-
公开(公告)号：CN118015476B
公开(公告)日：2024-06-11
申请号：CN202410418461.4
申请日：2024-04-09
Applicant: 南京理工大学 , 中国铁路上海局集团有限公司南京供电段
IPC: G06V20/10 , G06V10/82 , G06V10/44 , G06V10/62 , G06V10/75 , G06V10/774 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于低参数神经网络与标准化流的铁路外部环境遥感变化检测方法及系统，方法包括：将前后两个时间点的铁路外部环境遥感图像进行差分并提取差分张量，抽取样本进行标记并构造训练样本集训练基本变化检测模型；针对训练样本集中代表变化和不变化的张量样本分别训练标准化流遥感样本生成模型；生成若干近似分布的样本，利用基本变化检测模型评估生成样本的可信度并筛选出增强样本与原始训练样本集合并得到最终的训练样本集，利用软标签和标签平滑技术构造更高质量的标签，利用最终训练样本集训练变化检测模型得到最终的变化检测模型以及变化检测结果图。本发明适用于铁路外部环境变化检测，可获得铁路外部环境变化区域图。
-
公开(公告)号：CN117851061A
公开(公告)日：2024-04-09
申请号：CN202410035067.2
申请日：2024-01-09
Applicant: 南京理工大学
Abstract: 本发明公开了一种面向CPU‑GPU异构片上系统的深度学习神经网络功耗优化调度方法，包括：修改神经网络的实现代码以拆分神经网络，允许定义神经网络的运行模式，选择每一层网络是在CPU上运行还是在GPU上运行，在相应的CPU‑GPU异构片上系统平台测试所有可能的运行模式的时间和功耗数据，并保存；针对电池供电的CPU‑GPU异构片上系统设备，设计电量感知的深度学习神经网络功耗元启发式优化调度算法，根据电量状态并结合任务的实时性要求，使用元启发式算法寻找最适合当前状态的切割方式。本发明能够权衡深度学习神经网络在CPU‑GPU异构边缘设备上运行的实时性和能耗，通过在低电量状态下采用网络层迁移技术和动态电压调整技术，提高异构边缘设备运行深度学习神经网络的续航时间。
-
公开(公告)号：CN112508829B
公开(公告)日：2022-09-27
申请号：CN202010616742.2
申请日：2020-06-30
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于剪切波变换的pan‑sharpening方法。该方法通过结合高空间分辨率全色图像（PAN）和低空间分辨率多光谱图像（MS）的空谱信息，得到具有高空间分辨率的多光谱图像（HRMS）。该方法的核心为两步的剪切波域图像融合；融合过程分为两步进行，且每步都在剪切波域进行。本发明在传统pan‑sharpening方法的基础上，不仅利用了PAN图像的空间结构信息和MS图像的光谱信息，并且充分挖掘了高、低分辨率PAN和MS图像之间的光谱和空间关系，通过这些信息的有机融合，得到了具有光谱保真，空间细节丰富的融合图像。
-
公开(公告)号：CN109801218B
公开(公告)日：2022-09-20
申请号：CN201910013887.0
申请日：2019-01-08
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于多层耦合卷积神经网络的多光谱遥感图像Pan‑sharpening方法，通过两个卷积自编码器分别提取输入图像与输出图像的高层特征，并通过耦合卷积网络在两个高层特征间建立特征映射层的同时在网络的输入与输出图像间建立端到端连接，最终微调整体网络框架。本发明通过卷积自编码器的算法充分提取了图像LM‑HR和图像HR‑MS的内在特征，并通过耦合卷积的方式，在两个内在特征间建立卷积神经网络并在网络的输入与输出间创建连接形成端到端的网络，提高了融合精度。
-
公开(公告)号：CN114118308A
公开(公告)日：2022-03-01
申请号：CN202210091082.X
申请日：2022-01-26
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于约束能量最小化变分自编码的高光谱目标检测方法，包括以下步骤：利用约束能量最小化算法粗检测得到用于网络训练的背景样本；将背景样本输入到变分自编码器网络中进行训练，在变分自编码网络中引入能量最小化约束，从而在训练过程中，抑制疑似目标像元的影响，更好地重构出背景；用原始图像与重构背景作差得到残差，再使用约束能量最小化对残差进行检测得到检测图，其中自相关矩阵由重构的背景成分计算得到，对检测图使用非线性函数抑制背景像素保持目标像素不变，最后根据检测图得到最终的结果。本发明提出将约束能量最小化的自相关矩阵使用重构背景计算，消除了目标对自相关矩阵计算的影响，提高了目标检测精度。
