-
公开(公告)号：CN117201765A
公开(公告)日：2023-12-08
申请号：CN202311013063.6
申请日：2023-08-11
Applicant: 厦门大学
IPC: H04N17/00 , H04N19/154 , G06V20/40
Abstract: 本发明提出了一种基于内容引导的无参考视频质量评价方法，该方法包括：获取待评价的视频片段；构建特征提取网络，并将待评价的视频片段输入到特征提取网络，以便得到对应的帧级特征和语义内容特征；构建时序信息捕获网络，以便根据时序信息捕获网络得到帧级特征间的时序依赖关系；构建超网络，并使用超网络将语义内容特征分别重塑为查询和质量感知头；再将帧级特征间的时序依赖关系和查询输入到编码器中，以便得到带有由视频内容引导的时序依赖关系的帧级质量特征；采用质量感知头对帧级质量特征进行预测，以得到待评价的视频片段对应的视频质量分数；由此，能够利用视频内容引导时序注意力的分配并生成质量分数，从而提高视频质量评价的准确度。
-
公开(公告)号：CN114007274B
公开(公告)日：2023-11-14
申请号：CN202111094759.7
申请日：2021-09-17
Applicant: 厦门大学 , 京信网络系统股份有限公司
IPC: H04W72/12 , H04W72/0446 , H04W72/566 , H04W72/23 , H04W72/543
Abstract: 本发明公开了一种基于URLLC业务时延容忍度的资源复用方法及系统，其中方法包括：无线接入点向无线通信设备发送SIB1信息；当无线通信设备产生URLLC业务需求时，生成调度信息，以及将调度信息发送给无线接入点；无线接入点判断URLLC业务是否可容忍切片帧结构下的最长等待时延；如果否，则将资源复用方案配置为基于免授权模式；如果是，则获取URLLC业务类型信息；判断无线通信设备的URLLC业务是否为周期性；如果否，则将资源复用方案配置为改进型GB模式；如果是，则将资源复用方案配置为GF模式。能够在满足URLLC业务低时延技术要求的前提下，降低eMBB UE用于传输数据的时频域资源被抢占、打孔、穿刺事件的发生概率，进而提高eMBB UE吞吐量和信噪比。
-
公开(公告)号：CN116842380A
公开(公告)日：2023-10-03
申请号：CN202310686128.7
申请日：2023-06-09
Applicant: 厦门大学
IPC: G06F18/214 , G06F18/211
Abstract: 本发明公开了一种根据本发明实施例的基于客户端成簇的混合联邦分割学习的模型训练方法，包括每个学习客户端根据成簇策略与其周围的辅助客户端进行分簇，以得到多个学习簇；根据簇头选定策略在每个学习簇中选择一个特殊的客户端作为簇头，以便本地基站根据基站带宽分配策略为簇头分配带宽；簇头根据本地基站分配的带宽获取本地基站下发的全局模块，簇头根据模型切分和分配策略将全局模型切分为多个模型段，并分发给所有簇成员进行协作训练；簇头收集簇内的所有簇成员训练好的本地模型并将其上传至本地基站，以便本地基站将簇头上传的本地模型进行聚合，不仅用户计算、存储和通信负载小，而且用户并行度、对用户非独立同分布数据敏感度高。
-
公开(公告)号：CN116805371A
公开(公告)日：2023-09-26
申请号：CN202310664647.3
申请日：2023-06-06
Applicant: 厦门大学
IPC: G06V10/75 , G01S17/06 , G01S17/931 , G06V20/56 , G06V10/26 , G06V20/70 , G06V10/762 , G06V10/764 , G06V10/80 , G06V10/42 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/0985
Abstract: 本申请的实施例提供了一种激光点云和视觉图像的跨模态场景匹配方法、装置及设备。该方法包括：对目标车辆在行驶过程中拍摄得到的待处理图像进行语义分割，得到语义图像；对所述语义图像进行聚类，得到对应的视觉图节点；获取预先构建的离线点云图节点地图库；基于图卷积神经网络，分别提取所述视觉图节点对应的视觉图节点聚合特征以及各帧点云图节点数据对应的点云图节点聚合特征；对所述视觉图节点聚合特征以及所述点云图节点聚合特征进行拼接，并将拼接后的特征输入至全连接网络中，以使所述全连接网络输出两种模态对应的匹配程。本申请实施例的技术方案降低跨模态匹配计算的复杂度，并保证跨模态匹配的计算结果的准确性。
-
公开(公告)号：CN110674925B
公开(公告)日：2023-04-18
申请号：CN201910810602.6
申请日：2019-08-29
Applicant: 厦门大学
IPC: G06N3/0464 , G06N3/08 , G06T7/11 , G06T7/40 , G06F16/73
