-
公开(公告)号：CN109862350B
公开(公告)日：2020-09-22
申请号：CN201910149737.2
申请日：2019-02-27
申请人： 江南大学
IPC分类号： H04N17/00
摘要： 基于时空域特征提取的无参考视频质量评价方法，其所需数据量小，计算复杂度低，适用于无线应用的实时测评，可大大降低视频质量评价时延性，提高评价结果获取效率，其包括以下步骤：S1，选取一幅噪声视频作为待评价视频，S2，对待评价视频进行颜色空间转换，获取噪声视频的亮度信号值、色度信号值，S3，提取预处理后的噪声视频的时域特征、时空域特征，S31，采用分帧处理方法提取时域特征，获取视频帧差图，S32，将视频帧差图送Xception网络提取时空域特征，S4，对时空域特征进行拼接，获取拼接图，然后采用PCA方法对拼接图进行降维处理，获取深度处理特征，S5，建立XGBOOST模型，获得噪声视频的图像噪声指标，S6，采用性能指标对图像噪声指标进行评价。
-
公开(公告)号：CN111445454A
公开(公告)日：2020-07-24
申请号：CN202010222849.9
申请日：2020-03-26
申请人： 江南大学
摘要： 一种图像真伪鉴别方法及其在证照识别中的应用，属于数字图像处理领域。随着数字图像编辑软件的开发与应用，不法分子可以对身份证、营业执照、经营许可证等图像进行违规编辑，并造成一种以假乱真的效果。因此，图像取证的需求变得日益迫切起来，现有的模型大多只能检测出图像是否经过篡改，而不能很好地分割出篡改区域。本文提出了一种基于卷积神经网络的图像篡改检测方法，通过融合篡改图像的多种特征，可以有效地分割图像中的篡改区域。我们在多个数据集上做了实验，实验结果进一步表明了我们工作的有效性。
-
公开(公告)号：CN110781680A
公开(公告)日：2020-02-11
申请号：CN201910985413.2
申请日：2019-10-17
申请人： 江南大学
IPC分类号： G06F40/289 , G06F40/30 , G06F16/332 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 基于孪生网络和多头注意力机制的语义相似度匹配方法，属于自然语言处理问答系统领域。本发明提出模型SNMA，它使用双向GRU构建孪生网络分别对两个句子嵌入进行编码，之后对编码信息利用Jaccard距离进行信息聚合；同时，我们利用多头注意力机制将两个句子的信息进行交互，最终将交互信息与孪生网络得到的聚合信息进行融合。本发明我们首次将多头注意力机制用在了语义相似度匹配工作中；在四个中文语义相似度数据集中验证了我们工作的有效性。
-
公开(公告)号：CN110009679A
公开(公告)日：2019-07-12
申请号：CN201910148554.9
申请日：2019-02-28
申请人： 江南大学
摘要： 本发明提供一种基于多尺度特征卷积神经网络的目标定位方法，属于计算机视觉领域。本方法针对实际应用中诸多数据集标签部分缺失、无定位标注等问题，提出了基于多尺度特征卷积神经网络的弱监督定位方法，其核心思想利用神经网络分层的特性，在多层卷积层上使用梯度加权类激活映射，生成梯度金字塔模型，并通过均值滤波计算特征质心位置，利用置信强度映射和阈值梯减模块产生连接的像素段，围绕最大边界标注进行弱监督定位。在标准测试集上的实验结果表明，算法能够在存在大量类别、多尺度图像的情况下完成目标定位，具有较高的精确度。
-
公开(公告)号：CN109977165A
公开(公告)日：2019-07-05
申请号：CN201910303197.9
申请日：2019-04-16
申请人： 江南大学
IPC分类号： G06F16/26
摘要： 本发明公开了一种三目标模式挖掘模型，属于数据挖掘技术领域。三目标模式挖掘模型为：Maximize F(X)＝{(f1(X),f2(X),f3(X))T}，其中，f1(X)表示模式X的相对支持度，f2(X)表示模式X的占有度，f3(X)表示模式X的相对效用值。本发明基于支持度，占有度和效用值建立了三目标模式挖掘模型，满足了用户对数据集中出现频繁且完整同时具有较高效用值的模式的需求，达到了高质量进行数据挖掘的目的；该三目标模式挖掘模型应用于货品管理中，结合支持度、占有度和效用值的综合考虑，可挖掘出易被客户一起购买且完整同时具有较高效用值的商品组合，便于超市管理员指定合理的销售策略。
