-
公开(公告)号：CN114662655B
公开(公告)日：2024-07-16
申请号：CN202210192161.X
申请日：2022-02-28
申请人： 南京邮电大学
IPC分类号： G06N3/092 , G06N3/045 , G06N3/006 , G06F16/2458 , G06Q50/26
摘要： 本发明公开了一种基于注意力机制的兵棋推演AI分层决策方法及装置，包括进行分层网络建模与强化学习智能体建模，获取到态势推演初始数据进行预处理；获通过智能体局部观察数据，输出当前所有智能体的总体目标；通过智能体局部观察数据和当前所有智能体的总体目标，输出当前所有智能体的当前应采取的决策；通过当前所有智能体的总体目标，筛选并预处理得到此刻的目标态势；利用注意力机制筛选出与目标态势关联最大的智能体局部信息，并进行态势评估；将当前所有智能体的当前应采取的决策输入到兵棋推演环境中，得到更新之后的新态势，通过所述新旧态势之间的差别计算奖励并训练网络，本发明能够有效的解决兵棋推演环境的动态性问题以及稀疏奖励问题，使AI能够实现自主决策，对不同的想定具有一定的适应能力与较高的胜率。
-
公开(公告)号：CN117973568A
公开(公告)日：2024-05-03
申请号：CN202410133574.X
申请日：2024-01-31
申请人： 南京邮电大学
IPC分类号： G06N20/20 , G06V10/764 , G06V10/774
摘要： 本发明涉及机器学习技术领域，具体涉及一种基于自监督知识蒸馏策略的多模态学习方法，包括：将数据集中的图像数据集划分为训练集和测试集；构建多模态学习模型；将训练集和测试集分别输入RTN网络和FIN网络中进行处理；进行RTN网络和FIN网络间的培训过程以计算任务学习的交叉熵损失；提取RTN和FIN网络中的融合特征信息；基于RTN网络中的融合特征信息计算预测结果；基于预测结果、RTN和FIN网络中的融合特征信息计算ITN网络的损失；基于FIN网络中的融合特征信息计算WMEN网络的损失；计算模型总损失，并根据模型总损失进行参数优化。本发明通过RTN网络、FIN网络和MNB网络对训练集数据和测试集数据进行处理，并结合WMEN网络应对多模态数据中某些模态缺失的情况，在极大程度上提高了多模态学习模型的性能。
-
公开(公告)号：CN115034978B
公开(公告)日：2024-04-05
申请号：CN202210565981.9
申请日：2022-05-23
申请人： 南京邮电大学
摘要： 本发明提供一种基于子空间表示结合图嵌入约束的高光谱图像去噪方法，通过获取含有混合噪声的高光谱图像Y，建立观测模型：Y＝X+N；并将原始高光谱图像X进行光谱低秩表示，分解为子空间的基E与系数表示矩阵Z两个低维的待求解子矩阵；对混合噪声进行子空间学习；对光谱之间的图嵌入约束；构建基于子空间表示结合图嵌入约束的高光谱图像去噪模型；采用交替方向乘子法ADMM对模型进行优化求解得到解#imgabs0#进行去噪图像估计，进而获得去除加性混合噪声后的高光谱图像即得到原始干净的图像。该方法能够高效完全处理包括高斯噪声、泊松噪声以及条带噪声的多种混合加性噪声，能够获得优越的去噪效果，在去除混合噪声方面上的有效性和高效性均有提升。
-
公开(公告)号：CN117809338A
公开(公告)日：2024-04-02
申请号：CN202311867336.3
申请日：2023-12-29
申请人： 南京邮电大学
摘要： 本发明属于目标检测领域，公开了一种基于空频域定位和边缘扩散增强的伪装目标检测方法，步骤为：步骤S1、将伪装目标图像输入到主干网络来提取多尺度特征；步骤S2、将主干网络的特征输入到空频域定位网络实现对于伪装目标的图像全局定位，得到伪装目标的初始定位图；步骤S3、将主干网络的特征输入到上下文信息融合网络，获得多尺度融合特征；步骤S4、将伪装目标的初定位图和多尺度融合特征输入到边缘扩散增强网络，逐层获得更为精细的伪装目标分割图；步骤S5、将初定位图和伪装目标分割图同训练集真值图计算损失，训练整个模型。本发明解决了现有模型对于伪装目标定位不准确和对于边缘分割不精细的问题，能够提高伪装目标分割图的质量。
-
公开(公告)号：CN116263937A
公开(公告)日：2023-06-16
申请号：CN202310150306.4
申请日：2023-02-22
申请人： 南京邮电大学
摘要： 本发明属于计算机视觉领域，具体地说，是一种基于多级联金字塔模型的深度图像超分辨率网络算法，提出的模型构建了基于多级联金字塔的深度图像超分辨率网络，解决了跨模态特征提取以及RGB纹理过渡转移等问题。具体来说，首先，模型学习图像R和深度D之间的差异并逼近真值X作为输入信息；接着，输入信息经过四级金字塔训练，合成更高质量的图像信息并通过金字塔最底端输出；最后，将经过训练的残差H与深度图像D相加反向传播矫正H用于恢复超分辨率的图像O。值得注意的是，引入的多尺度金字塔不仅能起到分离高频信息与背景信息的作用，更能一定程度上减少参数量，降低训练难度。
