-
公开(公告)号：CN112016506B
公开(公告)日：2022-10-11
申请号：CN202010926300.8
申请日：2020-09-07
Applicant: 重庆邮电大学
IPC: G06V40/10 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明属于图像处理与计算机视觉技术领域，涉及一种快速适应新场景的教室姿态检测模型参数训练方法及装置，所述方法包括：将教室姿态检测模型的参数进行随机初始化；将教室姿态检测数据集按场景划分为小目标数据集；随机选取其中n个小目标数据集，复制模型参数并在各个小目标数据集的训练集上进行训练并在对应测试集上测得损失，并计算各个小目标数据集损失的平均值；将平均值用作是模型参数的教室姿态检测模型的损失，利用该损失对模型参数进行梯度下降，得到新的模型参数；本发明能有效减少人工标注成本，在进一步训练后得到模型参数下的检测结果相对于在训练集上的所有图片进行训练的传统训练方法得到的模型更为准确。
-
公开(公告)号：CN110061859B
公开(公告)日：2021-11-12
申请号：CN201910212331.4
申请日：2019-03-20
Applicant: 重庆邮电大学
IPC: H04L12/24
Abstract: 本发明请求保护一种基于用户生存性条件约束下的SDN控制器部署方法，应用于二层SDN控制器的部署。为在满足用户对控制平面生存性需求的前提下，尽可能降低控制器传输时延，减少控制平面的控制器数量，本发明通过与用户协商后给出的可接受控制信道工作路由故障发生概率P计算出本部署方法下的允许的最大控制信道路由长度W，作为二级控制器部署的约束条件。在使得二级控制器到其所属SDN交换机节点的直连距离不超过W的前提下，优先选择该部分网络节点图中控制器集合总体出度数多的作为二级控制器的部署节点，完成二级控制器的部署后，以实际网络中的平均往返时延和平均可选路径数为联合判决条件确定一级控制器的部署位置，完成整个控制平面的部署工作。
-
公开(公告)号：CN112016506A
公开(公告)日：2020-12-01
申请号：CN202010926300.8
申请日：2020-09-07
Applicant: 重庆邮电大学
Abstract: 本发明属于图像处理与计算机视觉技术领域，涉及一种快速适应新场景的教室姿态检测模型参数训练方法及装置，所述方法包括：将教室姿态检测模型的参数进行随机初始化；将教室姿态检测数据集按场景划分为小目标数据集；随机选取其中n个小目标数据集，复制模型参数并在各个小目标数据集的训练集上进行训练并在对应测试集上测得损失，并计算各个小目标数据集损失的平均值；将平均值用作是模型参数的教室姿态检测模型的损失，利用该损失对模型参数进行梯度下降，得到新的模型参数；本发明能有效减少人工标注成本，在进一步训练后得到模型参数下的检测结果相对于在训练集上的所有图片进行训练的传统训练方法得到的模型更为准确。
-
公开(公告)号：CN110062357A
公开(公告)日：2019-07-26
申请号：CN201910212333.3
申请日：2019-03-20
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于强化学习的D2D辅助设备缓存系统及缓存方法，具体是基于DQN(Deep Q Network)强化学习方式下的D2D通信缓存优化的系统。系统由服务器端的训练数据筛选模块、服务交互模块、请求处理模块、日志记录子模块和辅助节点设备的强化学习模块、请求处理模块、文件缓存模块、日志记录模块以及用户所在的辅助节点D2D通信覆盖区所有用户构成，通过统计分析用户对文件请求的记录，将数据进行筛选后用于强化学习，通过神经网络来学习得到辅助节点设备上适应流行度的缓存策略，从而提高系统D2D辅助设备卸载的命中率，有效地降低基站负荷，发挥D2D通信降低用户时延、节省网络带宽以及增加资源复用等作用。
-
公开(公告)号：CN110061859A
公开(公告)日：2019-07-26
申请号：CN201910212331.4
申请日：2019-03-20
Applicant: 重庆邮电大学
IPC: H04L12/24
Abstract: 本发明请求保护一种基于用户生存性条件约束下的SDN控制器部署方法，应用于二层SDN控制器的部署。为在满足用户对控制平面生存性需求的前提下，尽可能降低控制器传输时延，减少控制平面的控制器数量，本发明通过与用户协商后给出的可接受控制信道工作路由故障发生概率P计算出本部署方法下的允许的最大控制信道路由长度W，作为二级控制器部署的约束条件。在使得二级控制器到其所属SDN交换机节点的直连距离不超过W的前提下，优先选择该部分网络节点图中控制器集合总体出度数多的作为二级控制器的部署节点，完成二级控制器的部署后，以实际网络中的平均往返时延和平均可选路径数为联合判决条件确定一级控制器的部署位置，完成整个控制平面的部署工作。
