-
公开(公告)号：CN117994623A
公开(公告)日：2024-05-07
申请号：CN202410299814.3
申请日：2024-03-15
Applicant: 南京信息工程大学 , 南京信息工程大学无锡研究院
IPC: G06V10/80 , G06V10/774 , G06V10/44 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了计算机视觉技术领域的一种图像特征向量的获取方法，旨在解决局部信息丢失、图像特征不够丰富全面且提取精度低的技术问题。其包括：创造性地提出MAMSD模型解决传统图像检索中的局部信息丢失和手动提取特征的限制，通过卷积神经网络多头注意力机制和多尺度特征融合机制提高信息提取效率；在MAMSD模型中引入NetVLAD层，更准确地描述图像的局部细节，提高图像特征向量的检索准确性和稳定性；通过ResNet50卷积网路模型、MobileNet_V2卷积网路模型和ConvNeXt_T卷积网路模型提取局部特征描述符，解除了手动提取特征的限制，提高了模型对特征的自主学习效率。
-
公开(公告)号：CN119089966A
公开(公告)日：2024-12-06
申请号：CN202411570880.6
申请日：2024-11-06
Applicant: 南京信息工程大学 , 南京信息工程大学无锡研究院
IPC: G06N3/082 , G06N3/0455 , G06N3/0464 , G06T7/269
Abstract: 本发明公开了一种面向边缘部署的光流模型轻量化剪裁方法，包括以下步骤：（1）获取数据集Flying Chairs作为训练集和验证集并进行预处理；（2）将预处理后的数据集输入到全局匹配光流神经网络即GMFlow神经网络中进行训练；（3）对GMFlow神经网络进行裁剪即轻量化处理；（4）获取测试集数据MPI Sintel Dataset，对步骤（3）得到的结果进行测试，选择最优方案；本发明对光流估计在边缘设备上的部署进一步发展提供了思路。
-
公开(公告)号：CN118070846A
公开(公告)日：2024-05-24
申请号：CN202410467973.X
申请日：2024-04-18
Applicant: 南京信息工程大学 , 南京信息工程大学无锡研究院
IPC: G06N3/0442 , G06N3/0475 , G06N3/094 , G06N3/0455 , G06V10/82 , G06V10/74 , G01W1/10
Abstract: 本发明公开了一种短临降水预测方法、装置及存储介质，该方法包括：获取HKO‑7数据集中的原始雷达回波图像数据进行预处理，获得图像序列；对图像序列进行上采样及重塑处理，得到最新图像序列；将最新图像序列输入至预先训练的ConvLSTM‑TransGAN模型，获得雷达预测图像，用于短临降水预测；解决基于时空序列的预测模型难以生成清晰真实雷达回波图像的情况。
-
公开(公告)号：CN117914412A
公开(公告)日：2024-04-19
申请号：CN202410082332.2
申请日：2024-01-19
Applicant: 南京信息工程大学 , 南京信息工程大学无锡研究院
IPC: H04B10/61 , H04B10/556
Abstract: 本发明公开了一种无线光通信多用户检测方法及验证方法，所述检测方法包括获取来自不同用户的不同信号，将信号调制到相干态；将相干态的信号输入预先构建的基于对称相干态信号的多址信道模型中，使用最小误差判别法MED或者无歧义状态判别法USD进行多用户检测，获取检测结果，本发明旨在使用基于相干态的量子测量技术实现无线光通信中的多址访问和多用户检测，将MED和USD两种量子测量方法应用在具有相干态信号的多址信道中，对无线光通信中的多用户检测问题提供了新的解决方法。本发明利用量子检测技术可以使多址信道适应光信号功率较低的通信环境，非常适合于自由空间光通信，特别是在接收信号功率受到高度限制的深空光通信中。
-
公开(公告)号：CN117873117A
公开(公告)日：2024-04-12
申请号：CN202410160863.9
申请日：2024-02-05
Applicant: 南京信息工程大学 , 南京信息工程大学无锡研究院
Abstract: 本发明公开了一种机器人路径规划技术领域的运动路径规划方法，旨在解决现有技术中狭窄通道和多障碍地图的路径规划速度慢计算量高的问题。其包括：通过预先根据地图中障碍物信息设置参考点，并使用参考点引导节点采样方式，提高路径规划效率和质量，减少无效区域节点生成，优化了计算资源利用率；通过改进节点采样方式和基于障碍物信息的地图参考点策略，路径生成能力更强，生成更高质量路径，防止路径过长，增强算法对狭窄通道的适应性，兼顾了机器人的通过性限制；由于参考点的生成是预先的，对于同一张地图每次不同起始点和目的点的路径规划任务，生成好的参考点组可多次使用，因此针对固定区域内的路径规划任务，相较于传统RRT算法的优势更大。
-
Patent Agency Ranking
公开(公告)号：CN118227822B
公开(公告)日：2024-09-27
申请号：CN202410662513.2
