-
公开(公告)号：CN108183811B
公开(公告)日：2020-11-24
申请号：CN201710990985.0
申请日：2017-10-23
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于业务分类的车联网接入连通系统及其控制方法，根据车联网应用场景将业务类型进行优先级分类，结合各类业务特性建立车联网业务服务模型，在此基础上，针对终端连接接入多个业务平台，提出分级连通接入方法。采用上述方式时，终端与多个平台信息交互较频繁、信息量较大，因此采用业务服务模型结合分级控制方式进行处理，以减少对终端其他功能执行速度的影响，且终端稳定性好、工作效率高。
-
公开(公告)号：CN113947537B
公开(公告)日：2024-11-12
申请号：CN202111091274.2
申请日：2021-09-17
Applicant: 南京邮电大学
IPC: G06T5/73 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种图像去雾方法、装置及设备，所述方法包括：获取待处理有雾图像，将有雾图像输入预先训练的去雾模型，获得有雾图像对应的无雾图像；所述去雾模型包括多个残差群组，所述残差群组包括若干串联的残差双重注意力融合模块，残差双重注意力融合模块包括残差块、第一卷积层、通道注意力模块、像素注意力模块和第二卷积层，所述残差块的输出经第一卷积层分别与所述通道注意力模块和像素注意力模块的输入连接，所述通道注意力模块和像素注意力模块的输出融合再进行输出处理，用于实现残差双重注意力融合模块的输出在每个通道图增强全局依赖的同时获得像素特征。本发明将残差双重注意力融合模块作为神经网络的基本模块，提高了去雾效果。
-
公开(公告)号：CN108769675A
公开(公告)日：2018-11-06
申请号：CN201810565703.7
申请日：2018-06-04
Applicant: 南京邮电大学
IPC: H04N19/114 , H04N19/122 , H04N19/119 , H04N19/139 , H04N19/52
CPC classification number: H04N19/114 , H04N19/119 , H04N19/122 , H04N19/139 , H04N19/52
Abstract: 本发明公开了一种基于两阶多假设预测的分布式视频自适应重构方法，在两阶多假设预测的基础上，在第一阶段重构中选取前向重构的关键帧作为前向参考帧；在二次重构中添加了自适应算法，将前向参考帧、后向参考帧以及双向运动补偿算法生成的边信息作为候选参考帧，将所有候选参考帧整合进相同的假设集合中，执行像素域的多假设预测算法得到权重向量；然后计算权重向量的L1范数，通过最大L1范数自适应的选择最终参考帧。本发明充分考虑现有两阶多假设预测的方案，在像素域重构中自适应选择参考帧，解决了由于传统方法选择参考帧所导致的不同类型视频效果不稳定的问题。
-
公开(公告)号：CN113947537A
公开(公告)日：2022-01-18
申请号：CN202111091274.2
申请日：2021-09-17
Applicant: 南京邮电大学
Abstract: 本发明公开了一种图像去雾方法、装置及设备，所述方法包括：获取待处理有雾图像，将有雾图像输入预先训练的去雾模型，获得有雾图像对应的无雾图像；所述去雾模型包括多个残差群组，所述残差群组包括若干串联的残差双重注意力融合模块，残差双重注意力融合模块包括残差块、第一卷积层、通道注意力模块、像素注意力模块和第二卷积层，所述残差块的输出经第一卷积层分别与所述通道注意力模块和像素注意力模块的输入连接，所述通道注意力模块和像素注意力模块的输出融合再进行输出处理，用于实现残差双重注意力融合模块的输出在每个通道图增强全局依赖的同时获得像素特征。本发明将残差双重注意力融合模块作为神经网络的基本模块，提高了去雾效果。
-
公开(公告)号：CN108769675B
公开(公告)日：2021-12-17
申请号：CN201810565703.7
申请日：2018-06-04
Applicant: 南京邮电大学
IPC: H04N19/114 , H04N19/122 , H04N19/119 , H04N19/139 , H04N19/52
Abstract: 本发明公开了一种基于两阶多假设预测的分布式视频自适应重构方法，在两阶多假设预测的基础上，在第一阶段重构中选取前向重构的关键帧作为前向参考帧；在二次重构中添加了自适应算法，将前向参考帧、后向参考帧以及双向运动补偿算法生成的边信息作为候选参考帧，将所有候选参考帧整合进相同的假设集合中，执行像素域的多假设预测算法得到权重向量；然后计算权重向量的L1范数，通过最大L1范数自适应的选择最终参考帧。本发明充分考虑现有两阶多假设预测的方案，在像素域重构中自适应选择参考帧，解决了由于传统方法选择参考帧所导致的不同类型视频效果不稳定的问题。
