-
公开(公告)号：CN115115654A
公开(公告)日：2022-09-27
申请号：CN202210670321.7
申请日：2022-06-14
Applicant: 北京空间飞行器总体设计部 , 南京理工大学
Abstract: 本发明公开了一种基于显著性和近邻形状查询的物体图像分割方法，步骤如下：S1、在CPU中输入图像I，进行M个尺度的过分割；S2、针对步骤S1划分的每个尺度的区域集合，基于区域上下文和封闭性先验，计算显著性，并将多个尺度的结果进行加权融合，得到图像的显著性图；S3、将得到的显著性图进行划分，通过设置三级阈值T1、T2、T3；S4、根据显著性特征图的相似性查找近邻分割形状，计算得到形状概率图；S5、将形状概率图和颜色概率图融合，通过优化求解Graph Cut问题，得二值分割结果。本发明采用上述的一种基于显著性和近邻形状查询的物体图像分割方法，使形状模型更好地拟合实例形状，具有更优的物体分割性能。
-
公开(公告)号：CN115115654B
公开(公告)日：2023-09-08
申请号：CN202210670321.7
申请日：2022-06-14
Applicant: 北京空间飞行器总体设计部 , 南京理工大学
Abstract: 本发明公开了一种基于显著性和近邻形状查询的物体图像分割方法，步骤如下：S1、在CPU中输入图像I，进行M个尺度的过分割；S2、针对步骤S1划分的每个尺度的区域集合，基于区域上下文和封闭性先验，计算显著性，并将多个尺度的结果进行加权融合，得到图像的显著性图；S3、将得到的显著性图进行划分，通过设置三级阈值T1、T2、T3；S4、根据显著性特征图的相似性查找近邻分割形状，计算得到形状概率图；S5、将形状概率图和颜色概率图融合，通过优化求解Graph Cut问题，得二值分割结果。本发明采用上述的一种基于显著性和近邻形状查询的物体图像分割方法，使形状模型更好地拟合实例形状，具有更优的物体分割性能。
-
公开(公告)号：CN115359350A
公开(公告)日：2022-11-18
申请号：CN202210895602.2
申请日：2022-07-28
Applicant: 北京空间飞行器总体设计部
Abstract: 本发明提出了一种基于图模型的群目标队形变化识别方法，能够描述群目标队形变化数据之间的时空相关性和相互依赖性，并且提升群目标队形变化的识别准确率。本发明面向群目标队形变化序列，构建基于时空轨迹数据的图模型，以描述群目标队形变化数据之间的时空相关性和相互依赖性，具有较强的抗形变能力；并通过建立动态图的递归卷积网络模型，解决了在时序运动和空间结构联合建模的问题，提升了群目标队形变化的识别准确率。
-
公开(公告)号：CN117711636B
公开(公告)日：2024-08-13
申请号：CN202311727080.6
申请日：2023-12-15
Applicant: 南京理工大学
IPC: G16H50/80 , G16H50/50 , G06N3/0464
Abstract: 本发明公开了基于注意力机制的张量时空图卷积的猴痘疫情预测方法，属于人工智能领域和流行病学研究领域的交叉任务。具体而言，该方法首先将流行病网络建模为无向属性图(Graph)，基于航班量和自适应学习共同构建节点的空间邻接关系，节点属性来自所代表国家的猴痘病例数。此外，节点的属性具备动态时序性，从而使整个网络可以被建模为时空图结构。本发明在高维张量空间中建模了时空图内部的时空关联，实现了对时空关联的统一建模。此外，本发明首次将航班信息融入时空图卷积网络，并利用注意力机制来学习额外的空间依赖性，在猴痘疫情病例预测任务中，该方法表现出了优异的性能。
-
公开(公告)号：CN115294347A
公开(公告)日：2022-11-04
申请号：CN202210625740.9
申请日：2022-06-02
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于弦振动理论的目标轮廓提取方法，通过卷积神经网络提取得到图像的特征轮廓，并通过编码‑解码的结构输出对系数预测的系数预测图，；对特征轮廓的初始化位置进行设置；根据当前时刻的轮廓位置从系数预测图，上索引对应的系数，构建用于演化的系数矩阵、系数向量；依据弦振动理论建立的轮廓振动模型，代入已有时刻的轮廓位置和系数矩阵、系数向量，得到更新后的目标轮廓。本发明能够有效地检测出目标轮廓，相比于经典的动态轮廓方法避开了能量项的设计，建立关于轮廓运动的模型，提高了目标形状提取的精确度。
-
Patent Agency Ranking
公开(公告)号：CN112053327A
公开(公告)日：2020-12-08
申请号：CN202010832866.4
申请日：2020-08-18
