“龚声蓉”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42个，建议您升级VIP下载更多相关专利

[发明专利]基于多域循环一致性对抗生成网络的SAR图像上色方法-CN201910500919.X有效
发明人： 龚声蓉;纪光;周立凡;夏瑜;钟珊 -专利权人：常熟理工学院
申请日： 2019-06-11 - 公布日： 2023-01-31 - 主分类号： G06T11/00 文献下载
摘要：本发明公开了一种基于多域循环一致性对抗生成网络的SAR图像上色方法，包括步骤：从数据集中随机抽取一对非成对的SAR图像和光学图像并转化为特征向量，网络采用双生成器和双判别器结构，SAR图像特征向量连接掩模向量经过生成器的常规卷积、残差卷积、上采样操作，生成伪光学图像，相同步骤从光学图像得到伪SAR图像，由伪光学图像和光学图像以及伪SAR图像和SAR图像通过判别器输出，由对抗损失、循环一致损失和多域分类损失对生成器和判别器进行对抗训练，由训练后的生成器根据SAR图像生成上色的光学图像。本发明方法可使用非成对数据集进行训练，并减少区域上色错误。
基于循环一致性对抗生成网络 sar 图像上色方法

[发明专利]一种云边协同的兴趣点推荐方法及装置-CN202211156218.7在审
发明人：司亚利;李峰;龚声蓉;钟珊;周立凡 -专利权人：常熟理工学院
申请日： 2022-09-22 - 公布日： 2022-12-23 - 主分类号： G06F16/9535 文献下载
摘要：本发明公开了一种云边协同的兴趣点推荐方法，包括步骤：用户进行签到将签到记录通过边缘侧服务器发送至云中心；云中心签到记录将对应的用户的兴趣偏好下发至边缘侧服务器；云中心对所有用户的历史签到记录进行签到行为特征分析，并且将用户的签到行为特征输入深度学习模型长短时记忆网络LSTM中进行用户兴趣偏好学习，得到用户的兴趣偏好，并存储用户的兴趣偏好；边缘侧服务器结合下发的用户兴趣偏好对覆盖的候选兴趣点进行概率预测，并将兴趣点发送给用户。本发明还公开了云边协同的兴趣点推荐装置。本发明有效提高了兴趣点推荐的实时性。
一种协同兴趣推荐方法装置

[发明专利]高分辨率与像素关系强化注意力的强融合遥感图像分割方法-CN202210518129.6在审
发明人： 龚声蓉;朱杰;周立凡;钟珊;王朝晖;应文豪 -专利权人：常熟理工学院
申请日： 2022-05-13 - 公布日： 2022-08-23 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了一种高分辨率与像素关系强化注意力的强融合遥感图像分割方法，包括对遥感图像进行卷积提取特征并进行多次下采样卷积及上采用转置卷积融合，在每次融合操作时增加像素关系强化与通道注意力模块，由像素关系强化与通道注意力模块对局部特征图进行卷积映射，并降维后执行矩阵乘法，计算空间注意力并与卷积映射后的特征图进行乘积升维输出。本发明解决了遥感图像中细条状道路、河流等目标的不连续和不完整问题，具有更高的道路、河流提取精度。
高分辨率像素关系强化注意力融合遥感图像分割方法

[发明专利]基于双注意力擦除和注意力信息聚合的弱监督目标检测方法-CN202210444165.2在审
发明人： 龚声蓉;宋鹏鹏;应文豪;王朝晖 -专利权人：常熟理工学院
申请日： 2022-04-26 - 公布日： 2022-07-29 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于双注意力擦除和注意力信息聚合的弱监督目标检测方法，首先提取图像特征，同时采用选择性搜索算法对原始图像提取目标候选区域；将获取的特征送入到注意力信息聚合网络中，提取目标特征通道的全局和局部信息，并为不同的目标构建空间信息以增强特征图送入到双注意力擦除网络中，擦除其显著性局部前景注意力区域并同时擦除背景注意力区域，同时进行Sigmoid函数操作来生成增强图；将最终的特征图的卷积特征和候选区域输入到空间金字塔池化层，再输入两层串联的全连接层，输出得到每个候选框的特征向量，然后将其送入到多示例分支、优化分支和蒸馏分支中优化检测结果。本发明可解决弱监督场景下目标显著性区域突出问题，提高检测精度。
基于注意力擦除信息聚合监督目标检测方法

