-
公开(公告)号：CN112468676B
公开(公告)日：2021-08-24
申请号：CN202011338227.9
申请日：2020-11-25
申请人： 江南大学 , 江苏宇迪光学股份有限公司
摘要： 本发明公开一种国密加密图像信息传输方法，包括如下步骤：由网络摄像机捕捉图像信息并由网络摄像机对捕捉的图像信息进行国密加密；响应于对捕捉的图像信息进行国密加密，由网络摄像机向基站发送调度请求；响应于基站正在使用第一资源分配方式，由网络摄像机在第一时隙的第一符号集合中监听由基站发送的第一DL控制消息；响应于在第一时隙的第一符号集合中监听到第一DL控制消息，由网络摄像机在第一时隙的第二符号集合中监听由基站发送的DL参考信号；响应于在第一时隙的第二符号集合中监听到由基站发送的DL参考信号，由网络摄像机在第一时隙的第三符号集合中向基站发送UL参考信号；响应于监听到第一DL控制消息，由网络摄像机在第二时隙的第一符号集合上监听由基站发送的第二DL控制信息。
-
公开(公告)号：CN113052271A
公开(公告)日：2021-06-29
申请号：CN202110528150.X
申请日：2021-05-14
申请人： 江南大学
摘要： 本发明公开了一种基于深度神经网络的生物发酵数据预测方法，包括如下步骤：获取并预处理样本光谱数据以得到训练集；利用训练集对自监督特征提取网络模型进行训练以优化特征提取网络模型参数；利用经特征提取的数据对自动编码器网络模型进行训练以建立降维模型；对经降维模型挑选的数据进行TSK模糊回归以建立浓度预测模型；输入待测溶液的光谱数据以预测溶液浓度。本发明结合自监督学习的深度自动编码器特征提取方法，既能构造比传统的主成分分析法更为复杂的非线性映射，还可以保证其提取的特征具有利于后续的回归预测方法的语义信息，结合TSK回归预测，可以避免光谱数据维度过大、冗余信息较多的问题，而且能给出精确且具有可解释性的结果。
-
公开(公告)号：CN112492274A
公开(公告)日：2021-03-12
申请号：CN202011342299.0
申请日：2020-11-26
申请人： 江南大学 , 江苏宇迪光学股份有限公司
IPC分类号： H04N7/18 , H04N1/44 , H04W12/03 , H04W24/08 , H04B17/318 , H04B17/382
摘要： 本发明公开了一种基于普通网络摄像机的国密加密传输方法，包括如下步骤：由第一网络摄像机收集图像数据并对图像数据进行国密加密；由第二网络摄像机收集图像数据并对图像数据进行国密加密；响应于对图像数据进行国密加密，由第一网络摄像机向宏基站发送调度请求；响应于接收到调度请求，由宏基站在第一时隙的第一符号集合上向第一网络摄像机发送第一PDCCH消息；响应于接收到第一PDCCH消息，由第一网络摄像机监听由宏基站发送的第一PDSCH消息；响应于接收到对于经过国密加密的图像数据的请求，由第一网络摄像机向宏基站发送经过国密加密的图像数据；由第一网络摄像机监听由宏基站发送的参考信号的信号质量。
-
公开(公告)号：CN112468676A
公开(公告)日：2021-03-09
申请号：CN202011338227.9
申请日：2020-11-25
申请人： 江南大学 , 江苏宇迪光学股份有限公司
摘要： 本发明公开一种国密加密图像信息传输方法，包括如下步骤：由网络摄像机捕捉图像信息并由网络摄像机对捕捉的图像信息进行国密加密；响应于对捕捉的图像信息进行国密加密，由网络摄像机向基站发送调度请求；响应于基站正在使用第一资源分配方式，由网络摄像机在第一时隙的第一符号集合中监听由基站发送的第一DL控制消息；响应于在第一时隙的第一符号集合中监听到第一DL控制消息，由网络摄像机在第一时隙的第二符号集合中监听由基站发送的DL参考信号；响应于在第一时隙的第二符号集合中监听到由基站发送的DL参考信号，由网络摄像机在第一时隙的第三符号集合中向基站发送UL参考信号；响应于监听到第一DL控制消息，由网络摄像机在第二时隙的第一符号集合上监听由基站发送的第二DL控制信息。
-
公开(公告)号：CN109994197B
公开(公告)日：2019-12-31
申请号：CN201910264984.7
申请日：2019-04-03
申请人： 江南大学
摘要： 本发明公开了一种基于人工智能的医疗大数据处理系统，该医疗大数据处理系统包括：用于由移动终端收集用户的医疗相关信息的单元；用于由移动终端确定通过第一无线接入技术向医疗大数据处理平台发送所收集的医疗相关信息的单元；用于如果在确定通过第一无线接入技术向医疗大数据处理平台发送所收集的医疗相关信息之后，由移动终端接收到医疗大数据处理平台发送的第一测量报告请求，则移动终端执行第一处理的单元；用于由医疗大数据处理平台基于第一测量报告向移动终端发送医疗相关信息请求消息的单元；以及用于响应于接收到医疗相关信息请求消息，由移动终端通过第一无线接入技术向医疗大数据处理平台发送所收集的医疗相关信息的单元。
