公开(公告)号：CN116436915A

公开(公告)日：2023-07-14

申请号：CN202310399282.6

申请日：2023-04-14

Applicant: 南京邮电大学

Inventor： 张登银 ,  邹锦荣 ,  陈灿 ,  刘子捷 ,  法安琪 ,  俞周

IPC: H04L67/10 ,  H04L67/1001 ,  H04L67/1074 ,  H04L67/60 ,  G06F9/50

Abstract: 本发明公开了一种基于Kubernetes异构集群的调度策略优化方法、装置、设备及存储介质，方法包括：获取待调度任务信息、所有节点信息；对所有节点信息进行初筛选；根据所有节点信息判断集群是否为异构集群，若是，采用改进的动态资源比例平衡算法对筛选出的节点进行打分得到节点得分结果；确定节点得分结果中得分最高的节点，将该节点视为与待调度任务最适配的节点并将该节点与任务绑定；将节点与任务绑定的信息返回给Kubernetes API‑Server。本发明在Kubernetes默认的静态调度机制中增添了动态调度，在考虑每个节点实际资源使用率的同时也能兼顾到待调度任务部署到节点之后资源的均衡度。

公开(公告)号：CN112801877A

公开(公告)日：2021-05-14

申请号：CN202110170643.0

申请日：2021-02-08

Applicant: 南京邮电大学

Inventor： 张登银 ,  周超 ,  陈灿 ,  李俊江 ,  刘子捷 ,  程义

IPC: G06T3/40 ,  G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种视频帧的超分辨率重构方法，用于将低分辨率的视频恢复成高分辨率的视频。该方法包括：将第一分辨率的第一视频帧及其多个相邻帧输入预先训练的超分辨率重构网络，所述超分辨率重构网络输出第一视频帧对应的第二分辨率的第二视频帧；所述第二分辨率高于第一分辨率；其中，所述超分辨率重构网络包括依次连接的特征提取子网络、时空非局部对齐子网络、注意力渐进融合子网络、上采样子网络。本发明能够充分利用视频序列中的全局的时域与空域相关性，并在时域特征的不断融合中通过注意力机制来减少低质量特征的负面影响，提高高质量特征的贡献权重，因此能够有效提高输出的高分辨率视频的保真性和鲁棒性。

公开(公告)号：CN107682701B

公开(公告)日：2020-02-07

申请号：CN201710750320.2

申请日：2017-08-28

Applicant: 南京邮电大学

Inventor： 张登银 ,  陈灿 ,  赵烜 ,  丁科休

IPC: H04N19/172 ,  H04N19/42 ,  H04N19/43 ,  H04N19/85

Abstract: 本发明公开了基于感知哈希算法的分布式视频压缩感知自适应分组方法，针对在分布式视频压缩感知系统中当视频序列变化剧烈或发生场景切换时，采用固定的图像分组将导致参考帧选择的不准确进而严重影响非关键帧的重构质量，如果非关键帧与相邻关键帧的重构质量相差过大，解码端将产生视频闪烁效应的问题，本发明首先利用感知哈希算法评估图像的时域相关性大小，并根据时域相关性大小将图像分级，然后进行自适应图像分组；在自适应图像分组基础上，采用一种新的帧采样率分配模型进一步提高总体重构质量。本发明在保持总采样率不变的前提下，有效降低了解码视频中视频闪烁程度，为分布式视频压缩感知系统进一步提高提高服务质量和用户体验提供了可能。

公开(公告)号：CN109712083A

公开(公告)日：2019-05-03

申请号：CN201811492894.5

申请日：2018-12-06

Applicant: 南京邮电大学

Inventor： 张登银 ,  钱雯 ,  朱虹 ,  陈灿

IPC: G06T5/00 ,  G06N3/04 ,  G06N3/08 ,  G06T5/50

Abstract: 本发明提出一种基于卷积神经网络的单幅图像去雾方法，该方法首先构建训练集作为深度卷积神经网络模型的输入，网络模型包括浅层神经网络模型和深层神经网络模型，浅层网络模型用于提取并融合有雾图像RGB颜色空间的特征，输出为有雾图像的场景深度图；深层网络模型在浅层网络模型的基础上，对场景深度图进行多尺度映射、池化、卷积等操作，输出为有雾图像的透射率图。最后，通过透射率、大气光值以及大气散射模型即可恢复无雾图像。本发明通过对雾化图像RGB颜色空间的特征进行提取和融合，构建浅层卷积神经网络模型，与多尺度深层神经网络模型连接建立端到端的神经网络模型，能在多种场景下实现去雾清晰化，尤其在阴暗环境下可避免图像出现颜色失真。

