为了更好的解决会员企业在科技成果转化、科技项目、个人职称评定以及企业评级等方面遇到的专利问题，江苏省人工智能学会特别争取到一批人工智能的授权专利转让，如有需要可与我们联系。
1.一种基于全局像素特征的显著图精细化方法
申请号：CN201810743616
公开号（授权）：CN109086777B
发明人：杨明; 张守东
简介：本发明公开了一种基于全局像素特征的显著图精细化方法，包括步骤：基于超像素提取深度特征和手工特征的显著性检测模型生成初始显著图；对输入图像进行预处理；通过全卷积神经网络提取图像全局像素的深度特征图；在全卷积神经网络的深处对初始显著图和深度特征图进行拼接，得到新特征；根据得到的新特征，通过全卷积神经网络进行分类得到最终的精细化显著图。本发明能够在复杂场景下快速、准确地完成大规模的图像显著性目标检测任务。
2. 一种小目标敏感的双通道卷积神经网络语义分割方法
申请号：CN201810706675
公开号（授权）：CN109145939B
发明人：杨明; 胡太
简介：本发明公开了一种小目标敏感的双通道卷积神经网络语义分割方法，步骤为：使用Caffe深度学习框架搭建非加权学习网络和加权学习网络；对于两个通道的网络，分别使用双阶段训练方式对网络进行训练得到对应的语义分割模型；以验证集图像作为输入，通过两个语义分割模型得到两个通道的输出评分图，利用不同的模型融合算法对两个通道的输出评分图进行融合，并根据特定的评价指标选择最优的模型融合算法；根据语义分割模 型和选择的最优模型融合算法来分割测试图像。本发明能够保证在数据集整体分割精度较优的前提下，对图像中存在的小目标区域较为敏感。
3.一种结合目标检测的小目标语义分割方法申请号：CN201810706689
公开号（授权）：CN108985177B
发明人：杨明; 胡太
简介：本发明公开了一种结合目标检测的小目标语义分割方法，步骤：搭建DeepLabAttention语义分割网络，训练该网络得到整体语义分割模型；制作小目标检测数据集和小目标语义分割数据集；通过小目标检测数据集训练基于YOLOv2的小目标检测网络；设计一个小目标语义分割网络，利用小目标语义分割数据集训练该网络，得到小目标语义分割模型；在测试阶段，分别将测试图像作为上述整体语义分割模型和小目标检测网络的输入，得到整幅图像的分割结果和图像存在的小目标边界框，并通过小目标语义分割模型进行修正。本发明能大大降低小目标的分割难度，从而有效地提高小目标的分割性能。
4.一种用于目标跟踪的带有重要性图的特征整合方法
申请号：CN201810619533
公开号（授权）：CN108986139B
发明人：杨明; 李爱师
简介：本发明公开了一种用于单目标跟踪的带有重要性图的特征整合方法，该方法包括如下步骤：以上一帧目标位置为中心提取当前帧的候选区域特征，包括梯度方向直方图、灰度特征；利用相关滤波模型预测目标位 置；以当前帧目标位置为中心提取当前帧的训练样本；训练用于下一帧目标定位的相关滤波模型以及特征的重要性图；循环往复直至图像序列结束。利用重要性图，本方法充分的发挥了不同手工特征的互补性，能够实时训练模型、检测目标。由于梯度方向直方图关注梯度、对光照鲁棒，而灰度特征关注同质区域、对形变鲁棒；在重要性图的帮助下，提出的方法能够兼顾两者特点，提升相关滤波方法对形变、光照的鲁棒性，因此具有较高的使用价值。
5. 一种针对图像语义分割的端到端差异网络学习方法
申请号：CN201810048064
公开号（授权）：CN108319972B
发明人：杨明; 胡太
简介：本发明公开一种针对图像语义分割的端到端差异网络学习方法，包括如下步骤：使用Caffe深度学习框架分别搭建主网络结构和完整网络结构，其中，主网络结构用于生成粗分割模型和训练集中每个图像的小目标区域，完整网络用于最终的图像语义分割；使用训练集的部分数据训练主网络的粗模型，通过粗模型得到的分割结果与真实分割图比较得到粗模型的误分区域；将得到的粗模型作为初始化参数训练完整网络模型得到最终的分割结果，建立图像语义分割模型；分割模型测试，根据步骤3得到的图像语义分割模型分割所有的测试图像。此种方法可对小目标区域较为敏感，同时也能在一定程度上解决边缘模糊和相似部位误判问题。
6. 一种基于超像素以及多超图融合的图像分割方法
申请号：CN201810562839
