-
公开(公告)号：CN1845640A
公开(公告)日：2006-10-11
申请号：CN200610040088.5
申请日：2006-04-30
Applicant: 南京大学
IPC: H04Q7/38
Abstract: 所属的技术领域：本发明涉及快衰落无线信道的盲估计方法，具体地说，是一种仅仅根据接收端接收到的信号，对快衰落无线信道的信道特征及其冲激响应进行盲估计的方解决的技术问题：本发明提出一种基于小波变换域的快衰落无线信道盲估计方法。该方法能够更好的获取快衰落无线信道的信道特征(冲激响应)，降低通讯系统的误码率。解决该问题的技术方案的要点：本发明的盲估计方法包括以下步骤：(1)确定小波分解深度和小波收缩阶数。(2)预先计算时变的离散小波基函数C(P，n，M)，并选取相应的迭代初始值。(3)把传统的时域BW算法进行改进，在小波域上构造Kullback－Leibler信息测度，迭代计算新的小波变换域系数，直到收敛为止。(4)小波重构，获得无线信道的时变冲激响应h(n，k)。主要用途：下一代无线通信和WLAN中的信道估计。
-
公开(公告)号：CN1845573A
公开(公告)日：2006-10-11
申请号：CN200610040060.1
申请日：2006-04-30
Applicant: 南京大学
IPC: H04M3/56
Abstract: 本发明公开了一种支持大容量混音的同声传译视频会议系统及方法，提出了基于Mel尺度倒谱特征与支持向量机静音检测方法、大容量混音方法和同声传译方法。可以实现更高的静音检测率、比其它混音方法更多的混音路数和在同一会议室进行多语种同步混音。静音检测方法以Mel尺度倒谱系数为语音特征，二分类支持向量机为分类器判断出静音和正常语音；混音方法采用语音的短时能量作为权重处理依据；多语种同步混音通过定义新的音频数据包头格式实现。
-
公开(公告)号：CN1609629A
公开(公告)日：2005-04-27
申请号：CN200410041938.4
申请日：2004-09-10
Applicant: 南京大学
Abstract: 本发明公开了一种脉冲编码器结合GPS的精确动态定位装置，包括安装在运动体上的GPS接收装置、脉冲编码器和数据处理控制器，GPS接收装置和脉冲编码器均与数据处理控制器连接；GPS接收装置向数据处理控制器提供位置信息，脉冲编码器向数据处理控制器提供数目与位移呈线性关系的脉冲信号，数据处理控制器根据位置信息和脉冲信号得到运动体的精确位置信息。与现有技术相比，本发明利用GPS和脉冲编码器的配合进行高精度动态定位，达到厘米级的定位精度，并且在GPS数据失效的情况下，仍然能够满足精度要求。本发明广泛适用于对运动体进行高精度定位。
-
公开(公告)号：CN1598868A
公开(公告)日：2005-03-23
申请号：CN200410041867.8
申请日：2004-09-06
Applicant: 南京大学
IPC: G06K9/46
Abstract: 特征提取作为模式识别系统的重要模块，其本质是对原始特征数据进行某种变换以降维。本发明就是关于模式识别中特征提取的一种变换方法，它是一种三角矩阵变换方法，具体步骤为：(1)自定义或选取一目标函数(主要指类别可分性判据)，以其最优化作为变换准则；(2)根据原始特征向量的维数，给出带未知参数的三角变换矩阵及其约束；(3)在所给准则下，优化三角变换矩阵之未知参数，即确定出具体的三角变换矩阵；(4)变换；(5)根据变换后特征数据各维的大小或者对可分性的贡献做降维处理。本发明克服了现有方法的一些局限，如要求样本类内离散度矩阵为非奇异矩阵的局限，或者运算量大、可操作性差的局限等。
-
公开(公告)号：CN118196163A
公开(公告)日：2024-06-14
申请号：CN202410354043.3
申请日：2024-03-27
Applicant: 南京大学
IPC: G06T7/55 , G06N3/084 , G06N3/0499
Abstract: 本发明公开了一种基于双目深度估计的数据增强方法，通过调整数据集视差分布，提高双目深度估计网络在视差低占比区域的准确性，所述方法包括：对数据集进行随机采样，得到原始视差分布；数据集中每张视差图以50％的概率被选中进行后续操作，另外50％的数据不做增强，直接输出；对于进行后续操作的图像对，分别进行随机平移变换和缩放变换，通过改变图像对视差大小从而调整数据集视差分布；通过掩码操作使模型只关注指定视差范围，模型在数据增强后的数据集上进行训练。本发明借助双目视觉的方法调整图像对的视差大小，从而使整个数据集在目标视差范围达到均匀分布，提升网络在实际应用场景的推理能力与泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN113065532B
公开(公告)日：2024-02-09
