-
公开(公告)号：CN113642634B
公开(公告)日：2024-10-29
申请号：CN202110922894.X
申请日：2021-08-12
Applicant: 南京邮电大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/084
Abstract: 一种基于混合注意力的阴影检测方法，包括如下步骤，步骤S1.获取用于训练系统的待处理公用阴影数据集;步骤S2.获取待检测图像；步骤S3.对数据集进行预处理获取对应的训练集与测试集；步骤S4.对待测图像进行预处理；步骤S5.搭建核心神经网络的各模块并进行融合，构建基于混合注意力机制的卷积神经网络；步骤S6.计算卷积神经网络预测与标签的损失，根据损失调整卷积神经网络的参数；步骤S7.将预处理后的待测图像输入到完全训练的卷积神经网络；步骤S8.输出阴影检测结果,对各像素进行阴影属性分类。该方法增加了跨通道维度间和全局阴影特征的提取能力，降低了语义间的关联性，提升了检测系统的泛化性与高效性，使得阴影检测结果更加精确。
-
Patent Agency Ranking
公开(公告)号：CN113642634A
公开(公告)日：2021-11-12
申请号：CN202110922894.X
申请日：2021-08-12
Applicant: 南京邮电大学
Abstract: 一种基于混合注意力的阴影检测方法，包括如下步骤，步骤S1.获取用于训练系统的待处理公用阴影数据集;步骤S2.获取待检测图像；步骤S3.对数据集进行预处理获取对应的训练集与测试集；步骤S4.对待测图像进行预处理；步骤S5.搭建核心神经网络的各模块并进行融合，构建基于混合注意力机制的卷积神经网络；步骤S6.计算卷积神经网络预测与标签的损失，根据损失调整卷积神经网络的参数；步骤S7.将预处理后的待测图像输入到完全训练的卷积神经网络；步骤S8.输出阴影检测结果,对各像素进行阴影属性分类。该方法增加了跨通道维度间和全局阴影特征的提取能力，降低了语义间的关联性，提升了检测系统的泛化性与高效性，使得阴影检测结果更加精确。
-
公开(公告)号：CN113642621B
公开(公告)日：2024-06-28
申请号：CN202110885066.3
申请日：2021-08-03
Applicant: 南京邮电大学
IPC: G06V10/764 , G06V10/44 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于生成对抗网络的零样本图像分类方法，属于深度学习技术领域。包括获取图像数据集；对图像数据集进行预处理得到训练集和测试集；构建核心神经网络，并将训练集输入核心神经网络得到图片图像特征和视觉图像特征，核心神经网络包括卷积神经网络、生成对抗网络、重构网络和注意力网络；计算核心神经网络的损失函数，并对核心神经网络的参数进行调节；图片图像特征和视觉图像特征共同训练得到分类器；将测试集输入分类器进行分类。相较于现有技术，本发明通过在生成对抗网络中加入重构网络，使生成对抗网络生成的视觉图像特征更加多样化；在生成对抗网络中引入注意力网络，以减少视觉图像特征中的干扰信息，提高了分类准确度。
-
公开(公告)号：CN105790805A
公开(公告)日：2016-07-20
申请号：CN201610096801.1
申请日：2016-02-22
Applicant: 南京邮电大学
IPC: H04B7/02 , H04B17/336 , H04B17/391 , H04W24/02 , H04W24/08
CPC classification number: H04B7/024 , H04B17/336 , H04B17/391 , H04W24/02 , H04W24/08
Abstract: 本发明公开了一种基于线性小区的CoMP协作区域半径的确定方法，将协作多点传输与线性小区模型相结合，研究了在线性的小区模型下，协作区与非协作区域的划分问题，探讨了如何划分协作区域与非协作区域从而使小区的遍历容量达到最大，具有一定的新颖性和现实意义，弥补了在这一领域的空白。
-
公开(公告)号：CN113642621A
公开(公告)日：2021-11-12
申请号：CN202110885066.3
申请日：2021-08-03
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于生成对抗网络的零样本图像分类方法，属于深度学习技术领域。包括获取图像数据集；对图像数据集进行预处理得到训练集和测试集；构建核心神经网络，并将训练集输入核心神经网络得到图片图像特征和视觉图像特征，核心神经网络包括卷积神经网络、生成对抗网络、重构网络和注意力网络；计算核心神经网络的损失函数，并对核心神经网络的参数进行调节；图片图像特征和视觉图像特征共同训练得到分类器；将测试集输入分类器进行分类。相较于现有技术，本发明通过在生成对抗网络中加入重构网络，使生成对抗网络生成的视觉图像特征更加多样化；在生成对抗网络中引入注意力网络，以减少视觉图像特征中的干扰信息，提高了分类准确度。
-
公开(公告)号：CN105790805B
公开(公告)日：2019-02-19
申请号：CN201610096801.1
申请日：2016-02-22
Applicant: 南京邮电大学
IPC: H04B7/024 , H04B17/336 , H04B17/391 , H04W24/02 , H04W24/08
Abstract: 本发明公开了一种基于线性小区的CoMP协作区域半径的确定方法，将协作多点传输与线性小区模型相结合，研究了在线性的小区模型下，协作区与非协作区域的划分问题，探讨了如何划分协作区域与非协作区域从而使小区的遍历容量达到最大，具有一定的新颖性和现实意义，弥补了在这一领域的空白。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