[发明专利]一种移动机会网络节点拥塞避免方法及系统-CN202210351008.7在审
发明人：李峰;司亚利;邢晓双;王颖;赵卫绩;刘井莲;王晓喃;龚声蓉 -专利权人：常熟理工学院
申请日： 2022-04-02 - 公布日： 2022-05-31 - 主分类号： H04W28/02 文献下载
摘要：本发明公开了一种移动机会网络节点拥塞避免方法及系统，涉及网络节点拥塞检测及避免领域。所述方法，包括：根据目标节点在上一时隙流入的消息包的字节数和流出的消息包的字节数预测目标节点在当前时隙的缓存增量，以及在当前时隙开始时目标节点的剩余缓存空间，检测目标节点在当前时隙是否拥塞；若拥塞，则首先确定托管节点集合；然后根据拥塞节点的各个消息包的转发概率确定拥塞节点的卸载集合；再将拥塞节点的卸载集合中的待卸载消息包卸载至托管节点集合中的托管节点。本发明利用流量感知策略检测具有高拥塞风险的节点，并采用消息卸载策略来降低节点的拥塞风险。
一种移动机会网络节点拥塞避免方法系统

[发明专利]基于局部区域搜索的视频目标检测方法-CN202011260898.8有效
发明人： 龚声蓉;曾彪 -专利权人：常熟理工学院
申请日： 2020-11-12 - 公布日： 2022-02-11 - 主分类号： G06V20/40 文献下载
摘要：本发明公开了一种基于局部区域搜索的视频目标检测方法，依次包括以下步骤：首先将视频的第一帧使用单帧检测器进行检测，得到图像中所有目标的区域和类别；从第二帧开始将每个目标在上一帧的位置映射到当前帧，把该区域输入到运动预测模块进行检测，得到目标的运动方向并对目标的位置进行微调，得到目标在当前帧的区域，目标的类别沿用上一帧的结果；将目标的区域信息与上一帧的该目标的区域信息同时输入到相似性检测模块，判断两个区域是否表示的是同一个目标，如果不是则对当前帧使用单帧检测器进行检测目标的位置和类别；对其余帧持续上述过程至检测结束。本发明方法能够保证检测准确度并提高速度，节省资源开销。
基于局部区域搜索视频目标检测方法

[发明专利]基于时空卷积循环神经网络与空洞卷积的视频目标分割方法-CN202010268501.3有效
发明人： 龚声蓉;徐牧洲;王朝晖 -专利权人：常熟理工学院
申请日： 2020-04-08 - 公布日： 2022-01-28 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于时空卷积循环神经网络与空洞卷积的视频目标分割方法，包括步骤一、建立编码器‑解码器网络结构，编码器的最顶层利用多个空洞率不同的卷积核，从多个尺寸对目标进行捕捉，以获得更精确的外观信息。在解码器阶段，每一个卷积循环神经网络单元将接收不同尺寸的特征图，并将上一帧该目标的分割结果、上一个卷积循环神经网络单元得到的特征图作为输入；步骤二、利用数据集对编码器‑解码器网络结构进行训练；步骤三、将待分割视频输入训练好的编码器‑解码器网络结构输出分割结果。本发明具有可靠的时空相关性，能提高目标分割准确性和分割速度。
基于时空卷积循环神经网络空洞视频目标分割方法