申请号：CN202110543450.5
申请日：2021-05-19
Applicant: 南京大学
IPC: G06F30/27
Abstract: 本发明公开了一种基于RGBD图像的坐姿几何参数检测方法，包括以下步骤：通过图像摄取，获取人体坐姿时的RGB图像信息；对RGB图像信息进行深度识别，获取图像的深度信息；对RGB图像信息进行身体识别，获取图像中人体的稠密关键点信息；对RGB图像信息进行头部识别，获取人体的头部姿态信息；对深度信息、稠密关键点信息和头部姿态信息进行计算，并获取坐姿几何参数；本发明公开的基于RGBD图像的坐姿几何参数检测方法具有高精度、高可靠性、误检率低和成本低的特点。
-
公开(公告)号：CN113129347B
公开(公告)日：2023-12-12
申请号：CN202110453009.8
申请日：2021-04-26
Applicant: 南京大学
Abstract: 本发明涉及一种自监督单视图三维发丝模型重建方法及系统，获取肖像图像样本的发型区域占用图、发丝纹理方向图和投影视角，构建初始的单视图3D发型重建网络，以发型区域占用图和2D占用图的对应像素的差值以及发丝纹理方向图和2D方向图的对应像素的差值构建损失函数，对初始的单视图3D发型重建网络进行训练，最后将待重建肖像图像输入训练好的单视图3D发型重建网络，获得3D数字化发型。本发明在网络训练时无需2D到3D的真实数据对做监督，而是利用单张照片作为输入，借助可微分体积场重投影，将三维数据映射回二维，以输入本身作为约束，完成自监督，利用训练好的单视图3D发型重建网络实现了一种端到端的三维发型重建，让用(56)对比文件刘海舟等.基于头皮层特征点的三维头发重用方法《.计算机应用》.2014,第34卷(第10期),全文.Ligang Cheng等.Automatic HairModeling from One Image《.2019International Conference on VirtualReality and Visualization (ICVRV)》.2020,全文.赵青;余元辉;蔡囯榕.融合表观与曲率特征的三维点云眉毛提取.集美大学学报(自然科学版).2020,(03),全文.
-
公开(公告)号：CN113065532A
公开(公告)日：2021-07-02
申请号：CN202110543450.5
申请日：2021-05-19
Applicant: 南京大学
Abstract: 本发明公开了一种基于RGBD图像的坐姿几何参数检测方法，包括以下步骤：通过图像摄取，获取人体坐姿时的RGB图像信息；对RGB图像信息进行深度识别，获取图像的深度信息；对RGB图像信息进行身体识别，获取图像中人体的稠密关键点信息；对RGB图像信息进行头部识别，获取人体的头部姿态信息；对深度信息、稠密关键点信息和头部姿态信息进行计算，并获取坐姿几何参数；本发明公开的基于RGBD图像的坐姿几何参数检测方法具有高精度、高可靠性、误检率低和成本低的特点。
-
公开(公告)号：CN113052953A
公开(公告)日：2021-06-29
申请号：CN202110411842.6
申请日：2021-04-16
Applicant: 南京大学
Abstract: 本发明公开了一种基于变化光源人脸图像的人脸本质参数确定方法，所述确定方法，首先，固定相机视角，获取不同光照条件下的多张人脸图像；然后，由于反射率和光照球谐系数无法得到事先粗略估计，因而先固定法向量，对反射率和光照进行估计。再固定光照参数和人脸反射率，对法向量进行优化。本发明采用不同光源下的多张人脸图像进行人脸的本质参数的估计，克服了单张人脸图像估计的局限性，能够更加准确的对人脸的各个本质参数进行估计。
-
公开(公告)号：CN112950775A
公开(公告)日：2021-06-11
申请号：CN202110457570.3
申请日：2021-04-27
Applicant: 南京大学
Abstract: 本发明公开了一种基于自监督学习的三维人脸模型重建方法及系统。该方法包括：基于单张人脸图片，利用训练好的编码神经网络预测粗糙三维人脸模型参数；基于所述粗糙三维人脸模型参数构建粗糙三维人脸模型；将所述粗糙三维人脸模型进行UV展开并进行渲染，得到第一渲染图像；将所述单张人脸图像反投影到所述粗糙三维人脸模型后进行UV展开并进行渲染，得到第二渲染图像；基于所述第一渲染图像和所述第二渲染图像，利用训练好的置换贴图预测神经网络预测深度方向置换贴图；将所述深度方向置换贴图叠加到所述粗糙三维人脸模型上，得到重建的三维人脸模型。本发明无需大量采集真实三维人脸模型的情况下，仅使用单张图片即可得到精细的三维人脸模型。
-
-
-
-
-
-
-
-
-
Search Results
143
records
(took 0.071 seconds)