-
Patent Agency Ranking
公开(公告)号：CN113658114A
公开(公告)日：2021-11-16
申请号：CN202110867207.9
申请日：2021-07-29
Applicant: 南京理工大学 , 中国铁路上海局集团有限公司南京供电段
IPC: G06T7/00
Abstract: 本发明公开了一种基于多尺度交叉注意力的接触网开口销缺陷目标检测方法，包括：在视频中选取作为输入网络的图像，并得到输入网络的图像的特征图；将特征图分别输入可变卷积时空融合模块中，得到经过该模块加强后的特征图；针对得到的特征图进行特征目标检测，得到特征目标的中心点坐标以及特征目标的长与宽。本发明充分利用了视频序列图像中的时间上下文信息，设计了可变卷积时空融合模块来克服提取视频序列图像的特征的困难点，得到经过时空融合加强后的特征图，最后在该特征图上进行目标检测，得到最终的检测结果，适用于视频目标检测场景。
-
公开(公告)号：CN113034343B
公开(公告)日：2021-09-03
申请号：CN202110588085.X
申请日：2021-05-28
Applicant: 南京理工大学
Abstract: 本发明公开了一种参数自适应的高光谱图像分类GPU并行方法，包括以下步骤：针对高光谱分类并行算法，在CPU+多GPU异构平台上构造并行计算负载均衡模型；根据CPU+多GPU异构系统负载均衡模型采用二进制编码来对异构系统的参数配置方案进行描述；根据异构系统负载均衡模型采用布谷鸟搜索算法求解CPU+多GPU异构系统负载均衡模型的最优解；根据获得的最优解为异构系统配置相应的参数并运行高光谱遥感图像分类并行算法，参数包括：CPU参与计算的核数、CPU频率、GPU参与计算的设备数、GPU频率和CPU计算的任务占总任务的百分比。本发明能够充分利用CPU与GPU的计算资源，对高光谱遥感数据进行快速地分类。
-
公开(公告)号：CN113157661A
公开(公告)日：2021-07-23
申请号：CN202110451095.9
申请日：2021-04-26
Applicant: 南京理工大学
IPC: G06F16/182 , G06F16/2453
Abstract: 本发明公开了一种基于云平台的高光谱遥感大数据奇异值分解的分布式并行优化方法，包括：将高光谱原始图像分块上传至HDFS分布式文件系统中，使用Spark云计算框架进行分布式并行读取；将读取结果封装成矩阵形式，并执行双边Jacobi方法；将所有分块数据的计算结果进行合并，对合并矩阵执行双边Jacobi算法。本发明能够快速、精确地对高光谱遥感图像进行奇异值分解。
-
公开(公告)号：CN112381106A
公开(公告)日：2021-02-19
申请号：CN202011365545.4
申请日：2020-11-28
Applicant: 南京理工大学 , 中国铁路上海局集团有限公司南京供电段
Abstract: 本发明公开了一种基于全局区域先验注意力机制的目标检测方法，包括如下步骤：遍历所有训练样本，统计目标出现在图像中的频率，得到全局先验注意力；获取待检测图像，利用训练得到的特征提取网络对图像进行特征提取，同时利用卷积神经网络提取自适应注意力，对全局先验注意力进行修正与增强得到自适应全局先验注意力，使用自适应全局先验注意力增强特征图；最后再进行目标检测。本方法提出了全局区域先验注意力机制网络，提升了训练收敛速度，在保证检测速度的同时提高了目标检测精度，在目标种类少出现在特定位置的目标检测应用场景中提升更加明显。
-
公开(公告)号：CN112149652A
公开(公告)日：2020-12-29
申请号：CN202011351142.4
申请日：2020-11-27
Applicant: 南京理工大学
Abstract: 本发明公开了一种用于高光谱图像有损压缩的空谱联合深度卷积网络方法，用于在低比特率下对高光谱图像进行有损压缩，该方法包括：高光谱图像整体输入到卷积神经网络当中训练和测试；编码器和解码器采用卷积结构提取高光谱图像的空谱特征，网络采用的激活函数为广义分裂归一化层，经过量化器和熵编码后得到比特流进行存储和传输；考虑到波段之间的相关性，首先采取单向光谱卷积针对光谱信息进行压缩和解压缩，再通过编码器提取空谱联合特征；网络损失函数为率‑失真损失函数。该损失函数平衡压缩率与图像失真程度，使得网络能够根据不同的平衡因子学习到不同的压缩能力，在性能上有了显著的提升。
-
-
-
-
-
-
-
-
-
Search Results
75
records
(took 0.038 seconds)