[发明专利]基于弱监督定位和子类别相似性度量的细粒度车型识别方法-CN201811208757.4有效
发明人：戴兴华;王朝晖;刘纯平;钟珊;龚声蓉 -专利权人：苏州大学
申请日： 2018-10-17 - 公布日： 2021-10-29 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于弱监督定位和子类别相似性度量的细粒度车型识别方法，包括：1）弱监督定位：用预训练好的VGG‑Net网络对图像目标定位，对卷积层的掩码图进行处理，获取目标物体的边界框；2）构建模糊相似矩阵：将训练集中定位后的图片利用B‑CNN网络提取特征，根据softmax分类结果得到度量各子类别相似性的模糊相似矩阵；3）采样组建三元组集：在模糊相似矩阵基础上采样组建三元组；4）联合学习改进的损失函数：利用改进的损失函数联合学习改进的triplet损失和加权的softmax损失对同一子类别样本间距离进行限制，增大不同子类别样本间的距离。本发明较原始模型定位更加准确、并且在分类准确性上有明显提升，能够很好地对车辆目标进行定位。
基于监督定位类别相似性度量细粒度车型识别方法

[发明专利]基于多尺度特征和编解码器模型的街景图像语义分割方法-CN201910475662.7有效
发明人： 龚声蓉;尚叶欣;钟珊;应文豪;潘威 -专利权人：常熟理工学院
申请日： 2019-06-03 - 公布日： 2021-08-10 - 主分类号： G06K9/34 文献下载
摘要：本发明公开了一种基于多尺度特征和编解码器模型的街景图像语义分割方法，包括以下步骤：原始图像输入深度卷积神经网络提取初始特征图；将初始特征图输入第一多尺度空间金字塔池化模块输出第一特征图；第一特征图输入第二多尺度空间金字塔池化模块输出第二特征图；第二特征图通过然后利用上采样操作和跳跃连接还原为原始图像大小得到最终的预测图；所述第一多尺度空间金字塔池化模块和第二多尺度空间金字塔池化模块输出特征图由通过1×1卷积、通过四个扩张率不同的atrous卷积以及通过平均池化操作提取的六种尺度的特征图级联后输出。本发明方法能够提高语义分割结果的精度，对目标边界的像素进行更准确的分类。
基于尺度特征编解码器模型街景图像语义分割方法

[发明专利]一种基于联合学习的静态图像人群计数方法-CN201811060252.8有效
发明人：燕然;王朝晖;刘纯平;钟珊;龚声蓉 -专利权人：苏州大学
申请日： 2018-09-12 - 公布日： 2021-07-09 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于联合学习的静态图像人群计数方法，包括：预训练阶段：使用50层残差网络在ImageNet2012分类数据集上训练得到参数初始化分类器网络，通过一个Softmax将图像块分类成三种类别，分别对应三个回归器；回归器训练阶段：将训练数据集的每一个图像块都分别输入三个回归器，同一个图像块都会得到不同的计数结果，将计数误差最小的回归器作为分类标签来标记该图像块，用三种类别的图像块分别对各自的回归器进行微调；分类器训练阶段：随机抽取样本并且保证每种类别的标签数量一致；联合训练阶段：对分类器和回归器不断迭代训练。本发明能够在人群密集场景中进行计数与密度估计，具有一定的尺度自适应性，提高了计数精度与模型泛化能力。
一种基于联合学习静态图像人群计数方法

[发明专利]基于深度特征和双向KNN排序优化的行人再识别方法-CN201811007813.8有效
发明人：包宗铭;龚声蓉;刘纯平;王朝晖;钟珊 -专利权人：苏州大学
申请日： 2018-08-31 - 公布日： 2021-07-09 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于深度特征和双向KNN排序优化的行人再识别方法，包括三个阶段，特征提取阶段：获得在ImageNet数据集上预训练好的ResNet‑50模型，利用行人再识别数据集对预训练模型进行微调，利用微调后的模型分别对目标图像和候选集图像进行特征提取以获得特征向量；度量学习阶段：对提取的两个特征向量通过度量学习学习出一个度量函数来衡量它们间的相似性，根据它们的距离远近得到初始排名；重排序阶段：根据双向KNN关系和双向KNN集，计算两张图像间的双向KNN距离，将初始距离和双向KNN距离加权求和作为最终的距离，得到优化后的排名。本发明能够更好的表示一个行人，在初始排名的基础上提高行人再识别的精度，减轻人力和机器资源的压力，具有良好的普适性。
基于深度特征双向 knn 排序优化行人识别方法

