-
公开(公告)号：CN113255602A
公开(公告)日：2021-08-13
申请号：CN202110726159.1
申请日：2021-06-29
申请人： 江南大学
摘要： 基于多模态数据的动态手势识别方法，属于手势识别领域。本发明以3D卷积神经网络结构为基础，提出了一种多模态数据驱动的深度网络框架。首先，对于不同模态的输入数据，结合并优化多种有效的特征提取机制，大幅度压缩了网络规模，实现从连续图像序列中同时获得动态手势的空间和时域特征。其次，引入了一种新颖的并行分类器结构，能够充分利用所提取的多模态数据特征，从而有效提高模型的鲁棒性和识别准确率。为了验证所提出的网络框架的有效性，在多模态公开数据集SKIG上进行实验，达到了99.40％的识别准确率。结果表明，对于动态手势识别任务，该网络结构在较小的参数规模下实现了较好的识别能力。
-
公开(公告)号：CN113127643A
公开(公告)日：2021-07-16
申请号：CN202110513220.4
申请日：2021-05-11
申请人： 江南大学
摘要： 本发明涉及一种融合微博主题及评论的深度学习谣言检测方法。本发明包括：将微博正文的词序列表示形式经过序列embedding得到向量表示；将其与微博正文的词袋模型形式输入到TMN结构中得到融合了主题信息的微博正文特征；提取相应微博评论的语义特征；将融合了主题信息的微博正文特征与微博评论的语义表示联合训练分类器。本发明通过融合潜在主题和相应评论来训练谣言检测模型，使用该模式可判断微博是否属于谣言，无需人工处理；本发明所提出的TopCom模型融合了潜在主题和评论的优点，在基于微博的谣言检测任务中取得了良好的性能。
-
公开(公告)号：CN113077097A
公开(公告)日：2021-07-06
申请号：CN202110400908.1
申请日：2021-04-14
申请人： 江南大学
摘要： 本发明公开了一种基于深度时空相似性的空气质量预测方法，属于环境保护技术领域。所述方法对目标站点的空气质量相关指标进行预测时，将空气污染的时间性变化与空间扩散关系有效结合起来，进而选取出目标站点的时空相似站点，将目标站点、目标站点的时空相似站点以及目标站点的地理近邻站点所采集的空气质量监测数据以及气象数据分别作为长短时神经网络LSTM模型的输入，得出不相关的输出结果，进而采用支持向量回归SVR整合的方式，得到目标站点的空气质量相关指标数据的预测值。本发明通过将空气污染的时间性变化与空间扩散关系有效结合，也即提出一种更有效的方式选择更加高度相关的数据来对空气质量进行预测，使得预测结果更加精确。
-
公开(公告)号：CN112949319A
公开(公告)日：2021-06-11
申请号：CN202110270079.X
申请日：2021-03-12
申请人： 江南大学
IPC分类号： G06F40/30 , G06F40/284 , G06N3/04 , G06N3/08
摘要： 本发明涉及一种文本中多义性单词的标注方法、设备、处理器和存储介质；所述方法包括输入待处理的原始语料库；训练上下文相关词嵌入模型，获得上下文相关向量；根据上下文相关向量搭建语义向量生成算法，区分每个单词的多个含义，并对原始语料库进行标注；输出标注多义性的伪文档。本发明利用上下文相关词嵌入模型，通过对多义性单词的不同语义进行标注，消除多种语义的歧义，相较于没有考虑单词多义性的文本来说，对后续文本处理，文本分类，主题模型等任务的准确度有较大的提升。
-
公开(公告)号：CN111767882A
公开(公告)日：2020-10-13
申请号：CN202010639950.4
申请日：2020-07-06
申请人： 江南大学
摘要： 本发明涉及一种基于改进YOLO模型的多模态行人检测方法，属于深度学习目标检测领域。该基于改进YOLO模型的多模态行人检测算法，使用KAIST数据集中一一对应的可见光图片和红外光图片样本进行训练，得到训练好的模型，通过训练好的模型检测可见光-红外光图片对中是否包含行人目标，该基于YOLO网络的多模态行人检测算法使用并行Darknet53作为特征提取网络，分别提取可见光模态和红外光模态的多尺度特征图，而且使用了加权特征融合层和CBAM注意力机制，使可见光特征和红外光特征图片更好的融合，再将多尺度注意力加权融合特征图依次级联并送入YOLO层中进行行人检测。