公开(公告)号：CN114897691B

公开(公告)日：2024-11-05

申请号：CN202210469770.5

申请日：2022-04-30

Applicant: 南京邮电大学

Inventor： 陈灿 ,  吴雨桐 ,  周超 ,  张登银

IPC: G06T3/4038 ,  G06T3/4046 ,  G06T9/00 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于标准化流的图像压缩感知重构方法和系统，该方法提出一种特殊的可逆深度神经网络构成的重构模块，采用逐层升维的形式，创新性地将压缩感知图像重构分解为若干个固定重构子网和可变重构子网，增加了网络的可解释性。在训练阶段，利用标准化流和多层监督的训练方式，通过构建多特征损失函数，将采样过程中丢失的信息映射为符合标准正态分布的高频信息和低频信息上，重构时再从标准正态分布上随机采样，结合测量值，利用网络的可逆性重构出图像块，提高了重构质量。本发明方法适用于采样端资源受限、对重构质量要求高，对实时性要求高的图像传感系统。

公开(公告)号：CN118413542A

公开(公告)日：2024-07-30

申请号：CN202410495278.4

申请日：2024-04-24

Applicant: 南京邮电大学

Inventor： 张登银 ,  顾加伟 ,  刘子捷 ,  陈灿 ,  程义

IPC: H04L67/1095 ,  G06F9/455 ,  H04L67/06 ,  H04L67/568 ,  H04L43/16

Abstract: 本发明公开了云计算容器领域的一种基于IPFS的分批式镜像分发方法、系统及存储介质，所述方法包括：获取待下载镜像的集群节点列表，计算各节点待分发镜像的镜像层的缓存比例，将每个节点缓存比例与预设节点的阈值进行比较，获取完整镜像；将完整镜像的节点加入源节点列表中，以及将待下载镜像的节点加入需求节点列表中，并根据源节点列表中各节点构建初始IPFS网络，并导出和共享镜像文件；采用优化算法计算目标需求节点，将目标需求节点输入至IPFS网络中进行镜像下载，并将下载后的镜像文件导入并启动容器；下载完成的需求节点从需求节点列表中移出，并添加到源节点列表中，直至需求节点列表为空。本发明能够提高传输效率，以及增加传输过程的鲁棒性。

公开(公告)号：CN115546325A

公开(公告)日：2022-12-30

申请号：CN202211232232.0

申请日：2022-10-10

Applicant: 南京邮电大学

Inventor： 陈灿 ,  孙俊杰 ,  陈家洛 ,  周宇航 ,  周超 ,  张登银

IPC: G06T9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于纹理特征的图像压缩感知自适应重构方法及装置，方法包括：获取待重构原始图像；对原始图像中的图像块进行压缩感知采样，得到图像块的测量值；将图像块的测量值输入预训练好的重构网络模型，得到重构的图像块；对重构的图像块按照顺序进行拼接，获得最终的重构图像；其中所述重构网络模型包括初始重构子网、门子网和骨干重构子网；利用门子网挖掘初始重构的纹理特征，输出激活向量，以激活骨干重构子网的对应部分，实现对不同图像块的自适应重构，提高重构质量与效率。

公开(公告)号：CN108769675A

公开(公告)日：2018-11-06

申请号：CN201810565703.7

申请日：2018-06-04

Applicant: 南京邮电大学

Inventor： 张登银 ,  陈灿 ,  金天宇 ,  朱虹 ,  侯诗铭

IPC: H04N19/114 ,  H04N19/122 ,  H04N19/119 ,  H04N19/139 ,  H04N19/52

CPC classification number: H04N19/114 ,  H04N19/119 ,  H04N19/122 ,  H04N19/139 ,  H04N19/52

Abstract: 本发明公开了一种基于两阶多假设预测的分布式视频自适应重构方法，在两阶多假设预测的基础上，在第一阶段重构中选取前向重构的关键帧作为前向参考帧；在二次重构中添加了自适应算法，将前向参考帧、后向参考帧以及双向运动补偿算法生成的边信息作为候选参考帧，将所有候选参考帧整合进相同的假设集合中，执行像素域的多假设预测算法得到权重向量；然后计算权重向量的L1范数，通过最大L1范数自适应的选择最终参考帧。本发明充分考虑现有两阶多假设预测的方案，在像素域重构中自适应选择参考帧，解决了由于传统方法选择参考帧所导致的不同类型视频效果不稳定的问题。