[发明专利]一种基于混合池化的领域自适应图像分类方法-CN201910439494.6有效
发明人： 龚声蓉;杨海花;应文豪;钟珊;周立凡 -专利权人：常熟理工学院
申请日： 2019-05-24 - 公布日： 2021-05-11 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于混合池化的领域自适应图像分类方法，将待分类的目标域图像送入训练后的图像分类预测模型中输出n×1维的特征向量，然后利用one‑hot编码得到目标域图像的所属类别，图像分类预测模型包括依次连接的若干卷积层，卷积层连接最大池化层,再级联一层平均池化层，平均池化层连接带有softmax激励函数的全连接层，目标域图像经过若干卷积层提取图像特征，然后经过最大池化层进行下采样得到第一描述子特征再经过平均池化层提取图像特征中的局部信息得到第二描述子特征，最后由全连接层得到特征向量。本发明方法能容忍输入的微小变化，减小过拟合，提高模型的容错性，优化迁移效果。
一种基于混合领域自适应图像分类方法

[发明专利]基于特征金字塔与全局平均池化的细粒度图像分类方法-CN201910899445.0有效
发明人： 龚声蓉;周少雄;王朝晖;应文豪;李菊 -专利权人：常熟理工学院
申请日： 2019-09-23 - 公布日： 2020-12-11 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于特征金字塔与全局平均池化的细粒度图像分类方法，包括以下步骤：步骤1、图像输入预训练的卷积神经网络的卷积层得到多通道的特征图；步骤2、所述多通道的特征图经过全局平均池化层，得到输入图像的显著图，提取目标的位置信息；步骤3、特征金字塔网络提取多通道的特征图的特征并进行预测得到信息量最大的K个局部区域；步骤4、聚合所述K个局部区域的局部特征和输入图像经过所述卷积神经网络得到的全局特征预测输出最终的识别类别。本发明方法减少背景噪声影响，增强局部区域选择鲁棒性，提高识别精度。
基于特征金字塔全局平均细粒度图像分类方法

[发明专利]基于高斯过程近似模型的小车上山系统自适应控制方法-CN201910823151.X有效
发明人：钟珊;陈雪梅;应文豪;伏玉琛;龚声蓉;钱振江 -专利权人：常熟理工学院
申请日： 2019-09-02 - 公布日： 2020-09-18 - 主分类号： G05B13/04 文献下载
摘要：本发明公开了一种基于高斯过程近似模型的小车上山系统自适应控制方法，通过物理系统模拟器产生的在线样本来学习值函数和策略，在此过程中，利用这些在线样本同时学习一个基于高斯过程的环境动态性模型。在该环境动态性模型的精度满足一定精度时，能利用该基于高斯过程的模型进行离线的规划，与在线学习一起共同促进算法的收敛。本发明方法可更快地获取小车上山系统的最优控制方法。
基于过程近似模型小车上山系统自适应控制方法

[发明专利]一种基于近似模型规划的室内空气自适应控制方法-CN201810430729.0有效
发明人：钟珊;龚声蓉;伏玉琛;王朝晖;董瑞志;姚宇峰 -专利权人：常熟理工学院
申请日： 2018-05-08 - 公布日： 2019-11-08 - 主分类号： G05B13/04 文献下载
摘要：本发明公开了一种基于近似模型规划的室内空气自适应控制方法，包括初始化当前状态、模型、超参数、环境和探索策略，根据探索策略选择动作执行，从而获得奖赏和下一状态，将当前状态、动作、奖赏和下一状态组成当前样本以更新模型、值函数和策略；在每个情节结束后将当前采样轨迹和重构的采样轨迹都加入轨迹池中，然后利用轨迹池中所有轨迹来更新模型；利用更新的模型产生模拟样本进行规划；当算法达到最大情节数并收敛时，就可以得到实现室内空气自适应控制的最优策略。本发明通过学习一个近似的环境模型，并利用学习的环境模型来进行规划，从而提高学习的效率。
自适应控制室内空气采样轨迹环境模型近似模型奖赏规划更新策略选择动作执行模拟样本模型产生最优策略初始化重构的算法学习收敛近似样本探索

1
2
3
下一页»
尾页
共 42 条