-
公开(公告)号：CN112039815B
公开(公告)日：2023-03-28
申请号：CN202010738902.0
申请日：2020-07-28
Applicant: 上海工程技术大学
Abstract: 本发明公开了一种应用于滤波器组多载波系统的干扰消除方法及其应用，步骤：发射端发送一组N个序列的子载波序列组，对其分别进行取实部和取虚部处理得到两频域实值序列；两频域实值序列分别依次进行原型滤波、IFFT、信号相减处理(两组相邻信号相减后再相减)和信号重排处理(采用先奇数后偶数的顺序进行重新排列)后合并两者，将其发送至接收端；接收端将接收到的信号序列组分成两条支路后分别依次进行原型滤波、FFT、信号还原处理和取实部运算即得接收序列信号。本发明在不改变QAM调制方式和不降低数据传输效率的前提下，既减弱滤波器之间的正交性条件并更有效地消除虚部固有干扰，又进一步抑制子载波之间和符号之间产生的剩余干扰。
-
公开(公告)号：CN115695798A
公开(公告)日：2023-02-03
申请号：CN202211345019.0
申请日：2022-10-31
Applicant: 上海工程技术大学
Abstract: 本发明提供一种可分级VVC快速编码单元划分决策方法及装置，所述方法包括：使用Canny算子提取CU中的边缘，得到垂直边缘特征值与水平边缘特征值；对垂直边缘特征值与水平边缘特征值进行二次处理；计算边缘垂直方向特征和与边缘水平方向特征，得到边缘特征比值；根据所述边缘特征比值确定编码单元划分决策模式。本发明利用边缘方向特征比值对划分模式做提前预决策，极大地节省了VVC编码时间。
-
公开(公告)号：CN115344883A
公开(公告)日：2022-11-15
申请号：CN202210754970.5
申请日：2022-06-29
Applicant: 上海工程技术大学
Abstract: 本发明公开了一种用于处理不平衡数据的个性化联邦学习方法和装置，属于机器学习技术领域。具体包括：中央服务器建立全局网络模型，并将其分发给客户端；客户端根据其私有数据通过对比学习算法进行训练，并将更新后的基础编码层参数返回给中央服务器；中央服务器根据所有客户端参数重新计算全局网络模型及每个客户端本地网络模型的基础编码层参数，并将其分别下发给每个客户端；客户端更新本地网络，迭代训练直至全局网络模型收敛或达到指定训练次数。本发明采用个性化联邦学习与对比学习的模型训练方法，在保证各方数据的私密性与安全性的同时，针对不平衡数据的目标网络高效训练，提高了模型收敛速率与泛化能力。
-
公开(公告)号：CN111988641A
公开(公告)日：2020-11-24
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：CN110460840B
公开(公告)日：2020-06-26
申请号：CN201910900958.9
申请日：2019-09-23
Applicant: 上海工程技术大学
Abstract: 本发明公开了一种基于三维密集网络的镜头边界检测方法，步骤为：将视频分为帧段后随机分配标签，再将其输入三维密集网络完成分类；三维密集网络包括顺序连接的三维卷积层、最大池化层、四镜头边界检测块和线性层，三维卷积层为输入层，线性层为输出层，镜头边界检测块包括首尾连接的多组重复单元，重复单元包括作为输入的瓶颈层和作为输出的经过三维卷积的密集块，上一组重复单元的输出作为下一组重复单元的输入，镜头边界检测块后均连有过渡层，过渡层包括Batch Normalization、RELU、一卷积和平均池化层。本发明提高三维卷积结合视频的时空特征，采用密集网络进行特征复用，不仅提高了检测准确度，还降低了计算复杂度。
-
Patent Agency Ranking
公开(公告)号：CN120034663A
公开(公告)日：2025-05-23
申请号：CN202510184217.0
申请日：2025-02-19
Applicant: 上海工程技术大学
IPC: H04N19/597 , H04N19/14 , H04N19/159 , H04N19/54
Abstract: 本发明公开了一种用于动态点云压缩的编码单元优化划分方法，提取多个编码单元的属性特征和几何特征，构建数据集，用于训练和测试多个划分识别模型，它们分别对应不同的划分模式；计算当前编码单元的梯度和方差，以此对当前编码单元的划分模式进行初步筛选，再提取当前编码单元的属性特征和几何特征，选取训练好的划分识别模型对筛选后的划分模式一一对应进行测试，从中筛选出最优划分模式，以此用于当前编码单元的划分。还公开了一种动态点云快速压缩方法。