-
公开(公告)号：CN104282022B
公开(公告)日：2017-02-08
申请号：CN201410525629.8
申请日：2014-09-29
申请人： 江南大学
IPC分类号： G06T7/10
摘要： 本发明公开了一种具备多视角学习能力的模糊聚类图像分割方法。该方法以经典的模糊C均值算法作为基础方法，针对经典模糊C均值算法对一个具体事物在多个视角下获取的图像进行分割最终获取最终分割结果时无法全面的利用图像信息而造成分割效果不佳的问题，提出了一种具备多视角学习能力的模糊聚类图像分割方法。该图像分割方法在处理某一事物的多视角图像分割任务时，能够有效地保有各视角图像的独立信息，同时挖掘出各视角下图像的共性信息。此外，还将引入一种视角加权技术增强分割效果。在上述机制的共同作用下首先可获取各个视角下的聚类结果，然后依靠上述获取的各视角下的聚类结果通过一个集成决策方法最终获取更为可靠的图像分割结果。
-
公开(公告)号：CN102881019A
公开(公告)日：2013-01-16
申请号：CN201210384176.2
申请日：2012-10-08
申请人： 江南大学
摘要： 本发明公开了一种具备迁移学习能力的模糊聚类图像分割方法。该方法以经典的模糊C均值算法作为研究对象，针对模糊C均值算法在面对带噪声的图像时抗噪声能力弱的缺陷，提出了一种具备迁移学习能力的模糊聚类图像分割方法。此图像分割方法在处理新的图像时，特别针对含噪声污染的图像，该方法能够有效地学习利用以往大量的相似图像通过模糊C均值算法所总结得到的可靠的聚类知识，该类知识一般被描述为聚类中心，通过将上述可靠知识引入到当前的新图像分割任务中可以有效地引导当前的聚类任务的完成并起到抗噪的效果，进而获取更为精准的聚类中心及更为精确的图像分割结果。
-
公开(公告)号：CN117726815B
公开(公告)日：2024-07-02
申请号：CN202311758269.1
申请日：2023-12-19
申请人： 江南大学
IPC分类号： G06V10/26 , G06V20/70 , G06V10/82 , G06V10/52 , G06V10/80 , G06V10/762 , G06V10/764 , G06N3/045 , G06N3/084
摘要： 本申请公开了一种基于异常检测的小样本医学图像分割方法，涉及医学技术领域，该方法利用特征提取模块对输入的支持切片图像提取支持特征以及对输入的查询切片图像提取查询特征，利用原型提取模块基于支持特征及对应的超像素标签提取得到各个前景类别的前景原型，利用异常检测模块基于查询特征和各个前景类别的前景原型得到分割结果，继而结合对应的超像素标签计算得到损失函数进行模型训练用于小样本医学图像分割。该方法引入异常检测模块使得网络模型能够更好地适应医学图像的特殊性，从而更好地应对不同器官、不同密度和不同结构的医学图像分割，能够有效提高小样本医学图像分割的性能和可靠性。
-
公开(公告)号：CN117079095A
公开(公告)日：2023-11-17
申请号：CN202310751557.8
申请日：2023-06-25
申请人： 江南大学
IPC分类号： G06V10/82 , G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/096 , G06N3/0985
摘要： 本发明涉及计算机视觉技术领域，公开一种基于深度学习的高空抛物检测方法、系统、介质和设备，包括：获取高空抛物物体的图像并进行预处理，结合预处理后的图像建立有标注的数据集，对数据集进行数据增强并分成训练集、验证集和测试集；构建包括自注意力机制的轻量级神经网络模型，使用训练集训练模型，结合网格寻优和验证集优化训练后的模型得到最终的模型；将测试集输入最终的模型得到高空抛物物体的检测结果。本发明可以加快运算速度、提高实时处理能力，提升模型对目标位置的定位能力，提高对高空抛物物体的检测效果。
-
公开(公告)号：CN114638745B
公开(公告)日：2023-08-18
申请号：CN202210258218.1
申请日：2022-03-16
申请人： 江南大学
IPC分类号： G06T3/00 , G06T7/33 , G06N3/0464 , G06N3/0455 , G06N3/0985
摘要： 本发明公开了一种基于多借鉴信息的医学影像智能转换方法，涉及图像处理技术领域，该方法将待转换MR图像输入医学影像转换模型得到由待转换MR图像转换得到的CT图像，模型中的多借鉴信息提取模块提取待转换MR图像的若干层多借鉴信息，各层多借鉴信息反映待转换MR图像的高维特征并分别输入模型的解码模块的各个解码层中，可以达到可解释性和减少传统对抗生成网络中不可避免的随机性，从而将MR图像高效率、高质量的转换为CT图像。
-
-
-
-
-
-
-
-
-
搜索结果
65 条记录 (耗时 0.103 秒)