Applicant: 南京理工大学 , 腾讯科技(深圳)有限公司
Abstract: 本发明实施例公开了视频目标物检测方法、系统及存储介质和服务器，应用于人工智能的信息处理技术领域。视频目标物检测系统会将待检测视频中多个连续帧图像的特征都融合到其中某一帧图像的特征中，形成首次融合特征，然后将首次融合特征中的多层采样特征再融合形成二次融合特征，最后根据二次融合特征对某一帧图像中的目标物进行检测。由于在两次融合特征获取过程中，不仅考虑了待检测视频中各帧图像本身的信息，还考虑了与相邻帧图像之间的序列信息，进一步地考虑了某些重点的特征(即多层采样特征)，使得最终获取的二次融合特征能准确地描述待检测图像中某一帧图像的特征，进而使得根据二次融合特征进行目标物检测的结果也比较准确。
-
公开(公告)号：CN110633661A
公开(公告)日：2019-12-31
申请号：CN201910820020.6
申请日：2019-08-31
Applicant: 南京理工大学
Abstract: 本发明公开了一种融合语义分割的遥感图像目标检测方法，构建改进的特征金字塔网络，提取遥感图像的多层金字塔特征；对金字塔特征进行语义分割，获取目标边界框级别的掩码和语义特征；构建图片笛卡尔直角坐标系，根据提取的金字塔特征和生成的边界框级别的掩码生成与图片坐标轴平行的候选框；根据候选框坐标、多层金字塔特征、语义特征和归一化后的原始图像确定边界框特征，再进行回归和softmax操作得到与坐标轴平行/旋转的边界框的位置信息以及物体的类别信息。本发明提高了遥感图像小目标检测的准确率。
-
公开(公告)号：CN109359568A
公开(公告)日：2019-02-19
申请号：CN201811154729.9
申请日：2018-09-30
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于图卷积网络的人体关键点检测方法，使用卷积神经网络从图像中提取人体特征，预测人体关键点响应图，确定初始关键点坐标；根据预测的关键点坐标，从卷积神经网络中提取对应人体各个关键点的局部特征；建立人体关键点的图模型，根据人体的每个关键点与邻近关键点的位置关系，提取每个关键点的特征向量；把人体各个关键点的特征向量输入图卷积网络，得到每个关键点的偏移，用初始关键点坐标加上偏移，即得优化的关键点预测结果。本发明所预测关键点相比于其他方法，对人体关键点建立图模型，更好地考虑了关键点之间的联系，提高了关键点预测的准确率。
-
公开(公告)号：CN117711636A
公开(公告)日：2024-03-15
申请号：CN202311727080.6
申请日：2023-12-15
Applicant: 南京理工大学
IPC: G16H50/80 , G16H50/50 , G06N3/0464
Abstract: 本发明公开了基于注意力机制的张量时空图卷积的猴痘疫情预测方法，属于人工智能领域和流行病学研究领域的交叉任务。具体而言，该方法首先将流行病网络建模为无向属性图(Graph)，基于航班量和自适应学习共同构建节点的空间邻接关系，节点属性来自所代表国家的猴痘病例数。此外，节点的属性具备动态时序性，从而使整个网络可以被建模为时空图结构。本发明在高维张量空间中建模了时空图内部的时空关联，实现了对时空关联的统一建模。此外，本发明首次将航班信息融入时空图卷积网络，并利用注意力机制来学习额外的空间依赖性，在猴痘疫情病例预测任务中，该方法表现出了优异的性能。
-
公开(公告)号：CN117152527A
公开(公告)日：2023-12-01
申请号：CN202311164907.7
申请日：2023-09-08
Applicant: 南京理工大学
IPC: G06V10/764 , G06V10/766 , G06V10/774 , G06V10/82 , G06V10/84 , G06V10/74 , G06N5/02
Abstract: 本发明公开了一种基于图组合优化的稀疏标记遥感图像目标检测方法，属于遥感图像目标检测的技术领域；构建稀疏标记的遥感图像数据集，并利用有限的标记数据对旋转目标检测器进行预训练。在训练阶段使用学生网络推理预测集，教师网络生成候选伪标签集，并构造全局对象图，基于适当的目标函数用图神经网络去参数化一个概率分布，映射为一个期望的解，根据蒙特卡洛采样和马尔可夫不等式最小化目标函数，从而优化图神经网络，得到最优的伪标签子集，最后利用增加的监督信号不断地更新和优化检测器。本发明采用上述方法，基于图神经网络的组合优化选出最优伪标签子集可以有效地利用有限的标签数据，从而提高稀疏标记遥感图像目标检测的性能。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.043 seconds)