-
Patent Agency Ranking
公开(公告)号：CN112507904B
公开(公告)日：2022-06-03
申请号：CN202011473933.4
申请日：2020-12-15
Applicant: 重庆邮电大学
Abstract: 本发明涉及基于多尺度特征的教室人体姿态实时检测方法，属于图像处理与计算机视觉技术领域；所述方法包括基于单阶段目标检测的SSD网络，将教室图像通过分块处理进行数据增强，通过VGG‑16网络提取图像的基础特征，并采用RFB模块提取级联的多尺度特征图；通过多尺度特征增强分支，将原图下采样且送入到多尺度特征增强模块学习多尺度信息，并通过点乘的方式与级联的多尺度特征图进行融合；通过特征自适应融合模块将浅层的细粒度特征与高层语义特征进行互补融合，以提升网络对相似姿态类别的鉴别能力，最后将自适应融合后的特征图进行分类和回归；在保证实时的前提下，解决了在人体密度较大，遮挡较为严重的教室场景的人体姿态检测问题。
-
公开(公告)号：CN112507904A
公开(公告)日：2021-03-16
申请号：CN202011473933.4
申请日：2020-12-15
Applicant: 重庆邮电大学
Abstract: 本发明涉及基于多尺度特征的教室人体姿态实时检测方法，属于图像处理与计算机视觉技术领域；所述方法包括基于单阶段目标检测的SSD网络，将教室图像通过分块处理进行数据增强，通过VGG‑16网络提取图像的基础特征，并采用RFB模块提取级联的多尺度特征图；通过多尺度特征增强分支，将原图下采样且送入到多尺度特征增强模块学习多尺度信息，并通过点乘的方式与级联的多尺度特征图进行融合；通过特征自适应融合模块将浅层的细粒度特征与高层语义特征进行互补融合，以提升网络对相似姿态类别的鉴别能力，最后将自适应融合后的特征图进行分类和回归；在保证实时的前提下，解决了在人体密度较大，遮挡较为严重的教室场景的人体姿态检测问题。
-
公开(公告)号：CN110062357B
公开(公告)日：2022-02-11
申请号：CN201910212333.3
申请日：2019-03-20
Applicant: 重庆邮电大学
IPC: H04W4/70 , H04W24/02 , H04L67/568 , G06F16/172 , G06N3/04 , G06N3/08
Abstract: 本发明请求保护一种基于强化学习的D2D辅助设备缓存系统及缓存方法，具体是基于DQN(Deep Q Network)强化学习方式下的D2D通信缓存优化的系统。系统由服务器端的训练数据筛选模块、服务交互模块、请求处理模块、日志记录子模块和辅助节点设备的强化学习模块、请求处理模块、文件缓存模块、日志记录模块以及用户所在的辅助节点D2D通信覆盖区所有用户构成，通过统计分析用户对文件请求的记录，将数据进行筛选后用于强化学习，通过神经网络来学习得到辅助节点设备上适应流行度的缓存策略，从而提高系统D2D辅助设备卸载的命中率，有效地降低基站负荷，发挥D2D通信降低用户时延、节省网络带宽以及增加资源复用等作用。
-
公开(公告)号：CN112017196A
公开(公告)日：2020-12-01
申请号：CN202010875598.4
申请日：2020-08-27
Applicant: 重庆邮电大学
Abstract: 本发明涉及医学图像处理与计算机视觉领域，具体涉及一种基于局部注意力机制的三维牙齿模型网格分割方法，包括：采用训练好的三维牙齿模型分割网络对三维牙齿模型中的每一个三角形网格进行判断分类，确定每一个三角形网格所在的区域属于牙龈还是某一颗牙齿，准确找到三维牙齿模型中每颗牙齿所在的完整区域，从而对三维牙齿模型进行准确分割。本发明能够有效提高牙齿边缘以及相邻牙齿等低特征识别度区域的分割准确率。
-
公开(公告)号：CN112017196B
公开(公告)日：2022-02-22
申请号：CN202010875598.4
申请日：2020-08-27
Applicant: 重庆邮电大学
Abstract: 本发明涉及医学图像处理与计算机视觉领域，具体涉及一种基于局部注意力机制的三维牙齿模型网格分割方法，包括：采用训练好的三维牙齿模型分割网络对三维牙齿模型中的每一个三角形网格进行判断分类，确定每一个三角形网格所在的区域属于牙龈还是某一颗牙齿，准确找到三维牙齿模型中每颗牙齿所在的完整区域，从而对三维牙齿模型进行准确分割。本发明能够有效提高牙齿边缘以及相邻牙齿等低特征识别度区域的分割准确率。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.026 seconds)