-
公开(公告)号：CN109583355A
公开(公告)日：2019-04-05
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：CN106770318A
公开(公告)日：2017-05-31
申请号：CN201611114036.8
申请日：2016-12-07
申请人： 江南大学
IPC分类号： G01N21/88
CPC分类号： G01N21/8851 , G01N2021/8887
摘要： 本发明公开了一种基于改进的背景差分法的焊缝缺陷实时检测方法，特征是包含如下的步骤：步骤一：提取焊缝图像的核心区域，尽可能排除会影响缺陷检测结果的因素；步骤二：采用改进的背景差分法构建背景模型；步骤三：将每个样本的核心区域依次与背景模型作差分，提取焊缝缺陷区域，根据缺陷区域总面积判断焊缝样本是否存在缺陷；步骤四，根据一定的规则更新背景模型，保证背景模型能适应当前的检测环境。本发明具有良好的自动化性能，较高的实时性等优点，能够以较高的准确率识别出缺陷焊缝，提升了焊缝生产的效率和质量。
-
公开(公告)号：CN106558064A
公开(公告)日：2017-04-05
申请号：CN201611112244.4
申请日：2016-12-07
申请人： 江南大学
摘要： 本发明公开了一种基于元胞量子行为粒子群算法的目标跟踪方法，属于计算机视觉领域。本发明基于C9邻域的粒子群优化算法的改进，结合粒子滤波的部分优点提供一种新的目标跟踪框架。该方法通过结合粒子滤波的重采样，运用高斯混合模型评价适应值，并改进粒子的拓扑结构来实现更加精准的目标跟踪。本发明解决了现有QPSO目标跟踪算法存在着粒子被错误引导而造成过早收敛的情况，以及算法进入搜索中后期收敛速度变慢的情况。当对象随意运动或者外观上发生大的变化时，本发明的跟踪框架更有效，更加广泛地应用于计算机视觉领域。
-
公开(公告)号：CN101387888B
公开(公告)日：2010-12-15
申请号：CN200810156869.X
申请日：2008-09-27
申请人： 江南大学
摘要： 本发明公开了一种基于二进制量子粒子群算法的移动机器人路径规划方法，特征是包含如下步骤：步骤一：把机器人简化成一个点，并在二维空间内运动，通过视觉系统能感知自己目前的位姿和障碍物的位置；步骤二：将机器人视觉系统感知到的所有障碍物处理成凸多边形；步骤三：将二维空间离散化为一系列的栅格，并对移动机器人在每一个栅格处的八个可能运动方向进行二进制编码；步骤四：定义从起点到目标点的路径的长短为该方法需要求解的目标函数；步骤五：针对机器人路径规划问题的离散特征，利用二进制量子粒子群算法对步骤四中的目标函数进行全局优化以得到最优的移动机器人路径。本发明具有过程简单、容易实现、鲁棒性好、求解效率高等优点。
-
公开(公告)号：CN117173037B
公开(公告)日：2024-07-09
申请号：CN202310967877.7
申请日：2023-08-03
申请人： 江南大学
IPC分类号： G06T5/70 , G06V10/774 , G06N3/0455 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种针对图像降噪的神经网络结构自动搜索方法，属于图像降噪技术领域。首先通过设计一种基于U‑Net的变长对称编码策略，结合空间注意力以及通道注意力机制，可以构建出包含高性能降噪网络结构的搜索空间。然后设计一种基于短轮次训练的回归映射补偿方法，通过引入网络结构的参数量，全轮次训练下的网络降噪性能以及短轮次作为先验知识，可以有效减少搜索过程中需要的搜索时间和搜索资源需求，同时提升短轮次训练策略的可靠性。最后，通过设计一种基于参数权重动态分配的进化算法，有效提升种群中个体的降噪性能，帮助搜索到性能更好的网络结构，实现更加高效的搜索。通过实验证明该方法搜索出的网络结构拥有良好的降噪性能。
-
-
-
-
-
-
-
-
-
搜索结果
118 条记录 (耗时 0.085 秒)
