“黄圣君”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果37个，建议您升级VIP下载更多相关专利

[发明专利]基于跨模态噪声感知的自动驾驶事件相机目标检测方法-CN202311181388.5在审
发明人：梁栋;胡刚;黄圣君;陈松灿 -专利权人：南京航空航天大学
申请日： 2023-09-14 - 公布日： 2023-10-20 - 主分类号： G06V20/56 文献下载
摘要：本发明提供基于跨模态噪声感知的自动驾驶事件相机目标检测方法，属于计算机视觉技术领域，包括以下步骤：获取目标的RGB图像和DVS事件序列；商用目标检测网络对RGB图像进行标注，并将事件序列编码为事件图像；RGB图像通过几何变换后，标签迁移到事件图像作为事件图像标签；筛选高质量RGB图像加入事件图像训练集组成跨模态训练集进行跨模态标签噪声感知训练，标签噪声感知训练在训练过程中动态感知噪声标签，并对噪声标签进行修正后继续使用。本发明针对事件相机目标检测中训练集标签噪声问题出了解决方法，此方法也可迁移到事件序列的分类、实例分割等任务，为如何方便地利用事件序列数据提出了新的框架。
基于跨模态噪声感知自动驾驶事件相机目标检测方法

[发明专利]一种基于合成数据的神经网络去炫光方法-CN202310744654.4有效
发明人：梁栋;周预演;陈松灿;黄圣君 -专利权人：南京航空航天大学
申请日： 2023-06-25 - 公布日： 2023-09-29 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于合成数据的神经网络去炫光方法。定义了一种合成炫光图像的方法——首先通过对炫光图像和场景图像进行逆伽马变换得到炫光图像和场景图像的逆伽马空间的图像，然后通过计算炫光图像和场景图像的亮度矩阵，通过亮度矩阵计算场景图像和炫光图像的权重矩阵来对场景图像和炫光图像进行合成，得到含有炫光的场景图。通过对炫光图片和场景图片的合成，我们构造出成对的数据集训练神经网络，使神经网络能自动去除炫光；本发明从色调映射的角度重新定义的含炫光场景图的合成方法，能够使神经网络在日常场景中对于炫光图像去除能力的泛化性能更强。
一种基于合成数据神经网络去炫光方法

[实用新型]一种气管插管固定机构-CN202222708608.2有效
发明人：孙东华;林日富;黄圣君;刘友江 -专利权人：湛江市事达实业有限公司
申请日： 2022-10-14 - 公布日： 2023-06-13 - 主分类号： A61M16/04 文献下载
摘要：一种气管插管固定机构，包括固定架本体、插管保护套管和颈部固定带，所述插管保护套管内设有用于插设气管插管的通道；所述颈部固定带连接在所述固定架本体的两端，用于将所述固定架本体固定在患者头部，还包括：固定支架，固定于所述固定架本体前方，与所述固定架本体固定连接；活动隔板，活动隔板套接于所述固定支架，用于隔离固定支架的外侧与口部，所述活动隔板设置有用于通过气管插管的通孔，所述通孔外设置有插管保护套管。本实用新型利用活动隔板和固定支架来隔离气管插管与外界，阻挡了外界的污染物进入口腔气管，也避免了口腔气管与外界直接接触，并且活动隔板不影响气管插管的操作及固定，使用非常便利，气管插管固定于固定架本体。
一种气管插管固定机构

[发明专利]一种基于自监督的遥感图像目标检测训练方法-CN202310137764.4有效
发明人：施皓晨;吴宇凡;黄圣君 -专利权人：南京航空航天大学
申请日： 2023-02-20 - 公布日： 2023-06-06 - 主分类号： G06V20/13 文献下载
摘要：本发明公开了一种基于自监督的遥感图像目标检测训练方法。遥感图像存在难以获取、标注成本高等特点，本发明将机器学习领域中的自监督对比学习方法运用到遥感图像目标检测任务中，能在已标注训练数据较少或训练数据无标注的情况下大幅提高遥感图像目标检测模型的性能；同时本发明提出将图像有重叠裁切后的相邻子图作为自监督对比学习中的正样本对、非相邻子图作为负样本对，从而简单、高效地构建对比学习中的正负样本对；最后本发明结合了半监督学习方法，能更一步充分地利用未标注数据的信息。本发明主要包括以下几个步骤：初始化配置，有监督预训练，构建对比学习正负样本对，自监督对比学习，重复迭代训练，半监督学习，得到最终的模型。
一种基于监督遥感图像目标检测训练方法

