公开(公告)号：CN116630837A

公开(公告)日：2023-08-22

申请号：CN202310260849.1

申请日：2023-03-13

Applicant: 北京邮电大学

Inventor： 齐梦实 ,  员武莲 ,  马华东

IPC: G06V20/40 ,  G06V10/774 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 本申请提供一种双阶段视频去噪模型训练方法、视频去噪方法和系统，方法包括：采用各个噪声视频样本各自的无噪声视频数据以及各个图像帧组，对残差自注意力模型进行模型训练，使得残差自注意力模型先在第一阶段提取各个图像帧组中的主图像帧的动态特征以得到第一阶段去噪结果，再于第二阶段基于各个第一阶段去噪结果分别提取各个主图像帧的静态特征以得到第二阶段去噪结果，进而生成用于对视频去噪的双阶段视频去噪模型。本申请能够从两个阶段分别针对时间和空间两个维度的不同特点进行动态特征和静态特征的提取，能够有效提高训练得到的视频去噪模型的性能，进而能够有效提高双阶段视频去噪模型输出的视频去噪结果的鲁棒性、显著性及可靠性。

公开(公告)号：CN109711422B

公开(公告)日：2023-06-30

申请号：CN201711015902.2

申请日：2017-10-26

Applicant: 北京邮电大学 ,  腾讯科技(深圳)有限公司

Inventor： 刘武 ,  马华东 ,  高文慧 ,  黄婷婷

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/46 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种图像数据处理方法、装置、计算机设备和存储介质，所述方法包括：获取待处理图像，将所述待处理图像输入已训练的图像哈希码提取模型，所述图像哈希码提取模型包括卷积神经网络，所述卷积神经网络包括嵌入卷积层之后的哈希映射层；所述图像哈希码提取模型的参数由图像分类模型训练得到，所述图像分类模型包括所述卷积神经网络，并在所述哈希映射层之后连接分类输出层；获取所述图像哈希码提取模型输出的所述待处理图像对应的哈希码，可以直接从图像中学习出更加鲁棒、紧凑，区分力更强的图像哈希码，还提出一种图像哈希码提取模型的建立方法、装置、计算机设备和存储介质。

公开(公告)号：CN116306865A

公开(公告)日：2023-06-23

申请号：CN202310183743.6

申请日：2023-02-17

Applicant: 北京邮电大学

Inventor： 马华东 ,  周安福 ,  张展 ,  宋登辉

IPC: G06N3/08 ,  G06N3/0464 ,  G06N5/04 ,  G01B11/30

Abstract: 本发明提供一种基于太赫兹无线感知的触觉粗糙度测量模型训练方法、测量方法及设备，包括：获取包含多个待测物体多角度的太赫兹反射信号，以构建训练样本集；对反射信号依次进行数据预处理、快速傅里叶变换和散射特征提取，分别得到时域信号及其时域特征、频域信号及其频域特征和散射特征；获取多材料粗糙度推理网络，该多材料粗糙度推理网络为双输入的二维卷积网络，将时域信号作为其第一输入，将时域特征、频域特征和散射特征作为其第二输入；利用训练样本集对多材料粗糙度推理网络进行训练，最终得到粗糙度测量模型。本发明能够基于粗糙度测量模型提取待测物体表面的粗糙度评价参数，实现无接触的高精度的物体表面粗糙度测量。

公开(公告)号：CN115767573A

公开(公告)日：2023-03-07

申请号：CN202111027891.6

申请日：2021-09-02

Applicant: 北京邮电大学

Inventor： 郑霄龙 ,  朱少鹏 ,  刘亮 ,  马华东

IPC: H04W24/02 ,  H04W28/02 ,  H04W72/02

Abstract: 本发明实施例提供了一种数据传输方法、装置及设备，该方法包括：预测接收到第一发送端发送的数据的时段，作为预测时段；基于预测时段，确定对第二发送端的干扰时段；在干扰时段内，向第二发送端发送干扰信息，以使第二发送端在干扰时段内停止向接收端发送数据。可见，本方案中，基于预测的接收到第一发送端发送的数据的时段，确定对第二发送端的干扰时段，在干扰时段内向第二发送端发送干扰信息，使得第二发送端在干扰时段内不向接收端发送数据。这样，就降低了第二发送端发送的数据和第一发送端发送的数据同时到达接收端的可能性，从而降低了数据碰撞的可能性，进而降低了时间隐藏终端发生的概率。

公开(公告)号：CN115457371A

公开(公告)日：2022-12-09

申请号：CN202211097012.1

申请日：2022-09-08

Applicant: 北京邮电大学

Inventor： 郑霄龙 ,  卜贝尔 ,  刘亮 ,  马华东

IPC: G06V10/98 ,  G06V10/80 ,  G06V10/72 ,  G06V10/74

Abstract: 本发明提供一种多模态数据的多维度质量分数评价方法及装置，所述方法的步骤包括：接收三维点云图像和二维RGB图像；基于噪声数据量和非噪声数据量计算三维点云图像和二维RGB图像的噪声维度评价参数；基于评测强度均值和参考强度均值计算三维点云图像和二维RGB图像的强度维度评价参数；计算二维RGB图像的梯度幅度相似度参数和总相似度参数，基于梯度幅度相似度参数和总相似度参数计算二维RGB图像的几何维度评价参数；计算三维点云图像的三维点云图像，基于梯度幅度相似度参数和总相似度参数计算三维点云图像的几何维度评价参数；基于几何维度评价参数、强度维度评价参数和噪声维度评价参数分别计算三维点云图像和二维RGB图像的质量分数。

