-
公开(公告)号：CN119996701A
公开(公告)日：2025-05-13
申请号：CN202510256568.8
申请日：2025-03-05
Applicant: 上海工程技术大学
IPC: H04N19/147 , H04N19/137 , H04N19/172 , H04N19/70
Abstract: 本发明公开了一种用于动态点云的几何视频编码优化方法，其特征在于：事先从待编码的动态点云视频中随机抽取若干帧，提取几何特征，再结合MPED分数指标进行几何特征筛选，以构建特征融合数学模型；在采用V‑PCC编码器进行编码时，计算每帧点云中每个点对应的筛选出几何特征，代入特征融合数学模型，获得特征融合值，以优化率失真优化函数，从而实现编码优化。和现有V‑PCC编码器相比，采用本发明的编码方法能够有效提升重建点云的视觉效果，尤其是在需要精细结构的应用场景中，如三维重建、虚拟现实和自动驾驶等领域。
-
公开(公告)号：CN119850952A
公开(公告)日：2025-04-18
申请号：CN202411914326.5
申请日：2024-12-24
Applicant: 上海工程技术大学
IPC: G06V10/26 , G06V10/52 , G06V10/80 , G06V10/77 , G06V10/82 , G06N3/0464 , G06N3/0499 , G06N3/048 , G06N3/045 , G06N3/08
Abstract: 本发明涉及图像分割技术领域，更具体地说，涉及自回归顶点生成与语言结构引导的图像指代分割方法，获取输入图像和对应的指代查询语句；利用预训练的视觉编码器获取输入图像的多尺度视觉特征；利用预训练的语言编码器获取指代查询语句的语言特征；基于多尺度视觉特征，构建图像语义场景图；基于语言特征，构建查询语言依存图；利用图对齐机制和特征对齐机制，实现图像语义场景图与查询语言依存图的结构化多模态融合；基于结构化多模态融合的结果，采用语言引导的自回归实例生成方法生成目标实例的轮廓点序列；根据轮廓点序列生成目标实例的分割掩码；输出分割掩码作为图像指代分割的结果，实现了显著的性能提升。
-
公开(公告)号：CN118569251A
公开(公告)日：2024-08-30
申请号：CN202410632407.X
申请日：2024-05-21
Applicant: 上海工程技术大学
IPC: G06F40/279 , G06F40/216 , G06F18/214 , G06F18/2431 , G06F18/25 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种基于原型网络的工业小样本关系抽取方法，属于自然语言处理技术领域。包括：获取工业数据集和公共数据集；构建两个相同的基于注意力机制的关系关注原型生成模型，得到公共关系关注原型表示和工业关系关注原型表示；构建基于知识蒸馏的原型蒸馏模型，针对公共关系关注原型表示和工业关系关注原型表示进行知识蒸馏，同时将工业支持集中的句子输入基于知识蒸馏的原型蒸馏模型，基于知识蒸馏后的所述工业关系关注原型表示得到分类预测结果。本发明通过在编码阶段引入注意力机制实现关系描述重要信息选择，随后将信息选择后的原型进行原型蒸馏实现工业小样本关系抽取性能提升。
-
公开(公告)号：CN115935186A
公开(公告)日：2023-04-07
申请号：CN202211564466.5
申请日：2022-12-07
Applicant: 上海工程技术大学
IPC: G06F18/214 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于增强生成模型的工序异常检测方法，包括下列步骤：S1：针对汽车智能设备制造领域工序故障应用场景，收集相应的设备工序故障样本数据，通过对抗的过程训练增强生成GAN模型，其中，模型包括生成器G和判别器D；使用大量正常工序样本进行训练后，由生成器训练生成模拟正常样本Gn(Z)的能力，判决器D学习异常工序样本的特征。本发明的网络训练中只需要少量正常样本，在对抗训练过程中，进行两个网络共同优化，最终使得生成网络可以生成非常接近真实数据的样本，同时，每个GAN模型只生成一种工序故障数据，多个GAN模型共同实现故障数据集的扩充，从而提高生成数据的质量。
-
公开(公告)号：CN114881134A
公开(公告)日：2022-08-09
申请号：CN202210450589.X
申请日：2022-04-26
Applicant: 上海工程技术大学
Abstract: 本发明属于机器学习的技术领域，公开了一种应用于数据异构的联邦域适应方法，每个联邦源域节点基于相关的本地数据集进行当前轮次训练得到对应的本地源域模型，对所有的本地源域模型进行知识蒸馏，获取高质量知识和支持所述高质量知识的本地源域模型数量，连同所有的本地源域模型共同上传至中央服务器，然后计算每个本地源域模型对应的权重，通过聚合操作建立全局模型，最后中央服务器将全局模型下发至各个源域节点，再结合对比训练方法，进行下一轮次训练得到每个源域节点对应的本地源域模型，依次迭代，直到全局模型收敛，从而完成联邦域的自适应学习。
