-
公开(公告)号:CN115719457A
公开(公告)日:2023-02-28
申请号:CN202211481338.4
申请日:2022-11-24
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于深度学习的无人机场景下小目标检测的方法,所述方法包括:将无人机拍摄的画面输入预先训练的基于Unet型网络结构的生成器中,输出正常光线的图像;将正常光照的图像输入目标检测网络中,输出多个多维矩阵特征图,所述目标检测网络以卷积块Self‑Block为基础融合了通道注意力机制和空间注意力机制,采用7*7的大卷积核;将多个多维矩阵特征图输入特征金字塔BiFPN‑S模块进行特征融合,输出相应的多个特征图用于预测不同尺寸的目标。
-
公开(公告)号:CN108923854A
公开(公告)日:2018-11-30
申请号:CN201810716693.2
申请日:2018-07-03
Applicant: 南京邮电大学
IPC: H04B10/116 , H04B10/85
CPC classification number: H04B10/116 , H04B10/85
Abstract: 本发明公开了一种确定室内可见光通信不安全区的方法,针对由发射机、合法用户和窃听用户构成的室内可见光通信网,以发射机在接收平面的投影点为圆心,以该投影点到合法用户的距离为半径的圆盘来确定不安全区。当窃听用户位于该不安全区时,将无法保证信息的安全传输。鉴于此,本发明公开了一种对抗不安全区的方法,可以消除或者尽可能地缩小不安全区,从而保证信息尽可能安全的传输。
-
公开(公告)号:CN116152107A
公开(公告)日:2023-05-23
申请号:CN202310176162.X
申请日:2023-02-28
Applicant: 南京邮电大学
Abstract: 本发明属于计算机视觉图像去雾领域,公开了一种基于细节恢复的单幅图像去雾方法,该方法包括步骤1:构建训练用数据集;步骤2:搭建实现图像初步去雾的主干去雾网络:基于U‑Net网络模型,在编码区域引入了基于像素注意力机制的残差模块,在解码区域引入了增强模块;步骤3:搭建实现图像细节恢复的细节恢复网络,引入残差收缩模块和空间注意力机制;步骤4:训练由所述主干去雾网络和所述细节恢复网络构成的整体网络模型;步骤5:测试。本发明可以在有效去雾的同时改善边缘细节信息丢失的问题,减少去雾图像边缘的晕影,生成更高质量的去雾图像。
-
公开(公告)号:CN118552716A
公开(公告)日:2024-08-27
申请号:CN202410604466.6
申请日:2024-05-15
Applicant: 南京邮电大学
IPC: G06V10/25 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开一种基于改进YOLOv8的小目标检测方法,包括:将待检测的小目标图像输入至预训练的基于改进YOLOv8的小目标检测模型中进行识别,获得检测结果;其中,所述基于改进YOLOv8的小目标检测模型的训练方法,包括:获取小目标图像数据集,并将其划分为训练集和验证集;使用骨干网络ATDeNet替换YOLOv8的骨干网络,构建基于改进YOLOv8的小目标检测模型;使用训练集和验证集对构建的小目标检测模型进行训练,得到训练后的基于改进YOLOv8的小目标检测模型。可以显著提高小目标检测的准确性和效率。
-
公开(公告)号:CN108923854B
公开(公告)日:2021-02-09
申请号:CN201810716693.2
申请日:2018-07-03
Applicant: 南京邮电大学
IPC: H04B10/116 , H04B10/85
Abstract: 本发明公开了一种确定室内可见光通信不安全区的方法,针对由发射机、合法用户和窃听用户构成的室内可见光通信网,以发射机在接收平面的投影点为圆心,以该投影点到合法用户的距离为半径的圆盘来确定不安全区。当窃听用户位于该不安全区时,将无法保证信息的安全传输。鉴于此,本发明公开了一种对抗不安全区的方法,可以消除或者尽可能地缩小不安全区,从而保证信息尽可能安全的传输。
-
公开(公告)号:CN118552716B
公开(公告)日:2025-02-11
申请号:CN202410604466.6
申请日:2024-05-15
Applicant: 南京邮电大学
IPC: G06V10/25 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开一种基于改进YOLOv8的小目标检测方法,包括:将待检测的小目标图像输入至预训练的基于改进YOLOv8的小目标检测模型中进行识别,获得检测结果;其中,所述基于改进YOLOv8的小目标检测模型的训练方法,包括:获取小目标图像数据集,并将其划分为训练集和验证集;使用骨干网络ATDeNet替换YOLOv8的骨干网络,构建基于改进YOLOv8的小目标检测模型;使用训练集和验证集对构建的小目标检测模型进行训练,得到训练后的基于改进YOLOv8的小目标检测模型。可以显著提高小目标检测的准确性和效率。
-
-
-
-
-