[发明专利]一种主动选择示例以进行高效文本分类的样本自动生成方法-CN201910633261.X有效
发明人： 黄圣君;李国翔;李想;赵子渊 -专利权人：南京航空航天大学
申请日： 2019-07-15 - 公布日： 2023-05-23 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了一种主动选择示例以进行高效文本分类的样本自动生成方法。文本分类问题是自然语言处理领域中一个非常经典的问题。基于机器学习技术的一系列方法已在文本分类领域取得了很好的应用。但是随着学习模型的复杂化以及文本数据量的增加，对文本训练集进行人工标注的需求量急剧增大。本发明通过结合机器学习中的神经网络和主动学习技术，在分类模型建立后自动生成信息量最丰富的样本，在增加少量用户标注代价的前提下，提升文本分类精度，此外本发明还通过稀疏重建近似生成一些摘要性的词，使得用户通过总结词即可进行标注，有效减少了用户的参与代价。
一种主动选择示例进行高效文本分类样本自动生成方法

[发明专利]一种基于难度蒸馏的语义分割方法-CN202310219333.2有效
发明人：梁栋;孙悦;杜云;陈松灿;黄圣君 -专利权人：南京航空航天大学
申请日： 2023-03-09 - 公布日： 2023-05-12 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种基于难度蒸馏的语义分割方法，定义了一对先易后难的蒸馏课程——用于前期学习阶段的方差引导蒸馏和用于后期学习阶段的预期难度蒸馏。对输入的一张图像样本，学习前期利用教师模型的主分类器和辅助分类器输出的分割结果，得到像素级的预期不确定性图，然后通过方差矫正生成方差引导掩码图作为学生模型早期阶段的指导，让学生模型倾向于学习简单的像素，有利于快速收敛；学习后期则使用教师模型和学生模型共同计算出的异或难度图，让学生模型学习有价值的难像素，以提升模型的性能上限。学生模型通过引入蒸馏课程的难度知识用于自身训练，输出语义分割结果；本发明从学习难度的角度重新定义了知识，易于与现有的蒸馏方法集成。
一种基于难度蒸馏语义分割方法

[发明专利]一种塑料软管生产中检测次品的方法、系统、设备及介质-CN202211693539.0在审
发明人：施慧彬;沈鑫浩;黄圣君;刘亮;蒋夏军 -专利权人：南京航空航天大学
申请日： 2022-12-28 - 公布日： 2023-03-31 - 主分类号： G06T7/00 文献下载
摘要：本发明公开一种塑料软管生产中检测次品的方法、系统、设备及介质，涉及软管检测技术领域，该方法包括：获取目标塑料软管的图像；利用塑料软管检测模型对所述目标塑料软管的图像进行检测，确定所述目标塑料软管是否为次品；所述塑料软管检测模型是采用基于主动学习的协同训练方法对支持向量机分类器进行训练得到的。本发明实现了对塑料软管生产时的软管质量的自动检测，能够及时发现出现次品的情况，降低塑料软管生产操作工人在极端天气情况下的劳动强度，减少现场操作工人的数量，提高生产效率，降低生产成本，实现智能化生产。
一种塑料软管生产检测次品方法系统设备介质

