一种基于多模态感知的智能终端认证方法及该智能终端

    公开(公告)号:CN103974244A

    公开(公告)日:2014-08-06

    申请号:CN201410220918.7

    申请日:2014-05-23

    Applicant: 南京大学

    Inventor: 谢磊 周伟 陆桑璐

    Abstract: 本发明公开了一种基于多模态感知的智能终端认证方法及该智能终端,该方法首先对每个智能终端施加完全相同的环境作用,各智能终端实时采集自己的传感器特征值;之后在无线网络上依次广播,每个智能终端在接收到广播的特征值后,将接收到的特征值和自己进行相似度匹配,如果匹配成功,则生成一个共同的密钥;各个智能终端用户使用这个密钥实现数据传输。该智能终端包括多模态感知数据收集与预处理模块、数据通信模块、感知数据匹配与认证模块、密钥生成模块。利用加速度传感器和陀螺仪传感器实现多模态感知认证机制,实现智能终端在不安全的无线网络通道与临近的智能终端进行通信。

    一种基于射频识别技术的停车场车位监控系统及工作方法

    公开(公告)号:CN103208204A

    公开(公告)日:2013-07-17

    申请号:CN201310163033.3

    申请日:2013-05-07

    Applicant: 南京大学

    Abstract: 本发明公开了一种基于射频识别技术的停车场车位监控系统及其工作方法,系统主要包括射频识别阅读器、射频识别外接天线、射频识别标签、后台射频信号处理服务器。后台射频信号处理服务器又包括:车位实时检测引擎和车位导航显示界面。在此系统中,通过在空间中部署适当的射频识别标签阵列,利用标签反射的无线射频信号被铁磁屏蔽的情况下发生衰减的特性,感知停车位此时有车与否、车辆停放是否安全到位,进而为停车场管理系统提供数据参考。本发明提供一种低成本的空车位自动检测机制,为寻车位提供导航机制,以界面友好的方式实时显示空车位的个数和位置,检测车辆是否停放安全。

    一种基于射频识别技术的停车场车位监控系统

    公开(公告)号:CN103208204B

    公开(公告)日:2015-01-14

    申请号:CN201310163033.3

    申请日:2013-05-07

    Applicant: 南京大学

    Abstract: 本发明公开了一种基于射频识别技术的停车场车位监控系统及其工作方法,系统主要包括射频识别阅读器、射频识别外接天线、射频识别标签、后台射频信号处理服务器。后台射频信号处理服务器又包括:车位实时检测引擎和车位导航显示界面。在此系统中,通过在空间中部署适当的射频识别标签阵列,利用标签反射的无线射频信号被铁磁屏蔽的情况下发生衰减的特性,感知停车位此时有车与否、车辆停放是否安全到位,进而为停车场管理系统提供数据参考。本发明提供一种低成本的空车位自动检测机制,为寻车位提供导航机制,以界面友好的方式实时显示空车位的个数和位置,检测车辆是否停放安全。

    一种基于不完全监督信息的多维度牙周炎识别和检测方法

    公开(公告)号:CN119993458A

    公开(公告)日:2025-05-13

    申请号:CN202510097299.5

    申请日:2025-01-22

    Abstract: 本发明公开一种基于不完全监督信息的多维度牙周炎识别和检测方法,首先,获取标注的牙周疾病图像,排除掉无法识别的图像并将剩余图像中需要识别的部分裁剪出来,并根据牙龈是否发炎和牙周退缩程度两个维度对图像进行分类;接着,基于多维度分类模型估计全部样本的标签分布,并用于修改每个类别数据的训练损失;然后,基于多维度分类模型对无标注牙周炎图像数据生成伪标签,并将通过估计现有参数的类别偏差来获取更精准的伪标签,利用矫正标签重新训练模型;最后,利用训练好的模型生成图像对应的最终标签,得到最终的识别结果。本发明利用半监督学习的框架,在仅有少量标注数据且数据类别不均衡的场景下,通过估计标签分布得到无偏损失,并通过估计类别偏差来矫正伪标签,解决了类别不均衡和标注数据有限两个问题,能使模型达到较高的识别准确率。

    一种基于迁移学习的牙周疾病图像分类方法和系统

    公开(公告)号:CN118351367A

    公开(公告)日:2024-07-16

    申请号:CN202410462765.0

    申请日:2024-04-17

    Abstract: 本发明公开一种基于迁移学习的牙周疾病图像分类方法和系统,包括患者牙周图像的识别与筛选、牙周图像的预处理和数据集制作、预训练模型的获取、基于迁移学习的深度模型训练和更新。首先,获取医院实际拍摄的患者照片序列,并从中识别出患者的牙周正面照片,对识别出的数据进行预处理;然后,基于迁移学习方法,利用牙周数据对预训练模型进行训练与微调,最终得到一个具有泛化性的预测模型。本发明利用迁移学习的方法,使得深度模型在少量数据上仍能达到很好的分类准确率,从而降低数据收集的难度,提升牙周疾病图像识别与分类的准确率。基于端到端的思想,面向原始图片序列自动进行目标图片的识别与预测,从而降低医生的工作量,具有良好的应用前景。

Patent Agency Ranking