-
公开(公告)号：CN107907856B
公开(公告)日：2021-07-27
申请号：CN201711004481.3
申请日：2017-10-24
Applicant: 东南大学
Abstract: 一种基于虚拟参考标签的RFID定位方法及系统，包括一组标签天线、一组阅读器天线、一组待定位标签和处理器，本发明通过先根据标签天线的信号强度和相位建立标签指纹空间，然后利用该标签指纹空间对其中的待定位标签进行定位。由于采用了双属性插值的方法，本发明在传统信号强度维度的基础上，加入对相位信息的考量，同时对信号强度和相位这两个维度的参数进行插值，增加虚拟参考标签。因此，本发明的精度高于在传统的单一信号特征属性上插值构成虚拟标签的技术，同时无需额外增加标签数量，可有效避免标签之间干扰所引入的误差，定位效果更为精确。
-
公开(公告)号：CN111783838A
公开(公告)日：2020-10-16
申请号：CN202010504793.6
申请日：2020-06-05
Applicant: 东南大学
IPC: G06K9/62
Abstract: 本发明公开了一种用于激光SLAM的点云特征空间表征方法，基于深度学习网络建立点云空间与点云特征空间的双向映射，在此特征空间实现了激光SLAM中的闭环检测、重定位等关键问题和地图压缩存储与传输。通过自编码器结构的神经网络实现对大场景点云的全局描述特征提取与压缩重建，设计了编码器网络提取全局描述特征构成点云的特征空间并以此特征空间中的距离给出场景的相似性度量，用于判断两个或多个场景结构是否相似，实现激光SLAM的闭环检测与重定位；通过所设计的解码器网络对点云进行重建，从编码器网络提取的全局描述特征重建原始点云，实现点云地图的压缩存储与低带宽传输；所构建的编码器网路不需要提前根据点云地图进行训练，具有强大的泛化能力。
-
公开(公告)号：CN110930308A
公开(公告)日：2020-03-27
申请号：CN201911116480.7
申请日：2019-11-15
Applicant: 东南大学
Abstract: 本发明公开了一种图像超分辨生成网络的结构搜索方法，由网络结构控制器自动采样最优的生成器的网络结构，不再依赖专家手工设置，采样出的图像超分辨生成网络可以根据自身性能给网络结构控制器提供奖励信号，使得网络结构控制器不断更新自身参数，且高分辨生成图像可获得最优峰值信噪比和结构相似性；当所需进行超分辨操作的图像大小、特征发生改变时，重新通过网络结构控制器搜索得到当前特征形态图像下的最优图像超分辨生成网络。
-
公开(公告)号：CN108734733A
公开(公告)日：2018-11-02
申请号：CN201810473571.5
申请日：2018-05-17
Applicant: 东南大学
Abstract: 本发明公开了一种基于麦克风阵列与双目摄像头的说话人定位与识别方法，主要依托麦克风阵列和占用资源较少的TDOA方法进行说话人粗定位，之后再结合精度更高但是视野狭小的双目摄像头进行准确定位，在实现了精准的360°全方位声源定位的基础上大幅减少了软件开销，使得系统能够获得更高的刷新率，或者在空闲时间内执行其他任务；同时，本发明还利用了动态调整的加权平均方法来权衡声音和图像的识别结果使得最终系统输出的识别结果更为准确可靠。
-
公开(公告)号：CN105160612A
公开(公告)日：2015-12-16
申请号：CN201510402461.6
申请日：2015-07-09
Applicant: 东南大学
Abstract: 本发明公开了一种医疗机构智能管理系统及管理方法，包括基于UHF RFID的多对象步速测量系统、数据中心、医生端上位机。其中，基于UHF RFID的多对象步速测量系统包括无源电子标签、RFID天线、多通道RFID阅读器、网络传输模块，可以实现同时对多人的步速测量；所述的数据中心用于存储病人的相关数据，并利用最小均方差自适应滤波及互相关算法对多通道RFID阅读器记录的强度数据进行处理，进而计算出被测对象的行走速度；所述的医生端上位机用于显示数据中心中病人数据供医生参考。本发明可以实现对病人步速的在线测量与健康评估，为医生的诊断提供更多的生理参数参考。
-
Patent Agency Ranking
公开(公告)号：CN118447317A
公开(公告)日：2024-08-06
申请号：CN202410580273.1
申请日：2024-05-11
Applicant: 东南大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/049 , G06V10/80 , G06V10/762 , G06N3/088 , G06N3/084 , G06V10/36