-
公开(公告)号：CN118491536A
公开(公告)日：2024-08-16
申请号：CN202410510645.3
申请日：2024-04-26
Applicant: 山东大学 , 上海市环境科学研究院 , 上海工程技术大学
Abstract: 本发明提供了一种BiVO4/CdS复合材料光催化剂的制备方法，包括：步骤1、将Cd(C2H3O2)2·2H2O和CH4N2S溶解在EDA中，得溶液A；步骤2、将溶液A移至高压釜中加热，获得沉淀物B；步骤3、将沉淀物B干燥，获得沉淀物C；步骤4、将Bi(C2H3O2)3和NaVO3溶解于去离子水中获得溶液D；步骤5、在搅拌过程中将羧甲基纤维素钠溶液和氨水加入溶液D中，获得溶液E；步骤6、将溶液E移入高压釜加热，获得沉淀物F；步骤7、对沉淀物F实施清洗、干燥，获得沉淀物G；步骤8、将沉淀物C和沉淀物G加入至乙醇中搅拌，获得溶液H；步骤9、对溶液H实施离心处理获得沉淀物I；步骤10、对沉淀物I实施干燥得到光催化剂。本发明的复合材料光催化剂可高效产生含氧自由基，从而快速去除污水中的有机物。
-
公开(公告)号：CN117765234A
公开(公告)日：2024-03-26
申请号：CN202311538301.5
申请日：2023-11-17
Applicant: 上海工程技术大学
IPC: G06V10/25 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于扩散模型的针对显著目标检测的对抗防御训练方法，构建原始训练集并进行净化，利用净化前后的图像及其预测结果对细化网络模型进行训练；攻击原始训练集中的原始图像得到对抗样本，利用原始图像和对应的对抗样本及其预测结果对多步投票对抗分类器进行训练；构建测试集并进行净化，对净化前后的图像进行目标检测，计算两个预测结果的相似性，判断是否超过阈值，获得检测结果0/1；利用训练好的多步投票对抗分类器对测试集中的图像及其预测结果进行分类，获得分类结果0/1，若两个结果均为1，则为良性，此时原始预测结果为最终结果；否则为对抗，需要利用细化网络模型进行细化检测，输出预测结果即为最终结果。
-
公开(公告)号：CN115482408A
公开(公告)日：2022-12-16
申请号：CN202210914347.1
申请日：2022-08-01
Applicant: 上海工程技术大学
IPC: G06V10/764 , G06V10/80 , G06T7/00 , G06N3/04
Abstract: 本发明公开了一种时空特征融合的眼震视频分类方法及系统，属于医学图像处理的视频分类技术领域。包括对眼震视频进行编码映射，通过Spatial Transformer模块和Temporal Transformer模块得到空间维度特征和时间维度特征；将其通过时空特征融合模块，得到融合的时空特征；然后输入所述Temporal‑Spatial Transformer继续进行特征提取，获得特征图；最后通过全连接层和分类函数得到分类结果。本发明采用了一种新颖的时空特征融合Transformer框架，无需进行手工特征提取，能够很好地对眼震视频进行特征提取，提高了分类的精度。
-
公开(公告)号：CN115346042A
公开(公告)日：2022-11-15
申请号：CN202210754957.X
申请日：2022-06-29
Applicant: 上海工程技术大学
IPC: G06V10/24 , G06V10/764 , G06V10/774
Abstract: 本发明提出了一种基于自监督学习的显著性目标检测对抗净化方法，属于计算机视觉领域。具体方案为：获取训练集输入图像，将其在四个不同的角度逆时针旋转；针对旋转后的图像，得到旋转预测损失和显著性目标检测损失，最小化两者结合的联合训练损失得到训练模型；获取测试集输入图像，将其随机旋转一个角度；针对旋转后的输入图像，求解最小化旋转预测损失，得到净化图像；并将其旋转复原，输入训练模型的显著性目标检测主任务中，得到显著性目标检测的预测图。本发明通过在SOD网络的中添加一个自监督任务，然后最小化自监督损失来净化对抗样本，与对抗性训练相比，该策略极大地降低了计算成本，并且净化方法对各种测试数据集具有适应性。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.023 seconds)
