-
公开(公告)号：CN119785198A
公开(公告)日：2025-04-08
申请号：CN202411671255.0
申请日：2024-11-21
Applicant: 北京邮电大学
IPC: G06V20/10 , G06V20/13 , G06V10/82 , G06V10/44 , G06V10/764
Abstract: 本发明提供了一种基于先验提示动态调整网络的环境变化检测系统与方法，其中，编码器模块被配置为：对输入图像进行特征提取和编码，获得细粒度特征；将细粒度特征作为K，V嵌入向量；将细粒度特征发送给特征挖掘模块，特征挖掘模块被配置为：对细粒度特征进行挖掘操作，获得位置信息和内容信息并作为先验提示发送给解码器模块，解码器模块被配置为：将先验提示赋予查询，获得新查询；基于一对多标签匹配和一对一标签匹配的权重比例，将新查询和K，V嵌入向量进行第一操作，获得输出向量并更新新查询，变化检测模块被配置为：将最后输出向量与基于细粒度特征获得的掩码信息进行第二操作，并基于第二操作的结果对输入图像的变化进行检测。
-
公开(公告)号：CN119559093A
公开(公告)日：2025-03-04
申请号：CN202411509063.X
申请日：2024-10-28
Applicant: 北京邮电大学
IPC: G06T5/77 , G06T7/10 , G06T5/60 , G06N3/0475 , G06N3/094
Abstract: 本发明提供一种大规模点云补全方法及装置，所述方法包括：针对从大规模点云数据中分割出的每一小规模点云数据，通过重采样得到第一点云数据和第二点云数据；将第一点云数据和第二点云数据，以及小规模点云数据对应的RGB‑D点云数据，输入至训练好的生成对抗网络，获取生成对抗网络生成的完整的点云数据；将RGB‑D点云数据和完整的点云数据进行融合，得到补全后的点云数据。本发明提供的大规模点云补全方法及装置，通过生成对抗网络深入提取多尺度点云特征，生成的完整的点云数据，并将生成的三维点云数据与高分辨率的二维图像数据进行融合，从而提高对规则和不规则物体结构的理解和适应性，提高了补全后的点云数据的准确性和可靠性。
-
公开(公告)号：CN118298319A
公开(公告)日：2024-07-05
申请号：CN202410285158.1
申请日：2024-03-13
Applicant: 北京邮电大学
IPC: G06V20/13 , G06V10/25 , G06V10/44 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/766 , G06N3/0464 , G06N3/084 , G06N3/098
Abstract: 本发明提供一种遥感图像小目标检测方法、装置、电子设备及存储介质，遥感图像小目标检测方法包括基于多尺度特征提取骨干网络，获取遥感图像的多个普通特征图和高分辨率特征图；级联提取每个特征层的跨尺度语义信息，获取高分辨率特征图的跨尺度语义信息特征表示向量；基于高分辨率特征图的跨尺度语义信息特征表示向量生成表征前景概率的密度图；将密度图与多个普通特征图、高分辨率特征图进行加权融合，输出遥感图像小目标检测结果，本发明利用密度图本身的目标区域位置信息，改善检测器目标定位的问题；同时，将密度图与特征图进行融合而不是仅用于裁剪图像，改善遥感图像目标检测中的目标特征表示，特别是小目标特征模糊的问题。
-
公开(公告)号：CN113784308B
公开(公告)日：2024-04-23
申请号：CN202110844703.2
申请日：2021-07-26
Applicant: 北京邮电大学
IPC: H04W4/40 , H04W28/14 , H04L67/568 , H04L67/63 , H04L67/12
Abstract: 本发明提供一种基于编码缓存的内容共享方法及装置，属于车载通信网络技术领域；方法包括：确定为目标CR提供内容共享的CH候选集合；基于目标CR与CH候选集合中每一个CH的请求命中率，对目标CR和CH候选集合进行一对多匹配，从CH候选集合中确定与CR相匹配的至少一个目标CH；基于目标CH，确定通过目标CH获取目标内容，或确定通过RSU节点获取目标内容。本发明通过确定为目标CR提供内容共享的CH候选集合进而确定可以为目标CR提供共享内容的目标CH，实现分布式方式进行内容共享，通过RSU节点获取目标内容，实现RSU协助方式进行内容共享，有限缓解基站的负荷并提高请求命中率。