-
Patent Agency Ranking
公开(公告)号：CN111988641B
公开(公告)日：2022-07-15
申请号：CN202010738851.1
申请日：2020-07-28
Applicant: 上海工程技术大学
IPC: H04N21/236 , H04N21/2368
Abstract: 本发明提供了一种传输流复用音视频时间同步方法，包括：处理视频每一帧码流的DTS和PTS，使视频每一帧码流的DTS以视频帧的时间长度连续累计，使视频每一帧码流的PTS以视频帧的时间长度连续累计；处理音频每一帧码流的DTS和PTS，使音频每一帧码流的DTS以音频帧的时间长度连续累计，使音频每一帧码流的PTS以音频帧的时间长度连续累计；根据音频帧与视频帧时间同步情况，判断处理后的时间：若音频帧原始DTS与视频帧原始DTS之间的时间差小于第一阈值，则音视频帧处在同步状态，保持音视频时间一致调整；进入复用器进行复用。
-
公开(公告)号：CN109861938B
公开(公告)日：2021-06-11
申请号：CN201811650449.7
申请日：2018-12-31
Applicant: 上海工程技术大学
Abstract: 本发明涉及OFDM通信系统，属于通信领域。一种高数据传输效率的抑制信号中相位旋转误差的方法，其特征在于：采用子载波交织映射，具体步骤为步骤一，发射端的序列发生器发送一组N个序列的子载波频域序列组，经过快速傅里叶反变换之后得到时域序列组；步骤二，将时域序列组采用旋转共轭进行交织映射后得到两个N个序列的子载波序列组，然后将两个序列组按位合并相加后发送到接收端；步骤三，接收端将接收到的加上噪声和频偏的信号序列组经过傅里叶变换后，以前后相邻子载波序列信号相减抵消ICI干扰序列，从而消除ICI干扰，得到接收序列信号。采用本发明的方法，能够进一步抑制信号中的相位旋转误差并提升系统的误码率性能。
-
公开(公告)号：CN118966319A
公开(公告)日：2024-11-15
申请号：CN202410871430.4
申请日：2024-07-01
Applicant: 上海工程技术大学
IPC: G06N3/098 , G06N3/0895
Abstract: 本发明公开了一种基于自监督学习的纵向联邦学习方法，属于机器学习技术领域。该方法包括：对于任意两个参与方，使用重叠数据样本互为正样本对进行重叠网络的自监督训练；对两个参与方的本地数据进行压缩处理，得到降维后的数据矩阵，使用压缩数据与重叠编码器对本地在线网络和目标网络进行自监督训练；将每一参与方训练好的本地在线网络的尾部编码器以及预测器参数上传至服务器求平均，然后下发各参与方更新进行下一轮的训练。本发明采用对本地数据进行压缩处理以及传递特征表示代替传输加密参数，降低了对设备计算能力的要求；同时该方法不仅充分利用重叠样本，而且还能够使用非重叠样本进行训练，显著提高样本的使用率。
-
公开(公告)号：CN118627588A
公开(公告)日：2024-09-10
申请号：CN202410689504.2
申请日：2024-05-30
Applicant: 上海工程技术大学
IPC: G06N3/094 , G06N3/0895 , G06N3/098 , G06N3/045 , G06N3/0475
Abstract: 本发明公开了基于无监督扰动的针对联邦学习的自监督对抗防御框架，属于联邦学习技术领域。包括：服务器初始化全局模型的模型，并将其模型参数下发给所有所述客户端；所述客户端更新其本地模型的在线网络，基于无监督扰动生成无监督对抗样本，并进行自监督对抗训练，训练完成后所有所述客户端上传其在线网络的模型参数；所述服务器聚合后得到新的全局模型的模型参数并下发；所有所述客户端使用鲁棒性感知指数移动平均算法更新其本地模型的在线网络。重复上述操作，直至满足停止条件，完成训练。本发明在客户端采用无监督对抗样本进行自监督对抗训练，并提出了鲁棒性感知指数移动平均算法来更新客户端的网络，有效地提升联邦学习网络的对抗性防御能力。
-
公开(公告)号：CN116188837A
公开(公告)日：2023-05-30
申请号：CN202211623893.6
申请日：2022-12-16
Applicant: 上海工程技术大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及图像处理的技术邻域，公开了一种基于目标检测的图像隐私分级方法，其特征在于：利用分类网络模型对待检图像进行隐私图像识别，若判定为隐私图像，则利用目标检测网络模型识别隐私图像所包含的目标，根据识别出的目标属性，确定对应隐私图像的隐私值，再结合图像信息熵确定待检图像的最终隐私等级。本发明提出的隐私图像分级方法得出的结果能够符合绝大多数用户观点，具有一定的适用价值。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.029 seconds)