申请日：2024-05-27
Applicant: 南京信息工程大学 , 南京信息工程大学无锡研究院
IPC: G06F16/58 , G06N3/0464 , G06V10/762 , G06V10/44
Abstract: 本发明公开了计算机视觉技术领域的一种用于检索的图像向量获取方法，旨在解决现有的图像向量获取方法无法兼顾轻量化、精度要求，且无法学习输入描述符的技术问题。其包括：预先构建混合聚合特征索引图像检索模型，包括空间分割层、卷积层和BOF层，图像数据集输入混合聚合特征索引图像检索模型生成图像向量；在BOF层之前引入空间分割技术以便于分割空间段进行局部特征的提取，BOF层量化输出后，拼接每一个空间段的输出结果获得图像最终的特征向量，有效提高了图像检索的性能并减少网络中的参数数量，保留了图像中特征所携带的空间信息；即不降低图像检索模型精度的情况下提高模型的性能，降低存储开销、计算量和卷积神经网络参数数量。
-
公开(公告)号：CN118227822A
公开(公告)日：2024-06-21
申请号：CN202410662513.2
申请日：2024-05-27
Applicant: 南京信息工程大学 , 南京信息工程大学无锡研究院
IPC: G06F16/58 , G06N3/0464 , G06V10/762 , G06V10/44
Abstract: 本发明公开了计算机视觉技术领域的一种用于检索的图像向量获取方法，旨在解决现有的图像向量获取方法无法兼顾轻量化、精度要求，且无法学习输入描述符的技术问题。其包括：预先构建混合聚合特征索引图像检索模型，包括空间分割层、卷积层和BOF层，图像数据集输入混合聚合特征索引图像检索模型生成图像向量；在BOF层之前引入空间分割技术以便于分割空间段进行局部特征的提取，BOF层量化输出后，拼接每一个空间段的输出结果获得图像最终的特征向量，有效提高了图像检索的性能并减少网络中的参数数量，保留了图像中特征所携带的空间信息；即不降低图像检索模型精度的情况下提高模型的性能，降低存储开销、计算量和卷积神经网络参数数量。
-
公开(公告)号：CN118604917A
公开(公告)日：2024-09-06
申请号：CN202411089699.3
申请日：2024-08-09
Applicant: 南京信息工程大学
IPC: G01W1/10 , G01S13/95 , G06V10/62 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/045
Abstract: 本发明公开了基于空间相关特征提取和深度时空融合网络的降水临近预报方法，其包括以下步骤：（1）在HKO‑7数据集中对不同时间点的雷达回波反射率图像中每个像素的特征序列进行分组，构造特征矩阵；（2）采用皮尔逊相关系数计算特征矩阵各列之间的相关系数，以评估雷达回波反射率图像序列中各像素点之间的空间相关性；（3）通过得到的皮尔逊相关系数矩阵选择雷达回波反射率图像的空间相关区域，提取雷达回波反射率图像序列的空间相关特征；（4）在轨迹门控循环模型TrajGRU中引入空间自注意力机制SAM模块，构建深度时空融合网络DST‑FN并进行训练；（5）验证深度时空融合网络的有效性；本发明提高了气象的预测能力。
-
公开(公告)号：CN118778940B
公开(公告)日：2025-01-14
申请号：CN202411255465.1
申请日：2024-09-09
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于LLVM的IEC61131‑3工业PLC语言编译器,采用前后端分离的设计，即ieclang作为前端，lLLVM编译器作为后端，使源代码经过词法分析、语法分析、语义分析、填充符号表、LLLVM编译器操作等步骤后输出最终的目标代码，能够实现解耦合、提高可移植性、实现模块化、方便于优化并且可以实现并行开发；本发明与传统的MatIec相比较，不仅能够在同样可以输出C语言可执行文件的基础上解决其转换为ANSI C并使用C编译器编译该代码可能会阻止某些优化的缺点，还在处理不同的代码时以处理时间为基准体现了更优的性能。
-
公开(公告)号：CN118762529A
公开(公告)日：2024-10-11
申请号：CN202411255473.6
申请日：2024-09-09
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于GCN‑STARNN的交通流量预测方法包括以下步骤：（1）获取开源网站交通流量数据集并预处理；（2）构建时空注意递归神经网络并进行训练；其中，时空注意递归神经网络包括：图卷积神经模块即GCN模块、时空注意递归神经模块即STARNN模块和输出模块；其中，GCN模块与STARNN模块并联；GCN模块用于提取交通路网的空间特征；时空注意递归神经模块用于交通路网时间特征；时空注意递归神经模块由卷积注意力模块和卷积长短时记忆模块模块；（3）输出预测结果。本发明有效提高了交通流量预测的准确率和精度，较现有方法具有更好的性能表现。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.058 seconds)
