欢迎访问江苏省计算机学会网站!    设为首页  |  收藏本站
江苏省计算机学会
  •  当前位置首页 > 会员中心 > 会员单位
    会员中心  
    注册登录
    专家介绍
    学会领导
    专家风采
    专家报告
    会员单位
    招聘求职
    技术需求
    成果专利
    文件下载
     
    会员单位
    南京工程学院计算机工程学院
    发布时间:2020-06-28 11:04:41


    单位简介

      南京工程学院计算机工程学院多年来坚持以高水平应用型计算机专业人才培养为中心,积极深化校企协同育人新机制、提升学科发展新内涵、拓宽国际合作新途径,形成了“校企融合深度深、应用基础研究实、国际合作范围广”的鲜明特色。学院以江苏省“十二五”、“十三五”重点建设学科-“软件工程一级学科为依托,紧密围绕国家和区域经济社会发展需求,坚持人才培养、科技创新、服务社会相结合,鼓励开展以企业需求为导向的创新性基础研究,积极打造具有工业应用价值的重大科研成果转化,着力构建从基础创新到工程应用相一致的可持续创新体系,先后与企业合作建立了国家级工程实践教育中心、企业研究生工作站、人工智能产业学院等,教师先后获得中国商业联合会科技奖一等奖、国防科技进步奖一等奖、中国机械工业科技奖一等奖等荣誉。经过多年发展,计算机工程学院在国家及江苏省产业结构升级改造、企业科技难题攻关、人才支撑等方面做出了积极贡献。

    产品展示

    1.基于内容视觉感知的图像和视频质量评价研究

      通过理论分析和实验研究,结合图像和视频的亮度、色度、纹理、模糊度、局部对比度等特征,以符合人类视觉感知效果和实际应用为导向,采用数学建模和机器学习方法,研究图像和视频内容描述方法及其特征提取方法,构建内容感知模型,研究其质量定义方法,设计基于图像和视频内容感知的质量客观度量准则,构建质量评价模型,揭示内容特征及其视觉感知效果与质量之间的内在规律;并基于多个数据库,从模型精度、泛化性和复杂性方面,测试、对比和优化所提模型。同时,建立图像和视频数据库,探索传输和编解码失真与图像和视频内容及其感知之间的内在联系,揭示中断、时延、编码比特率等特征参量与视频质量之间的内在规律,建立综合考虑视频内容特征、信道传输条件、编解码方式的基于人眼感知特性的视频质量客观评价体系;搭建LTE传输仿真实验平台,基于开源数据库,测试和研究模型精度、复杂性和泛化性能,且与现有典型模型进行对比分析,不断优化改进,最终实现所提模型在精度上达到主客观评价结果高度一致,且简单实用,从而为4G/5G中高效的视频传输提供一定的理论基础和技术支持。研究成果获省部级科学技术奖1项,厅局级科学技术奖3项。


    2.社会群体情绪的认知理解及其应用

      从社会科学的角度来看,理解与识别社会群体情绪在如何高效地组织社会群体性活动方面变得越来越重要。从人类行为自动理解的角度出发,分析和模拟图像中参与社会事件的人群所表现出的影响有重要意义。研究提出了一种估计图像中人群幸福感强度的策略。首先考虑不同Riesz人脸的邻域变化,结合Riesz变换和基于Riesz的局部二值模式描述子,利用连续条件随机场构造了一个新的考虑全局和局部属性的群体情绪模型,提出了一个多模态框架,以提高社会群体情绪分析在复杂应用环境的可靠性,研究了一种生成人脸、上半身和场景特征描述的信息聚合方法,获得群体级别中群体的特征信息。在此基础上,采用局部多核学习融合人脸、肢体和场景信息,从而增加系统的鲁棒性。经过研究,设计了一种基于动态人脸表情分类中的时间序列核方法,从群体层面有效地分析群体行为,并设计了支持向量机和组合全局对齐核以更好地识别群体情绪。实验结果表明,该方法在社会群体识别方面效果较好,显著提高了每个全局对齐核的判别能力。

    3、微表情自动识别系统

      微表情是发现谎言的重要线索之一,其最突出的特点是动作持续时间短、强度低,与图像相比,高速微表情视频片段提供足够的细节。同时,由于微表达式数据的采集和编码困难,其样本量较小。因此,将形状属性融入到时空纹理特征中,提取新的时空特征,为了提高微表情的识别率,提出了一种基于拉普拉斯方法的特征选择方法,用于提取人脸微表情识别中的鉴别信息,在CASMECASME2SMIC三个微表情数据库上进行了深入的实验。实验结果表明,该方法在微表情识别方面取得了良好的效果。提出了一种用于面部微表情分析的时空完整局部量化模式(STCLQP),改算法首先提取符号、幅度和方向分量等三个有用信息。其次,在外观域和时间域对每个分量进行有效的矢量量化和码本选择,以学习用于具有鉴别性的码本。最后,采用学习得到的码本,提取融合符号、幅度和方向分量的时空特征,在分析面部微表情的效率方面取得了实质性的改进。同时,通过使用两步转移学习策略,实现只使用560个微表情视频片段即可对所提出的网络模型进行精确评估。


    4、基于噪声标签网页图像的视觉情感分析

      大规模数据集正在推动用于视觉情感分析的深层神经网络的快速发展。然而,大规模数据集的注释是非常昂贵和耗时的。相反,从互联网上获取弱标签的网络图像更容易。然而,当我们直接使用来自网络的图像来训练网络时,噪声标签仍然会导致性能严重下降。针对这一缺点,课题组提出了一种端到端的弱监督学习网络,它对带噪声标签的网络图像具有鲁棒性。更具体地说,所提出的注意模块通过降低训练过程中的注意分数,自动消除了那些标签不正确的样本的注意力分散。另一方面,在弱监督学习方法中,设计了一个特殊的类激活映射模块,通过关注标签正确的样本中的有效区域来刺激网络。除了特征学习过程外,还考虑了将正则化应用到分类器中,使同一类样本之间的距离最小,不同类质心之间的距离最大。对标记良好和有噪声的网络图像数据集进行了定量和定性的评价,结果表明,该算法优于现有的相关方法。

    单位信息

      单位负责人:黄陈蓉

      咨询联系人:陈静蓉

      联系人电话:025-86118292

      E-mail地址:jsj@njit.edu.cn

      单位地址:江苏省南京市江宁科学园弘景达到1号南京工程学院计算机工程学院

      单位官网:http://ce.njit.edu.cn/

    上一篇:江苏师范大学智慧教育学院
    下一篇:无锡职业技术学院物联网学院
    友情链接:
    江苏省科学技术协会 中国计算机学会 南京大学 南京大学计算机科技与技术系 南京大学软件学院 东南大学计算机科学与工程学院 江苏经贸职业技术学院 南京信息职业技术学院 南京工业职业技术学院 江苏海事职业技术学院 常州信息职业技术学院 国网电力科学研究院 电子科技集团第28研究所 江南计算技术研究所 
       
     

    Copyright (c) 版权所有 江苏省计算机学会         【后台管理】    南京网站建设公司
    秘书处办公室       地址: 江苏省南京市仙林大道163号  邮编:210023   电话/传真:025-89680909   
    秘书处市内联络点   地址: 江苏省南京市汉口路22号     邮编:210093   电话/传真:025-86635622
    电子邮箱:jscs@nju.edu.cn   网址:www.jscs.org.cn    技术支持:南京成旭通信息技术有限公司  

    网站备案号:苏ICP备14049275号

    您是本站第8949223位来客!

    在线客服

    点击这里给我发消息