-
公开(公告)号：CN116934618B
公开(公告)日：2024-06-11
申请号：CN202310857834.3
申请日：2023-07-13
Applicant: 江南大学
Abstract: 本发明公开了一种基于改进残差网络的图像半色调方法、系统及介质，包括以下步骤：步骤S1：获取图像数据集，划分为训练集和测试集；步骤S2：将所述训练集输入到HalfResNet网络模型进行训练，其中所述HalfResNet网络模型是基于ResNet网络模型进行改进的；步骤S3：训练完成后得到权重参数，将所述权重参数加载至所述HalfResNet网络模型中，针对待处理的图像，运行HalfResNet网络模型可以得到与其对应的伪半色调图像，所述伪半色调图像经过筛选处理输出高质量半色调图像。本发明将深度学习模型与半色调图像相结合，生成的半色调图像能够保持较好的结构细节的同时，极大地提高了处理效率。
-
公开(公告)号：CN118587091A
公开(公告)日：2024-09-03
申请号：CN202410733392.6
申请日：2024-06-07
Applicant: 江南大学
IPC: G06T3/4053 , G06T3/4046 , G06T7/90 , G06V10/44 , G06V10/82 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/096
Abstract: 本发明涉及图像处理领域，尤其是指一种基于多任务学习的图像联合处理方法及系统，该方法包括：构建图像联合处理模型；其中，所述图像联合处理模型包括浅层特征提取模块、深层特征提取模块、超分重建模块和半色调重建模块；设计联合损失函数对所述图像联合处理模型进行训练，得到训练后的图像联合处理模型；所述训练后的图像联合处理模型通过所述超分重建模块生成超分辨率图像，通过所述半色调重建模块生成半色调图像。本发明通过共享模型的方式进行联合建模，在损失函数中，设计了一种联合损失方式，分别添加了图像半色调损失和图像超分损失，同时优化图像超分和图像半色调的效果，也解决了现有多任务模型的计算复杂度高、处理速度慢的问题。
-
公开(公告)号：CN114564157A
公开(公告)日：2022-05-31
申请号：CN202210264860.0
申请日：2022-03-17
Applicant: 江南大学
Abstract: 本发明涉及电子信息技术领域，特别涉及一种数字喷墨打印机用SOC架构，SOC架构包括主处理器、位协处理器、加速引擎、文件存储器和随机存储器，主处理器分别与位协处理器和加速引擎通信连接，主处理器分别与文件存储器和随机存储器通信连接，主处理器用于接收上位机数据进行渲染处理并下发，位协处理器用于控制打印机的喷头，位协处理器与喷头连接，加速引擎包括分色模块和缩放模块，加速引擎用于运算渲染工作的核心算法，核心算法包括分色算法和缩放算法。本发明设计一种领域专用的SOC架构来替代现有数字喷墨打印机中上位机、主控模块、喷头控制模块的方式，把系统间的通信改进为芯片内的通信，确保了高速打印时数据传输的实时性。
-
公开(公告)号：CN116416559B
公开(公告)日：2024-08-02
申请号：CN202310397174.5
申请日：2023-04-14
Applicant: 江南大学
IPC: G06V20/40 , G06V10/762 , G06V10/74 , G06F17/16
Abstract: 本发明提供一种基于事件的谱聚类运动目标检测方法及系统，该方法包括输入样本集中的某个事件帧；选取所述事件帧中的部分数据点n，并融合距离建立相似矩阵A；基于所述相似矩阵A计算得到部分数据点n的聚类结果；基于部分数据点n与剩下的未分类数据点n'之间的关系建立相似矩阵A'，根据所述相似矩阵A'得到剩下的未分类数据点n'的聚类结果；将部分数据点n和剩下的未分类数据点n'及其聚类结果进行合并；输出该事件帧所有数据的聚类结果。本发明将部分事件数据的聚类结果作为指导并基于重构事件帧之间的关系来计算其他数据的聚类结果，降低了计算时间消耗，提升运动目标检测效率；自适应地获取聚类数目，避免人工设置的主观性误差。
-
公开(公告)号：CN117011819A
公开(公告)日：2023-11-07
申请号：CN202310992383.4
申请日：2023-08-08
Applicant: 江南大学
IPC: G06V20/56 , G06V10/77 , G06V10/80 , G06N3/048 , G06N3/045 , G06V10/82 , G06N3/0464 , G06V10/42 , G06V10/44
Abstract: 本发明涉及车道线检测技术领域，尤其是指一种基于特征引导注意力的车道线检测方法、设备及存储介质。本发明所述车道线检测方法包括：使用特征残差神经网络作为车道线检测模型的骨干网络，对包含车道线的图片进行车道线特征提取，输出多尺寸的特征图；使用均衡特征金字塔网络作为车道线检测模型的跨尺度特征融合模块，对所述特征残差神经网络生成的每一个尺寸的特征，通过上下采样操作生成金字塔对应的多个尺寸，再将相同尺寸的特征图融合；使用ROI Gather作为车道线检测模型的检测模块，迭代更新预设定的车道线，输出最终检测出的车道线。本发明所述方法通过集中分析重点区域，在保证精度的同时提高了检测速度。