-
Patent Agency Ranking
公开(公告)号：CN113240691A
公开(公告)日：2021-08-10
申请号：CN202110654344.4
申请日：2021-06-10
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于U型网络的医学图像分割方法，属于图像处理技术领域，包括如下步骤：首先将医学影像数据集的原图和实际分割图按照一定比例分成训练集、验证集以及测试集，并将训练集以及验证集送入改进的恒定缩放分割网络中训练；本发明针对传统传统U型网络中编码器和解码器的部分进行改进，提出恒定缩放的残差网络与循环神经网络结合代替原有的编解码器模块，增强浅层信息与深层语义的灵活性融合，更深入地提取了图像的特征信息，同时提高医学图像分割的精确度。本发明从改进模块结构的角度弥补了传统U型网络捕捉细节信息能力丢失、深浅层信息特征融合比例固定的问题，从而改善了最终的分割结果。
-
公开(公告)号：CN112925611A
公开(公告)日：2021-06-08
申请号：CN202110264399.4
申请日：2021-03-11
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于共享式GPU的分布式容器调度方法及其系统，旨在解决多样化的云计算业务中容器调度不合理、GPU资源利用率低下的技术问题。所述方法包括：实时监听并校验对新的容器：利用校验成功的容器更新容器调度队列；按顺序从容器调度队列中读取待调度容器，并根据容器的GPU标签从集群中选出待调度容器对应的最佳节点；将待调度容器调度到最佳节点上，完成分布式容器调度。本发明能够针对待调度容器的需求选择最适配的节点进行容器调度，保证集群内部节点的负载均衡，提高集群的资源利用率。
-
公开(公告)号：CN109712083B
公开(公告)日：2021-02-12
申请号：CN201811492894.5
申请日：2018-12-06
Applicant: 南京邮电大学
Abstract: 本发明提出一种基于卷积神经网络的单幅图像去雾方法，该方法首先构建训练集作为深度卷积神经网络模型的输入，网络模型包括浅层神经网络模型和深层神经网络模型，浅层网络模型用于提取并融合有雾图像RGB颜色空间的特征，输出为有雾图像的场景深度图；深层网络模型在浅层网络模型的基础上，对场景深度图进行多尺度映射、池化、卷积等操作，输出为有雾图像的透射率图。最后，通过透射率、大气光值以及大气散射模型即可恢复无雾图像。本发明通过对雾化图像RGB颜色空间的特征进行提取和融合，构建浅层卷积神经网络模型，与多尺度深层神经网络模型连接建立端到端的神经网络模型，能在多种场景下实现去雾清晰化，尤其在阴暗环境下可避免图像出现颜色失真。
-
公开(公告)号：CN113240691B
公开(公告)日：2023-08-01
申请号：CN202110654344.4
申请日：2021-06-10
Applicant: 南京邮电大学
IPC: G06T7/11 , G06T5/50 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于U型网络的医学图像分割方法，属于图像处理技术领域，包括如下步骤：首先将医学影像数据集的原图和实际分割图按照一定比例分成训练集、验证集以及测试集，并将训练集以及验证集送入改进的恒定缩放分割网络中训练；本发明针对传统传统U型网络中编码器和解码器的部分进行改进，提出恒定缩放的残差网络与循环神经网络结合代替原有的编解码器模块，增强浅层信息与深层语义的灵活性融合，更深入地提取了图像的特征信息，同时提高医学图像分割的精确度。本发明从改进模块结构的角度弥补了传统U型网络捕捉细节信息能力丢失、深浅层信息特征融合比例固定的问题，从而改善了最终的分割结果。
-
公开(公告)号：CN109712083A
公开(公告)日：2019-05-03
申请号：CN201811492894.5
申请日：2018-12-06
Applicant: 南京邮电大学
Abstract: 本发明提出一种基于卷积神经网络的单幅图像去雾方法，该方法首先构建训练集作为深度卷积神经网络模型的输入，网络模型包括浅层神经网络模型和深层神经网络模型，浅层网络模型用于提取并融合有雾图像RGB颜色空间的特征，输出为有雾图像的场景深度图；深层网络模型在浅层网络模型的基础上，对场景深度图进行多尺度映射、池化、卷积等操作，输出为有雾图像的透射率图。最后，通过透射率、大气光值以及大气散射模型即可恢复无雾图像。本发明通过对雾化图像RGB颜色空间的特征进行提取和融合，构建浅层卷积神经网络模型，与多尺度深层神经网络模型连接建立端到端的神经网络模型，能在多种场景下实现去雾清晰化，尤其在阴暗环境下可避免图像出现颜色失真。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.022 seconds)