[发明专利]一种类别语义信息引导的遥感目标检测主动采样方法-CN202310074401.0在审
发明人：梁栋;张婧炜;黄圣君;唐英鹏;陈松灿 -专利权人：南京航空航天大学
申请日： 2023-02-07 - 公布日： 2023-03-28 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种类别语义信息引导的遥感目标检测主动采样方法。包括：一、构建用于遥感目标检测的网络模型，并进行数据初始化；二、对已标注集进行训练；三、目标检测模型输出对未标注集的预测结果；四、计算未标注集中模型预测对象的信息量；五、利用已标注集中类别分布先验来调整主动学习采样阶段的类别分布；六、对挑选出来的数据进行人工标注并且合并到已标注集；七、使用新的已标注集对模型进行重新训练。八、验证模型在测试集上的性能。本发明将基于对象的主动学习方法应用在遥感目标检测算法上，主动选择信息量最高的模型预测框来进行标注。而基于对象的主动学习方法标注图像中最具信息量的预测框，可以减少冗余样本造成的负面影响。
一种类别语义信息引导遥感目标检测主动采样方法

[实用新型]一种腹腔穿刺用穿刺导管结构-CN202221305704.6有效
发明人：刘友江;孙东华;林日富;黄圣君 -专利权人：湛江市事达实业有限公司
申请日： 2022-05-27 - 公布日： 2022-10-28 - 主分类号： A61B10/00 文献下载
摘要：本实用新型公开了一种腹腔穿刺用穿刺导管结构,包括穿刺管和导管，所述穿刺管沿其轴线方向由两段组成，其中一端为尖头管，另一端为延长管，所述导管的端部套设在延长管中，所述延长管与导管之间可拆卸转动连接有对接组件。通过设置的弹性板、对接管、卡块、密封环和防水轴承之间的相互配合，能够使导管在与穿刺管对接时，通过将对接管的小径端插入四个弹性板之间，通过对接管的锥面带动弹性板向外发生形变，直至卡块在弹性板的弹力下与对接管的端面接触，完成固定，此时导管通过防水轴承在密封环中自由转动，同时导管在弯曲时带动相邻的两个锥形套相互接触，从而避免导管弯曲过度，从而有效避免了导管在转动时出现打结的情况。
一种腹腔穿刺导管结构

[发明专利]一种基于强化学习和美学评估的低光图像增强方法-CN202210650946.7有效
发明人：梁栋;李铃;黄圣君;陈松灿 -专利权人：南京航空航天大学
申请日： 2022-06-10 - 公布日： 2022-10-25 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于强化学习和美学评估的低光图像增强方法，首先生成不同光照场景下的非正常亮度图像，并基于所述非正常亮度图像构建强化学习系统的训练数据集；接着初始化强化学习系统中的训练数据集、策略网络和价值网络，基于无参考奖励值和美学评估奖励值更新策略网络和价值网络；完成训练后输出增强后的图像结果；本发明通过对强化学习中定义的动作空间范围扩大，输入的低光图像得到的增强操作就有了更大的动态范围，对于现实场景具有更高的灵活性，能更好的满足真实场景下的低光图像增强需求；此外通过引入美学质量评估的分数作为损失函数的一部分，可以使增强后的图像具有更好的视觉效果及用户主观评价得分。
一种基于强化学习美学评估图像增强方法

[发明专利]一种基于图像分类的自监督主动学习方法-CN202210250277.4有效
发明人： 黄圣君;罗世发 -专利权人：南京航空航天大学
申请日： 2022-03-15 - 公布日： 2022-08-05 - 主分类号： G06F16/55 文献下载
摘要：本发明公开了一种基于图像分类的自监督主动学习方法，其包括步骤：获取图像数据集；设置迭代次数以及阈值；自监督网络对数据进行预训练处理，得到特征映射；每轮迭代都根据特征映射中样本到已知类别簇中心的距离对候选未标注样本进行评估；向人工专家查询合适的样本；人工专家对请求查询的样本标注后加入已标注池，更新评估函数与簇中心；样本输入分类器训练优化模型，记录准确率，直到模型达到预期的性能或者查询样本超过设定的上限停止迭代。本发明充分利用自监督网络学习到样本的特征映射来构建主动学习指标，指导主动学习策略进行样本挑选，从而节约标注代价。
一种基于图像分类监督主动学习方法