Abstract: 本发明提出了一种基于3D卷积神经网络的无参考VR视频质量评价方法，该方法包括：采用视口生成法获取VR视频中每一帧所对应的多个视口，并将位置相同的视口组合成一个视口视频，以便根据所述VR视频生成多个视口视频；建立3D卷积神经网络模型，并根据生成好的视口视频对所述3D卷积神经网络模型进行训练；基于训练好的3D卷积神经网络模型对待评价VR视频对应的视口视频进行预测，以获得所述待评价VR视频对应的视口视频的MOS值；对属于同一个VR视频的视口视频所对应的MOS值进行池化操作，以获得所述待评价VR视频的最终视频质量分数；由此，该方法充分考虑了VR视频的特性，并采用无参考方式以大大提高VR视频质量评价的效率。
-
Patent Agency Ranking
公开(公告)号：CN110765992B
公开(公告)日：2023-03-24
申请号：CN201910901481.6
申请日：2019-09-23
Applicant: 厦门大学
Abstract: 本发明公开了一种印章鉴别方法、介质、设备及装置，其中方法包括：获取待鉴别印章图像所对应的原始印章图像；分别提取两者的特征点，并根据特征点对待鉴别印章图像和/或原始印章图像进行移动，以使得待鉴别印章图像和原始印章图像重合；计算待鉴别印章图像和原始印章图像的几何结构特征值，并判断待鉴别印章图像的几何结构特征值和原始印章图像的几何结构特征值之间的差值是否小于预设的差值阈值；如果是，则对印章图像进行切割，以生成多个相对应的切分区间，并计算每对切分区间之间的相似度，以根据相似度生成待鉴别印章图像对应的鉴别结果；能够自动对待鉴别印章进行有效鉴别，提高印章鉴别效率和精度，保证原始印章拥有者的权益不受损害。
-
公开(公告)号：CN115600692A
公开(公告)日：2023-01-13
申请号：CN202211165871.X
申请日：2022-09-23
Applicant: 厦门大学(CN)
Abstract: 本申请公开了一种基于集成模型的个性化联邦学习方法及装置，其中方法包括：各参与者在本地数据集上构建新的单模型拟合全局模型的残差，将训练完成的本轮单模型上传至服务器；服务器根据数据量对模型进行第一次加权，将确定权重后的本轮集成模型下发给各参与者；各参与者在本地数据进行本轮模型简化操作，将最终的选择结果以二进制编码的形式再次上传；服务器根据模型简化结果重新为当前轮次的模型确定权重，并将他们加入到全局模型中下发给各参与者；到达预定轮次后，各参与者得到个性化模型；由此，通过将集成模型融入联邦学习框架以及构建对应的模型个性化方法和通信成本节约方案，提升了联邦学习在非独立同分布的结构化数据上的预测性能。
-
公开(公告)号：CN113793498B
公开(公告)日：2022-07-19
申请号：CN202110939449.4
申请日：2021-08-16
Applicant: 厦门大学
Abstract: 本发明提供车联网超视距感知任务的异构资源联合管理方法与系统，方法包括车载设备和智能交通固定设备，车载设备和智能交通固定设备分别依据自身传感器设备信息和自身设备算力，生成资源信息；中央控制器收集其管理范围内的资源信息，创建资源信息数据表；一车载设备生成感知业务后提交至中央控制器；中央控制器依据所述资源信息数据表获取所述感知业务所需的感知信息；中央控制器依据获取的感知信息生成所述感知业务对应的计算业务。本发明利用中央控制器对异构资源的联合管理，使得车辆之间、车辆和智能交通设施之间可以交互共享安全告警和道路状况等关键信息，确保为业务提供有效的服务，提高道路交通的效率和安全性。
-
公开(公告)号：CN114638744A
公开(公告)日：2022-06-17
申请号：CN202210203974.4
申请日：2022-03-03
Applicant: 厦门大学 , 福建联迪商用设备有限公司
Abstract: 本发明公开了一种人体姿态迁移方法及装置，其中方法包括：获取目标人物图像和目标姿态；对目标人物图像进行处理得到原始姿态对应的人体骨骼关节点描述子和人体部位描述子；根据原始姿态对应的人体骨骼关节点描述子对目标姿态对应的人体骨骼关节点进行调整，以得到调整后的人体骨骼关节点描述子，以及将原始姿态对应的人体部位描述子和目标姿态输入到解析生成器以得到目标姿态对应的人体部位描述子；最后将目标人物图像、调整后的人体骨骼关节点描述子和目标姿态对应的人体部位描述子输入到姿态迁移网络以得到生成图像；由此，采用多属性对原姿态和目标姿态下的人体进行描述，并对目标姿态下的人体进行形态自适应，从而提升生成图像的视觉效果。
-
公开(公告)号：CN114638357A
公开(公告)日：2022-06-17
申请号：CN202210186097.4
申请日：2022-02-28
Applicant: 厦门大学
Abstract: 本发明公开了一种基于自动联邦学习的边缘计算系统及其学习方法，其中基于自动联邦学习的边缘计算系统包括：公有云、边缘云、边缘计算盒子和智能终端设备；公有云汇聚边缘云输入的神经网络模型结构和参数进行不同权重的参数更新优化，边缘云存储边缘计算盒子上传的数据，并采用基于强化学习的神经架构搜索模型搜索最佳模块组合进行局部化模型训练，边缘盒子部署训练好的神经网络模型为智能终端设备提供实时算力，智能终端设备采集图像、语音、文字等信息；本发明能够有效解决预设网络对独立同分布数据效果差的问题，同时能够很好的保护用户隐私，同时边缘盒子能够快速响应智能终端采集的数据，具有广泛的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
239
records
(took 0.026 seconds)