公开(公告)号：CN115456058A

公开(公告)日：2022-12-09

申请号：CN202211051388.9

申请日：2022-08-31

Applicant: 北京邮电大学

Inventor： 郑霄龙 ,  樊祥和 ,  刘亮 ,  马华东

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种自动驾驶技术中的跨模态数据优选方法、装置及存储介质，所述方法的步骤包括：接收数据图像；根据数据图像的缺失部分计算完整性参数；将数据图像进行去噪处理得到真实图像参数，根据原始图像参数和真实图像参数计算准确性参数；根据原始图像前后帧计算一致性参数；将数据图像的分辨率作为分辨率参数；将传感器输出数据图像消耗的时间作为时间成本参数；基于完整性参数、准确性参数、一致性参数、分辨率参数和时间成本参数计算质量分数；将初始质量分数序列输入到长短期记忆网络模型中，得到预测质量分数序列；根据多个预测质量分数序列中每种模态的数据图像的质量分数计算最终质量分数，根据最终质量分数比较，确定适用的模态。

公开(公告)号：CN112508398B

公开(公告)日：2022-09-16

申请号：CN202011406748.3

申请日：2020-12-04

Applicant: 北京邮电大学

Inventor： 刘亮 ,  郑霄龙 ,  马华东 ,  罗梓珲 ,  江呈羚

IPC: G06Q10/06 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明实施例提供了一种基于深度强化学习的动态生产调度方法、装置及电子设备，涉及工业物联网技术领域，可以在不超过生产设备处理能力的基础上，减少作业整体处理时间。本发明实施例包括：获取各作业的静态特征和动态特征以及系统动态特征，将待调度的各作业的静态特征和动态特征以及系统动态特征输入调度模型，获得各作业在每个生产阶段的作业执行顺序或者批次执行顺序。其中，作业的静态特征包括任务量和完成所需时长，作业的动态特征包括接收时刻，系统动态特征包括每个生产阶段的设备能够执行的剩余任务量。调度模型为基于样本作业的静态特征和动态特征、系统动态特征以及第一critic网络，对第一actor网络进行训练后得到的模型。

公开(公告)号：CN115018044A

公开(公告)日：2022-09-06

申请号：CN202210510771.X

申请日：2022-05-11

Applicant: 北京邮电大学

Inventor： 郑霄龙 ,  马华东 ,  刘亮 ,  杜沛伦

IPC: G06N3/04 ,  G06N3/08 ,  G06V10/764 ,  G06V10/82 ,  G06V10/771 ,  G06V10/77

Abstract: 本申请提供一种深度卷积神经网络的对抗训练方法、图像识别方法及装置，方法包括：在深度卷积神经网络的对抗训练过程中的对抗分支中，提取目标图像对应的对抗攻击样本的初始特征；对对抗攻击样本的初始特征进行特征解耦，得到该初始特征分别对应的对抗类型特征和干扰特征，并对对抗类型特征进行特征提取以得到用于识别目标图像类型的第一鲁棒表征。本申请考虑到参训对抗攻击样本的动态性，利用特征解耦实现对对抗攻击样本中干扰特征的分离，能够保证深度卷积神经网络的对抗训练质量，并能够强化针对深度卷积神经网络的对抗训练效果，提升深度卷积神经网络的鲁棒性，进而能够有效提高深度卷积神经网络的识别结果的有效性及可靠性。

公开(公告)号：CN113283013B

公开(公告)日：2022-07-19

申请号：CN202110646077.6

申请日：2021-06-10

Applicant: 北京邮电大学

Inventor： 赵东 ,  马华东 ,  曹铭喆 ,  丁立戈

IPC: G06F30/15 ,  G06F30/27 ,  G06Q10/04 ,  G06Q10/06 ,  G06Q50/06 ,  G06N20/00 ,  G06F111/08

Abstract: 一种基于深度强化学习的多无人机充电及任务调度方法涉及无人机调度技术领域，解决了现有没有考虑充电站的负载和无人机的充电策略对任务调度的影响的问题，方法为：根据待执行任务和充电站的负载、通过深度强化学习模型对可调度无人机进行调度；待无人机执行任务后，根据未执行任务的数量、可调度无人机数量和无人机剩余电量对停留在充电站上的待充电无人机进行充电。本发明有效解决了多无人机充电及任务调度需要优化提高的问题，能够在保证无人机不会能量耗尽的前提下，实现最小化执行任务总体时间的目标，最终得到各个无人机的调度序列，从而能够让相应的多无人机从出发点出发按顺序遍历这些任务点，并在对应的充电站进行自适应充电。

公开(公告)号：CN114547556A

公开(公告)日：2022-05-27

申请号：CN202210452373.7

申请日：2022-04-27

Applicant: 北京邮电大学 ,  中电信数智科技有限公司

Inventor： 马华东 ,  周安福 ,  张海涛 ,  刘亮 ,  张宇峰 ,  余音 ,  李红平

IPC: G06F21/10 ,  G06F21/45 ,  H04L9/40

Abstract: 本申请提供一种视频云环境下智能算法版权管理方法、管理器及系统，方法包括：获取目标智能算法的授权证书，并在视频云平台中将该授权证书加载至目标智能算法对应的插件中；根据插件中的算法元数据获取目标智能算法的镜像，并将该镜像以容器形式运行在视频云平台中，以基于插件中的授权证书对容器对应的目标智能算法进行版权管理。本申请能够在容器迁移时不再需要人工进行重新授权认证，能够有效简化智能算法的版权管理过程并提高智能算法版权管理的效率、自动化程度及智能化程度，将算法运行与授权管理分隔开来，解决云环境中容器迁移引起的授权管理问题；进而能够有效提高视频云环境下智能算法的调用效率及可靠性。