-
公开(公告)号：CN109583355B
公开(公告)日：2020-10-09
申请号：CN201811406445.4
申请日：2018-11-23
申请人： 江南大学
摘要： 本发明公开了一种基于边界选择的人流统计的装置和方法，属于深度学习和图像处理领域。本发明通过对YOLO神经网络进行改进，即将YOLO单元的划分从7×7增加到9×9，每个单元的检测数量增加到3，再用SqueezeNet中的Fire模块分别替代YOLO‑PC神经网络中的第16个、第18个和第24个3×3的卷积层，并将Fire模块中的压缩部分的卷积核数量由128减少为96，重新训练网络，即可得到新的S‑YOLO‑PC神经网络，再利用S‑YOLO‑PC神经网络进行边界选择的人流统计，利用新的神经网络，使得其在模型大大缩小的情况下提高了其精确度，能够用于多种场合的人流检测。
-
公开(公告)号：CN104809499A
公开(公告)日：2015-07-29
申请号：CN201510234198.4
申请日：2015-05-08
申请人： 江南大学
IPC分类号： G06N3/00
摘要： 本发明公开了一种基于随机漂移粒子群优化算法的动态环境优化方法，属于动态环境多目标优化技术领域。本发明通过以下算法过程：(1)用分层聚类将初始化粒子群分成若干子群；(2)更新所有子群粒子的速度和位置；(3)计算粒子的适应值，评估并选取最优粒子；(4)对子群进行重叠检测、拥挤检测和收敛性检测；(5)对整个粒子群进行环境变化检测；(6)判断是否满足迭代终止条件，解决了动态环境优化控制变量可能陷入局部最优解，并求解最优值的速度慢的问题，并具有较强的鲁棒性和适应性。
-
公开(公告)号：CN101216939A
公开(公告)日：2008-07-09
申请号：CN200810019451.4
申请日：2008-01-04
申请人： 江南大学
摘要： 本发明涉及一种基于量子行为粒子群算法的多分辨率医学图像配准方法，特征是首先将待配准的两幅图像进行去除背景，使得图像避免噪声的干扰，然后将去除背景后的两幅图像利用小波变换方法得到低分辨率的图像，以低分辨率图像作为对象，将它们的归一化互信息作为目标函数，利用具有量子行为的粒子群优化算法，再以高分辨率图像作为对象，利用Powell方法，得到两幅待配准图像之间的旋转量与平移量以完成图像的配准。本发明解决了基于互信息的目标函数存在许多局部极值，大大地提高了配准精度和速度，达到了亚像素级；在临床诊断的图像判别、放射治疗的图像定位和外科手术的图像引导等领域有广泛的应用。
-
公开(公告)号：CN111814884B
公开(公告)日：2024-09-17
申请号：CN202010664220.X
申请日：2020-07-10
申请人： 江南大学
IPC分类号： G06V10/82 , G06V10/776 , G06V10/774 , G06V10/40 , G06N3/0464
摘要： 本发明提供了一种基于可变形卷积的目标检测网络模型的升级方法，属于神经网络图像处理领域。该方法可以将原本的网络模型参数继承给带有可变形卷积结构的网络模型，提升网络的特征提取能力，并经过少量的训练，得到比之前模型更好的结果。此方法在多个目标检测模型和多个目标检测数据集上得到了有效性证明。
-
公开(公告)号：CN117745390B
公开(公告)日：2024-07-19
申请号：CN202311821171.6
申请日：2023-12-26
申请人： 江南大学
IPC分类号： G06Q30/0601 , G06Q30/0201 , G06N7/02 , G06N3/126
摘要： 本发明涉及模糊供应链配置优化技术领域，公开一种多种群遗传算法的多目标模糊供应链配置优化方法和系统，包括：获取供应链中每个成员的配置的时间和成本，构建时间和成本的隶属度函数和模糊集，使用贴近度理论从模糊集中消除时间和成本的模糊性；根据供应链中的成员的配置的时间和成本构建供应链整体的总时间的目标函数和总成本的目标函数，构建用于优化时间和成本的种群，结合使用贪婪方法和多种选择策略求解所述供应链整体的总时间的目标函数和总成本的目标函数，得到供应链中的成员的配置的最优选择方案。本发明可以在综合多目标优化的同时降低求解难度、提高解的质量。
-
-
-
-
-
-
-
-
-
搜索结果
118 条记录 (耗时 0.076 秒)
