-
公开(公告)号：CN115271038A
公开(公告)日：2022-11-01
申请号：CN202210842552.1
申请日：2022-07-18
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于时序增强的异构图推荐方法，包括以下步骤：S1、在用户和项目嵌入学习部分，经过查找层得到低维稠密向量后，利用LSTM模块对数据进行处理；S2、在元路径部分，使用优先级分数来生成高质量的路径实例，并通过TCN模块生成单个路径实例嵌入，TCN模块捕获每个序列的时序关系以增强表示，再通过互注意机制进行嵌入的聚合得到元路径的嵌入表示；S3、将用户、项目和元路径三者的嵌入表示进行结合成为一个统一的表示，进行下游的推荐任务。本发明在推荐系统方面，特别是基于由不同类型节点和边组成的异构图上，准确度、召回率上均实现了较佳的效果。
-
公开(公告)号：CN114997340A
公开(公告)日：2022-09-02
申请号：CN202210915495.5
申请日：2022-08-01
Applicant: 南京邮电大学
Abstract: 本发明涉及一种基于图神经网络系统的文献分类方法，设计基于图滤波核和广义非凸范数的图神经网络系统，按处理流程分为第一多层感知器模块、线性整流函数模块、第二多层感知器模块、目标图神经网络模块、归一化指数函数模块，目标图神经网络模块基于图滤波核和广义非凸范数构建，包括用于对图信号进行有用信息提取的图滤波核项、用于对图信号进行全局图光滑处理的图拉普拉斯正则项、以及用于对图信号进行局部图光滑处理的广义非凸范数项，并在应用中，采用预测校验下降上升算法求解该目标图神经网络模块；如此由图神经网络系统构成待训练网络，并进行训练，获得文献分类模型，能够有效提高对文献的分类精度，以及实际文献应用的工作效率。
-
公开(公告)号：CN113781410A
公开(公告)日：2021-12-10
申请号：CN202110981758.8
申请日：2021-08-25
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于MEDU‑Net+网络的医学图像分割方法，包括：采用GoogLeNet中的inception模块替代原U‑Net网络中用于提取图像特征信息的3×3卷积层，其包括多个分支以构成多尺度编码器；对U‑Net网络的解码器做相应优化，采用多尺度解码方式以恢复已获取到的不同尺度的语义信息；其中，编码器和解码器的每个分支均一一对应，引入一层一回传的跳跃连接将编码端提取的信息直接传递至解码端，中间连接的每一部分都是下一个相邻层的转置卷积；结合广义Dice损失函数和Focal损失函数，根据医学图像自身特性引入权重以生成组合形式的损失函数。本发明能够通过少量的数据尽可能多的学习到图像特征，得到更好的分割结果。
-
公开(公告)号：CN111191680A
公开(公告)日：2020-05-22
申请号：CN201911271901.3
申请日：2019-12-12
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于非凸运动辅助的目标检测方法，包括步骤1：将待处理的视频数据输入至已构建的低秩稀疏分解模型中；步骤2：采用交替方向乘子法对构建的低秩稀疏分解模型进行求解，得到输入视频数据中的运动目标；本发明采用非凸γ范数代替传统低秩稀疏分解模型中的秩函数近似表示视频背景的低秩部分，同时考虑到背景在变换域上仍然具有稀疏性的特性，采用l1范数对变换域的背景进行稀疏近似，前景仍然采用表示运动目标稀疏先验的的l1范数。此外，在上述的模型中引入运动辅助信息矩阵，使其融入前景的运动信息，更好的实现视频的运动目标检测。
-
公开(公告)号：CN103164850B
公开(公告)日：2016-09-21
申请号：CN201310078170.7
申请日：2013-03-11
Applicant: 南京邮电大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于压缩感知的多聚焦图像融合方法，属于图像信号处理技术领域。本发明首先对待融合的两幅图像分别进行压缩采样，得到两幅图像的观测向量；对两幅图像的观测向量进行融合，得到融合观测向量；利用融合观测向量重构出待融合的两幅图像的融合图像。本发明采用自适应局部能量测度(ALEM)融合准则对观测向量进行融合，并利用快速持续线性增广Lagrangian法(FCLALM)进行图像重构。本发明还公开了一种基于压缩感知的多聚焦图像融合装置。相比现有技术，本发明可获得更高的图像融合质量，且具有更高的信噪比和更快速的收敛速度。
-
Patent Agency Ranking