Abstract: 本发明公开了一种基于多尺度脉冲卷积神经网络的图像分类学习方法，包括步骤（1）以脉冲神经元为基本单元设计多尺度脉冲卷积神经网络的结构；步骤（2）将输入信号按照对比度强度编码为时域中的离散脉冲事件；步骤（3）卷积时空特征提取；步骤（4）多尺度卷积时空特征融合；步骤（5）SNN输出层无监督聚类学习；相比于其他利用误差反向传播实现音频识别的模型，本发明的整个网络基于与权重相关的STDP无监督学习规则训练的，通过调节参数，在MNIST数据集上实现了93.7%的分类精度；将训练好的多尺度脉冲卷积神经网络图像分类模型部署到神经拟态芯片或以脉冲神经网络为基础的类脑计算平台上，实现对图像的高效识别；具有更好的生物可解释性。
-
公开(公告)号：CN117826075A
公开(公告)日：2024-04-05
申请号：CN202311819709.X
申请日：2023-12-27
Applicant: 东南大学
Abstract: 本发明提出了一种基于多基站的UHF RFID标签三维定位方法及系统，该定位方法基于PDOA的测距方法，在标签高度已知和未知的情况下定位目标标签的三维位置。该定位系统包括阅读器，三个或多个定位基站。标签高度未知时单个基站使用三个、四个、六个或更多数量的天线，标签高度已知时单个基站使用两个天线即可，每个基站放置相同数量的天线。设定两个天线之间距离小于射频信号波长的一半，通过同一射频信号频率下PDOA的测距方法获取标签的入射角和到基站的距离。通过多个基站使用三角定位法获得待测标签的位置。通过本发明，可以实现在任意场景下准确定位目标标签。
-
公开(公告)号：CN116796207A
公开(公告)日：2023-09-22
申请号：CN202310784438.2
申请日：2023-06-29
Applicant: 东南大学
IPC: G06F18/23 , G06F18/241 , G06F18/25 , G06F18/214 , G06N3/049 , G06N3/08
Abstract: 本发明公开了一种基于脉冲神经网络的自组织映射聚类方法，以脉冲神经元为基本单元来构造时间自适应自组织映射TASOM算法模型；在TASOM算法模型中设置邻域范围，获胜的脉冲神经元根据周围脉冲神经元的距离远近来调整脉冲神经元之间的突触连接权重；在TASOM算法模型中设置抑制系数，在训练过程中，抑制系数随着训练步长的更新而更新，抑制强度随抑制系数的增大而增大，从而来影响脉冲神经元的脉冲发放；基于所述算法模型构建的全连接脉冲神经网络模型,在不同数据集训练后能够完成聚类以及分类任务。本发明为通过脉冲神经网络实现聚类提供了一种方法，使得以脉冲神经网络为基础的图像聚类效果更好。
-
公开(公告)号：CN116703747A
公开(公告)日：2023-09-05
申请号：CN202310438279.0
申请日：2023-04-23
Applicant: 东南大学
IPC: G06T5/00 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0475 , G06N3/09 , G06N3/094
Abstract: 本发明公开了一种基于扩散条件生成算法的虚拟试衣图像修复方法，属于深度学习图像修复领域，以改进后的Unet作为骨架网络，通过交叉注意力的融合方式引入虚拟试衣相关图片条件编码进行图像修复重建。根据虚拟试衣图像采集到的成对的图片，使用监督训练的方式不断迭代，得到适合修复模型的扩散步数和多头注意力的头数。最终在多个图像生成类指标，IS、SSIM、FID上都取得了最优的评测指数。这一方法在很多指标上都超过现有的基于深度学习实现的图像修复算法，并且改善了传统虚拟试衣的试穿效果。
-
公开(公告)号：CN115379559A
公开(公告)日：2022-11-22
申请号：CN202211008100.X
申请日：2022-08-22
Applicant: 东南大学
Abstract: 本发明提供了一种基于差分进化和多元牛顿迭代的最优位置估计算法，该算法包括差分进化算法、坐标变换和多元牛顿迭代算法，该算法采用无线测距技术和基站定位技术获取算法所需的待定位目标与基站的距离数据和基站的定位数据。首先，进行完备的定位误差模型机理建模。其次，利用差分进化算法初步估计待定位目标的位置初值。再者，利用坐标变换原点构建相对定位坐标系并进行坐标变换。最后，使用多元牛顿迭代算法配合坐标变换结果对待定位目标的位置进行精确估计。本发明所提出的最优位置估计算法可配合各种无线测距技术使用，能明显抑制待定位目标的位置估计误差，大幅度提高基于测距的相对定位精度。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.017 seconds)