[发明专利]一种基于时序方差阈值的目标检测主动采样方法-CN202210244128.7有效
发明人： 黄圣君;罗世发 -专利权人：南京航空航天大学
申请日： 2022-03-14 - 公布日： 2022-06-28 - 主分类号： G06V20/56 文献下载
摘要：本发明公开了一种基于时序方差阈值的目标检测主动采样方法。包括：一、收集大量无标注时序数据和少量已标注数据；二、设置查询样本数n、方差阈值δ；三、对模型进行初始化；四、目标检测模型输出对无标注帧的预测结果；五、根据预测结果对未标注帧计算每次迭代的模型不确定性大小；六、取模型不确定性最大的样本，若时序方差大于阈值且相邻帧未被选取，则向查询标记该样本；七、更新已标注图像集，未标注图像集以及预测模型；八、返回步骤四或已查询到足够的样本并输出目标检测模型f。本发明针对自动驾驶场景下时序数据的目标检测任务，设置专门的主动学习指标来降低标注代价。
一种基于时序方差阈值目标检测主动采样方法

[发明专利]图像处理方法、电子设备及计算存储介质-CN202210093198.7有效
发明人：周慧;屠要峰;周祥生;孙康康;黄圣君 -专利权人：中兴通讯股份有限公司;南京航空航天大学
申请日： 2022-01-26 - 公布日： 2022-05-13 - 主分类号： G06V10/764 文献下载
摘要：本公开提供一种图像处理方法，包括：确定未标注图像集合中每张图像的特征表示性能参数和信息量参数；根据所述未标注图像集合中每张图像的特征表示性能参数和信息量参数从所述未标注图像集合中选取符合图像有效性需求的目标图像，对所述目标图像进行标注。能够兼顾图像在特征学习中的性能表现以及图像对于下游任务的信息量表现，自动地选取出高效的图像进行标注，降低标注代价且有助于提升图像分类模型的性能。本公开还提供一种电子设备及计算机存储介质。
图像处理方法电子设备计算存储介质

[发明专利]一种基于主动标注的鲁棒深度图像分类模型训练方法-CN202210135383.8在审
发明人： 黄圣君;周慧 -专利权人：南京航空航天大学
申请日： 2022-02-15 - 公布日： 2022-03-15 - 主分类号： G06V10/30 文献下载
摘要：本发明公开了一种基于主动标注的鲁棒深度图像分类模型训练方法。包括：一、收集大量的无标注图像集合和少量已标注训练图像数据集合；二、对已标注图像集中的每一个图像增添噪声扰动，得到含噪标注图像集；三、将含噪标注图像集作为训练集，初始化图像分类模型；四、对未标注图像集中每张图像进行多次扰动，计算每张未标注图像的价值评分S。五、对评分S排序，得到相应的用户反馈；六、更新已标注图像集L和未标注图像集，并更新预测模型；七、返回步骤四或结束并输出预测模型f。本发明通过主动学习技术，自动选择高效用图像标注，在提升模型鲁棒性的同时，能最大限度地降低用户的标注代价。
一种基于主动标注深度图像分类模型训练方法

[发明专利]一种基于目标模型和样本双重采样的人工智能学习方法-CN202210135384.2在审
发明人： 黄圣君;唐英鹏;何花 -专利权人：南京航空航天大学
申请日： 2022-02-15 - 公布日： 2022-03-11 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于目标模型和样本双重采样的人工智能学习方法。该方法一方面为每个验证集样本设计重要性权重，缓解了由于主动采样引起的有标注样本集分布与真实数据集分布存在差异的问题；另一方面在主动学习循环中，挑选候选模型高置信度的样本，帮助快速过滤不适用于当前任务的模型，并在挑选指标中加入最优模型预测的熵，帮助模型收敛。本发明在主动学习过程中，同时考虑了查询指标和模型选择，缓解了目标模型先验在实际任务种难以获得导致的性能下降问题，大大增强了主动学习技术的在应用中的实用性。
一种基于目标模型样本双重采样人工智能学习方法

1
2
3
下一页»
尾页
共 37 条