-
公开(公告)号：CN116229068A
公开(公告)日：2023-06-06
申请号：CN202310165792.7
申请日：2023-02-24
申请人： 南京邮电大学
IPC分类号： G06V10/26 , G06V10/80 , G06V10/42 , G06V10/774 , G06T5/50 , G06N3/0464 , G06N3/094
摘要： 本发明提供一种基于渐进式多感受野生成对抗网络的红外图像生成方法及系统，获得配对的原始可见光图像与红外图像，对原始可见光图像与红外图像进行数据预处理，获得可见光图像和真实红外图像，得到数据集；构建渐进式多感受野生成对抗网络模型，渐进式多感受野生成对抗网络模型包括语义分割模块、一级生成对抗网络和二级生成对抗网络；对渐进式多感受野生成对抗网络模型进行训练，获得训练后的渐进式多感受野生成对抗网络模型；对输入的图像，通过训练后的渐进式多感受野生成对抗网络模型，生成红外图像；本发明能够实现生成逼真的红外图像，具备泛化能力强，能够在短时间内生成大量高质量红外图像数据的优势。
-
公开(公告)号：CN116228702A
公开(公告)日：2023-06-06
申请号：CN202310157199.8
申请日：2023-02-23
申请人： 南京邮电大学
IPC分类号： G06T7/00 , G06T7/70 , G06T7/13 , G06V10/42 , G06V10/80 , G06V10/82 , G06V10/774 , G06V10/44 , G06N3/044 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于注意力机制和卷积神经网络的伪装目标检测方法，属于伪装目标检测领域，具体包括：将训练集图像输入至主干网络提取含有伪装目标图像的多尺度特征；将主干网络的Stage3、Stage4、Stage5输出的特征分别输入进位置感知循环卷积模块输出全局特征；利用边缘提取模块提取伪装目标的边缘轮廓信息，得到边缘预测图，并通过伪装目标的边缘标签对进行边界监督；将上述获得的全局特征与边缘轮廓信息融合后，继而进行多尺度特征融合得到多尺度聚合特征，获得伪装目标预测图，并通过伪装目标的二值标签图对其进行深度监督。本发明的伪装目标检测方法能够全面感知伪装目标并细化其边界轮廓，提高伪装目标的检测性能。
-
公开(公告)号：CN116030199A
公开(公告)日：2023-04-28
申请号：CN202310160678.5
申请日：2023-02-24
申请人： 南京邮电大学
摘要： 本发明属于计算机技术领域，具体公开了一种三目散斑结构光三维与颜色纹理重建方法与系统，重建方法包括：搭建三目结构光视觉系统，标定各相机的内、外部和畸变参数；获取数字散斑图像；通过投影仪设备将数字散斑图像投影到被测物；各相机进行同步拍摄图像；对各图像进行极线校正；利用彩色图像匹配得到颜色纹理信息，对灰度图像基于改进的ZNSSD准则，进行亚像素点匹配；基于各相机的内、外部参数和匹配点利用三角法得到被测物的三维数据；将颜色纹理信息和三维数据相结合，得到三维彩色图像。本发明所述三目散斑结构光三维与颜色纹理重建方法在获取更多像素信息提高匹配精度的同时提升计算效率。
-
公开(公告)号：CN115375727A
公开(公告)日：2022-11-22
申请号：CN202110544811.8
申请日：2021-05-19
申请人： 南京邮电大学
摘要： 本发明公开了一种动静态引导的相关滤波器自动跟踪目标方法，构建一种动静态引导的相关滤波器自动跟踪目标模型，使用ADMM方法对相关滤波器自动跟踪目标模型优化求解；输入第一单帧图像和待跟踪目标；步骤3：输入下一单帧图像，进行动静态引导和目标检测；步骤4：对相关滤波器自动跟踪目标模型进行N次优化迭代，并通过相应更新公式更新相关滤波器自动跟踪目标模型；若未到最后一个单帧图像，则返回步骤3；若视频已到最后一单帧图像，则输出每帧视频的最终跟踪得到的目标和视频跟踪平均速率FPS。利用单帧图像的特征作为静态引导，前一单帧图像相关滤波器作为动态引导，共同联合引导下一单帧图像相关滤波器的更新。
-
公开(公告)号：CN110660028B
公开(公告)日：2022-10-14
申请号：CN201910830770.1
申请日：2019-09-04
申请人： 南京邮电大学
摘要： 本发明公开了图像处理技术领域的一种基于联合边缘滤波形态学的小目标检测方法，旨在解决现有技术中对小目标识别难度大、准确率低的技术问题。所述方法包括如下步骤：利用联合边缘滤波函数对原图像的局部像素进行运算，生成原图像的结构元素矩阵；利用原图像的结构元素矩阵对原图像进行联合边缘滤波形态学腐蚀，获取腐蚀后图像，作为背景图像；基于原图像和背景图像进行顶帽变换，获取结果图像；利用自适应阈值对结果图像进行目标识别。
-
-
-
-
-
-
-
-
-
搜索结果
84 条记录 (耗时 0.036 秒)