公开(公告)号：CN104574450A
公开(公告)日：2015-04-29
申请号：CN201410854478.0
申请日：2014-12-31
Applicant: 南京邮电大学
IPC: G06T9/00
Abstract: 本发明涉及一种基于压缩感知的图像重构方法，包括图像采集的稀疏化、观测值的获取和图像信息的重构三个部分，其中，采用小波高频子带变换，针对图像采集实现稀疏化，从数据采样编码端开始到图像重构解码端结束，以系统化的方式对基于压缩感知的图像稀疏和重构进行设计，并且设计力求简洁性和时效性，同时考虑到整个方法的完整性以及稳定性，在满足高效要求的同时，能够突出重构图像的特征信息，得到高性能的图像重构。
-
公开(公告)号：CN103164850A
公开(公告)日：2013-06-19
申请号：CN201310078170.7
申请日：2013-03-11
Applicant: 南京邮电大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于压缩感知的多聚焦图像融合方法，属于图像信号处理技术领域。本发明首先对待融合的两幅图像分别进行压缩采样，得到两幅图像的观测向量；对两幅图像的观测向量进行融合，得到融合观测向量；利用融合观测向量重构出待融合的两幅图像的融合图像。本发明采用自适应局部能量测度(ALEM)融合准则对观测向量进行融合，并利用快速持续线性增广Lagrangian法(FCLALM)进行图像重构。本发明还公开了一种基于压缩感知的多聚焦图像融合装置。相比现有技术，本发明可获得更高的图像融合质量，且具有更高的信噪比和更快速的收敛速度。
-
公开(公告)号：CN118446778A
公开(公告)日：2024-08-06
申请号：CN202410617317.3
申请日：2024-05-17
Applicant: 南京邮电大学
IPC: G06Q30/0601 , G06F16/9535 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/08 , G06N7/01 , G06F18/25
Abstract: 本发明公开了一种基于双路滤波和门控自适应融合的多行为推荐方法，该方法包括以下步骤：S1、构建一个全局用户‑项目交互图，采用图视图和序列视图两种视图对用户的多种行为数据进行编码；S2、引入门控单元自适应融合序列视图和图视图的单一行为表征，动态对齐不同用户的变化兴趣点；S3、融合序列视图和图视图并推导出最终的用户和物品表征；S4、基于贝叶斯个性化排名损失优化模型，优化模型参数。本发明基于双路滤波和门控自适应融合的多行为推荐方法，在准确率、归一化折损累计增益上均实现了更佳的性能。
-
公开(公告)号：CN113837275B
公开(公告)日：2023-10-17
申请号：CN202111120554.1
申请日：2021-09-24
Applicant: 南京邮电大学
IPC: G06V10/80 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种基于扩张坐标注意力的改进YOLOv3目标检测方法，包括：采用具有不同扩张率的并行的多个扩张卷积结构对坐标注意力模块进行改进，引入扩张坐标注意力模块，构建得到改进YOLOv3目标检测网络；采用多尺度训练策略，预先设定更多不同尺度的图像进行训练。本发明与其他先进的目标检测算法相比，具有更高的检测精度。
-
公开(公告)号：CN113781410B
公开(公告)日：2023-10-13
申请号：CN202110981758.8
申请日：2021-08-25
Applicant: 南京邮电大学
IPC: G06T7/00 , G06T7/11 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于MEDU‑Net+网络的医学图像分割方法，包括：采用GoogLeNet中的inception模块替代原U‑Net网络中用于提取图像特征信息的3×3卷积层，其包括多个分支以构成多尺度编码器；对U‑Net网络的解码器做相应优化，采用多尺度解码方式以恢复已获取到的不同尺度的语义信息；其中，编码器和解码器的每个分支均一一对应，引入一层一回传的跳跃连接将编码端提取的信息直接传递至解码端，中间连接的每一部分都是下一个相邻层的转置卷积；结合广义Dice损失函数和Focal损失函数，根据医学图像自身特性引入权重以生成组合形式的损失函数。本发明能够通过少量的数据尽可能多的学习到图像特征，得到更好的分割结果。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.027 seconds)
