上结合DenseNet网络，能够抗过拟合，调高了气象预测的准确性；最后，本发明在预测各气象因子时不仅利用了历史的微气象信息，还结合了天气预报信息，提高了气象预测的准确性。

公开(公告)号：CN109978069B

公开(公告)日：2020-10-09

申请号：CN201910263146.8

申请日：2019-04-02

Applicant: 南京大学

Inventor： 路通 ,  侯文博 ,  王文海

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了降低ResNeXt模型在图片分类中过拟合现象的方法，包括如下步骤：步骤1，对公开数据集中的训练图片进行预处理；步骤2，基于ResNeXt网络搭建网络模型，并对ResNeXt网络进行Cropout方法的修改；步骤3，使用随机梯度下降法训练修改过后的ResNeXt网络，得到训练好的网络模型；步骤4，输入一张给定的待分类图片，使用步骤3中训练好的网络模型对其进行分类，得到最后的结果。

公开(公告)号：CN111311027A

公开(公告)日：2020-06-19

申请号：CN202010205494.2

申请日：2020-03-23

Applicant: 南京大学

Inventor： 路通 ,  陈俍宇 ,  邓照飞

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q50/06

Abstract: 本发明公开了一种用于输电线路的风速预测方法，属于机器学习技术领域。本发明包括步骤1：采集输电线路附近的风速、微气象信息和天气预报信息；步骤2：将采集到的微气象信息和天气预报信息划分为训练数据集和测试数据集；步骤3：使用训练集训练得到风速预测模型；步骤4：使用测试集测试风速预测模型的效果，根据测试效果调整模型的超参数，重复步骤3，直至获得理想的模型；步骤5：通过风速预测模型预测输电线路的风速。本发明优点在于结合微气象信息和同时间的天气预报信息对输电线路风速进行预测，弥补了传统预测方法天气信息少的问题，提高了输电线路风速预测精度。

公开(公告)号：CN108694415A

公开(公告)日：2018-10-23

申请号：CN201810464977.7

申请日：2018-05-16

Applicant: 南京大学

Inventor： 路通 ,  吴雪榕 ,  袁明磊

IPC: G06K9/62 ,  G06K9/46 ,  G06T7/11

CPC classification number: G06K9/6268 ,  G06K9/4652 ,  G06T7/11

Abstract: 本发明提出一种图像特征提取方法，包括：将原图像进行颜色空间分解，获取所述原图像的H通道图像、S通道图像以及V通道图像；对H通道图像、S通道图像以及V通道图像分别进行图像变换，生成每个颜色通道对应的频率域图像；对于每个颜色通道的频率域图像，分别以所述频率域图像中心为圆心，按预设半径划分M个同心圆，再根据预设角度划分N个等角扇形，获取若干个扇形区域，其中M为大于1的整数，N为大于0的整数；计算每个扇形区域的均值和方差；统计每个颜色通道图像的所述均值和方差将作为原图像的图像特征。本发明在图像分类时考虑图像的颜色特性，同时有效地提取图像纹理特征，能对干净水源图像和污染水源图像进行更准确的分类。

公开(公告)号：CN108364000A

公开(公告)日：2018-08-03

申请号：CN201810249877.2

申请日：2018-03-26

Applicant: 南京大学

Inventor： 路通 ,  孙鑫

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明涉及一种基于神经网络人脸特征提取的相似度获得方法，基于对神经网络架构的改进，引入align架构，在人脸识别前，加入针对人脸图片的矫正过程，能够有效避免引入新的特征点检测算法和人脸矫正方法，如此采用改进型神经网络架构实现了端到端的人脸识别过程，能够有效提高人脸相似度检测的效率与准确率。

公开(公告)号：CN107832837A

公开(公告)日：2018-03-23

申请号：CN201711215956.3

申请日：2017-11-28

Applicant: 南京大学

Inventor： 路通 ,  孟周宇 ,  巫义锐

IPC: G06N3/04 ,  G06N3/08

CPC classification number: G06N3/0454 ,  G06N3/08

Abstract: 本发明公开了一种基于压缩感知原理的卷积神经网络压缩方法及解压缩方法，其中压缩方法包括：预处理步骤、将卷积神经网络中的每一层的权值预处理为一系列矩阵；压缩步骤、将预处理步骤得到的预处理结果进行压缩处理得出压缩后的权值；训练步骤、对压缩后的权值进行训练；编码步骤、对训练步骤训练后的已压缩权值进行编码；模型生成步骤、根据经编码步骤得到的编码结果生成压缩后的卷积神经网络模型文件。本发明基于压缩感知原理的卷积神经网络压缩方法，相比其他方法，会比现在较为流行的直接剪枝量化方法有更高的压缩率，而且可以通过在频域中保留低频信息来防止过多的信息损失。