公开号（授权）：CN108986103B
发明人：杨明; 王凯翔
简介：本发明公开一种基于超像素以及多超图融合的图像分割方法，包括如下步骤：步骤1，运用目前较为成熟的SLIC模型对待分割进行超像素分割；步骤2，对各超像素块进行多种特征提取；步骤3，将每一个超像素块看成是图的顶点，采用INH模型对多特征中的每一个特征进行基于超像素块的超图构建；步骤4，从随机游走的角度融合多个超图的信息构建多超图拉普拉斯矩阵；步骤5，构建基于多超图拉普拉斯矩阵的谱聚类模型并求解。此种方法可解决图像分割中像素点高阶关系刻画的问题，有效提高了图像分割的精度。
7. 一种结合多种特征信息的高光谱图像分类方法
申请号：CN201810002038
公开号（授权）：CN108460400B
发明人：杨明; 张会敏
简介：本发明公开一种结合多种特征信息的高光谱图像分类方法，包括如下步骤：步骤1，提取待分类高光谱图像的光谱、梯度、纹理、形状多种特征数据：步骤2，利用分水岭分割算法对待分类高光谱图像进行分割，划分成若干个空间近邻组；步骤3，运用MFKSADL模型学习得到字典和稀疏编码； 步骤4，利用编码系数训练SVM分类器，预测高光谱图像测试集标签。此种方法可解决高光谱图像中存在的同物异谱，同谱异物等问题，可有效提高高光谱图像分类精度。
8.一种改进的高光谱图像去噪方法
申请号：CN201710028458
公开号（授权）：CN106815817B
发明人：杨明; 俞珍秒
简介：本发明公开了一种改进的高光谱图像去噪方法，包括以下步骤：(1)将待去噪的高光谱图像转换成空间光谱联合的二维矩阵；(2)根据空间光谱联合的二维矩阵，采用基于欧式距离的近邻相似度计算策略计算高光谱图像的像素点与近邻的空间相似度；(3)结合像素点空间局域相似性和光谱间低秩性建立去噪模型，恢复出原始无噪数据；(4)采用原始无噪数据恢复出三维无噪高光谱图像。本发明较为显著地提高了去噪的效果,可以针对实时响应和高精度不同需求的应用场景给出可靠的高光谱图像分类。
9.一种改进的高光谱图像分类方法
申请号：CN201610257038
公开号（授权）：CN105956607B
发明人：杨明; 赵振凯
简介：本发明公开了一种改进的高光谱图像分类方法。该方法包括如下步骤：(1)待分类高光谱图像中心像素点的空间近邻选择：采用基于分水岭分割区域选择策略或者最小生成树近邻选择策略获得优质空间近邻区域；(2)对优质空间近邻区域进行空间特征提取；(3)谱空联合模型预测：使用合成核方式融合空间特征和光谱特征，然后训练分类模型，预测高光谱图像测试集标签。本发明采用不同的空间近邻的选择方式，满足高光谱分类中对速度和精度不同的要求；此外，通过挖掘和利用空间信息，有效地解决了高光谱图像中存在的同物异谱、同谱异物问题，优质的空间近邻和特征信息增强了原光谱分类的鲁棒性，因此具有较高的使用价值。
10. 一种面向大规模基因数据的读段定位方法
申请号：CN201410185387
公开号（授权）：CN103971031B
发明人：杨明; 涂金金; 高阳
简介：本发明公开了一种面向大规模基因数据的读段定位方法；属于生物信息分析领域。该方法包括如下步骤：基因读段数据随机分割；数据的负载平衡；读段的空间索引；子读段不跨越剪切位定位；子读段跨越剪切位定位；子读段拼接；读段定位信息统计。本发明采用基于空位种子的读段定位方法，对该方法进行了改进，使之能够处理跨越剪切位读段定位的情况，设计了并行化程序并且在MapReduce框架下实现，提高了读段定位的效率。此外，本发明提出了一种负载平衡的解决方案，对个别节点执行时间较长，降低整个作业执行效率的情况具有良好的处理能力，因此具有较高的使用价值。
11. 一种基于Fisher字典学习、低秩表示的高光谱图像去噪方法
申请号：CN201710377112
公开号（授权）：CN107274360B
发明人：杨明; 俞珍秒; 吕静; 高阳
简介: 本发明公开了一种基于Fisher字典学习、低秩表示的高光谱图像去噪方法，包含如下步骤：变换数据空间；学习字典；替换字典；改进LRR；输入输出数据；逆变换出无噪图像；本发明能够有效地去除高光谱图像中的多种噪声，提高高光谱图像的数据质量与应用价值。此外，本发明中运用Fisher字典学习得到判别字典替换模型中的字典对模型中的参数具有鲁棒性，因此具有较高的使用价值。