-
Patent Agency Ranking
公开(公告)号：CN116416559A
公开(公告)日：2023-07-11
申请号：CN202310397174.5
申请日：2023-04-14
Applicant: 江南大学
IPC: G06V20/40 , G06V10/762 , G06V10/74 , G06F17/16
Abstract: 本发明提供一种基于事件的谱聚类运动目标检测方法及系统，该方法包括输入样本集中的某个事件帧；选取所述事件帧中的部分数据点n，并融合距离建立相似矩阵A；基于所述相似矩阵A计算得到部分数据点n的聚类结果；基于部分数据点n与剩下的未分类数据点n'之间的关系建立相似矩阵A'，根据所述相似矩阵A'得到剩下的未分类数据点n'的聚类结果；将部分数据点n和剩下的未分类数据点n'及其聚类结果进行合并；输出该事件帧所有数据的聚类结果。本发明将部分事件数据的聚类结果作为指导并基于重构事件帧之间的关系来计算其他数据的聚类结果，降低了计算时间消耗，提升运动目标检测效率；自适应地获取聚类数目，避免人工设置的主观性误差。
-
公开(公告)号：CN114879919B
公开(公告)日：2023-03-24
申请号：CN202210604425.8
申请日：2022-05-31
Applicant: 江南大学
Abstract: 本发明公开了一种图像快速缩放打印系统及方法，包括上位机，用于传输待打印图像，主控装置，与所述上位机连接，所述主控装置搭载图像处理芯片，利用深度网络结构对所述待打印图像进行放大处理，得到放大图像数据，喷头控制器，与所述主控装置连接，基于所述放大图像数据，控制打印喷头完成打印任务；采用图像处理芯片取代上位机软件处理图像的方式，解决了以往上位机处理超大图像导致中间数据膨胀，使得数据传输带宽成为打印快慢的瓶颈的难题，实现了以硬件方式替代了传统大数据量传输方式；利用深度学习方法对图片放大，取得了比现有技术采用经典插值实现图像放大的方法更好的图像缩放效果，使得打印的图像更清晰，提高了打印作品的质量。
-
公开(公告)号：CN114138707B
公开(公告)日：2023-02-21
申请号：CN202111448732.3
申请日：2021-11-30
Applicant: 江南大学
IPC: G06F15/78
Abstract: 本发明公开了一种基于FPGA的数据传输系统，其特征在于：包括主机端和FPGA端；所述FPGA端包括：CMAC模块、TCP/IP模块和用户自定义加速模块；IP模块用于接收网络数据包转发至对应的上层模块并将来自上层模块的数据校验封装后发送给以太网模块；TOE模块包括通用TOE模块和镜像TOE模块，所述通用TOE模块发送和接收TCP数据，并完成TCP拥塞控制；所述镜像TOE模块用于对交换机镜像端口开发完成TCP数据的接收和重排；用户自定义加速模块，用于部署数据加速程序硬件，处理接收到的数据，将处理完的数据发送至TCP/IP模块或主机端。本发明实现主机内存、全局内存和网络通信之间的低延迟数据传输及计算。
-
公开(公告)号：CN114138707A
公开(公告)日：2022-03-04
申请号：CN202111448732.3
申请日：2021-11-30
Applicant: 江南大学
IPC: G06F15/78
Abstract: 本发明公开了一种基于FPGA的数据传输系统，其特征在于：包括主机端和FPGA端；所述FPGA端包括：CMAC模块、TCP/IP模块和用户自定义加速模块；IP模块用于接收网络数据包转发至对应的上层模块并将来自上层模块的数据校验封装后发送给以太网模块；TOE模块包括通用TOE模块和镜像TOE模块，所述通用TOE模块发送和接收TCP数据，并完成TCP拥塞控制；所述镜像TOE模块用于对交换机镜像端口开发完成TCP数据的接收和重排；用户自定义加速模块，用于部署数据加速程序硬件，处理接收到的数据，将处理完的数据发送至TCP/IP模块或主机端。本发明实现主机内存、全局内存和网络通信之间的低延迟数据传输及计算。
-
公开(公告)号：CN116934618A
公开(公告)日：2023-10-24
申请号：CN202310857834.3
申请日：2023-07-13
Applicant: 江南大学
Abstract: 本发明公开了一种基于改进残差网络的图像半色调方法、系统及介质，包括以下步骤：步骤S1：获取图像数据集，划分为训练集和测试集；步骤S2：将所述训练集输入到HalfResNet网络模型进行训练，其中所述HalfResNet网络模型是基于ResNet网络模型进行改进的；步骤S3：训练完成后得到权重参数，将所述权重参数加载至所述HalfResNet网络模型中，针对待处理的图像，运行HalfResNet网络模型可以得到与其对应的伪半色调图像，所述伪半色调图像经过筛选处理输出高质量半色调图像。本发明将深度学习模型与半色调图像相结合，生成的半色调图像能够保持较好的结构细节的同时，极大地提高了处理效率。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.02 seconds)