-
公开(公告)号：CN117651280A
公开(公告)日：2024-03-05
申请号：CN202311415985.X
申请日：2023-10-27
Applicant: 北京邮电大学
Abstract: 本申请提供一种基于卷积神经网络的通导一体化应急无人机部署方法，其中方法包括：获取当前应急救援场景下的用户分布数据，并基于高斯增强对用户分布数据进行特征增强后输入至训练好的卷积神经网络，获得无人机组的最优部署位置；其中，训练好的卷积神经网络通过预先确定的目标数据集离线训练得到；目标数据集由历史用户分布数据下无人机组的最优部署位置构成；历史用户分布数据下无人机组的最优部署位置通过动态粒子群算法对无人机部署优化模型进行求解得到；无人机部署优化模型以最大化用户的通导联合性能函数为目标，以无人机在通信和定位服务过程中的信号质量、飞行安全性能和负载能力为约束；通导联合性能函数表征用户的通信性能和定位性能。
-
Patent Agency Ranking
公开(公告)号：CN113543068B
公开(公告)日：2024-02-02
申请号：CN202110633095.0
申请日：2021-06-07
Applicant: 北京邮电大学
Abstract: 本发明提供一种基于层次化分簇的林区无人机网络部署方法与系统，包括：获取地面用户集合和无人机集合，确定林区信道模型；确定无人机和地面用户之间的预设连接场景，构建无人机集合位置部署目标函数，并采用遍历速率上下边界函数求解；采用层次化分簇对地面用户集合和无人机集合进行分簇，获得地面用户分簇结果和无人机分簇结果；基于深度强化学习算法，对无人机集合位置部署目标函数中协作多点传输下的用户遍历速率和用户通过基站通行的传输速率进行联合优化，得到无人机集合最优位置部署结果。本发明针对特有的应急救援场景，分别考虑基站存在和缺失的无人机部署方案，提高了(56)对比文件袁林山;王莉;赵海卫.基于无人机实景三维模型的矿区地形要素采集研究.现代矿业.2019,(第12期),全文.范超琼;赵成林;李斌.无人机网络中基于分层博弈的干扰对抗频谱接入优化.通信学报.2020,(第06期),全文.龚胜丽;金勇.Femtocell网络中基于联合传输的分簇与功率分配算法.计算机应用研究.2017,(第10期),全文.Mohammad Mozaffari.A Tutorial on UAVsfor Wireless Networks: Applications,Challenges, and Open Problems《.IEEECommunications Surveys & Tutorials (Volume: 21, Issue: 3, thirdquarter2019)》.2019,全文.
-
公开(公告)号：CN117369485A
公开(公告)日：2024-01-09
申请号：CN202311103897.6
申请日：2023-08-29
Applicant: 北京邮电大学
Abstract: 本发明提供一种无人机路径协同规划方法、装置、电子设备及存储介质，包括以最小化无人机采集灾情信息时的传输消耗时间与无人机所采集的灾情信息的新鲜度的倒数之和为优化目标，构建预设约束条件下的目标函数；构建目标函数对应的深度强化学习模型以及深度强化学习模型的奖励函数；根据奖励函数求解深度强化学习模型，得到无人机在最小传输消耗时间以及最大新鲜度下的飞行策略，通过基于深度强化学习的无人机路径协同规划的方式保证信息采集与传输的及时性与可靠性，提升系统的整体效率，通过无人机所采集到的信息的数据新鲜度对无人机的飞行策略进行优化，来提高应急响应和决策的正确性。
-
公开(公告)号：CN117336789A
公开(公告)日：2024-01-02
申请号：CN202311112465.1
申请日：2023-08-30
Applicant: 北京邮电大学
IPC: H04W28/08 , H04W28/084 , H04W28/06 , H04W84/06
Abstract: 本发明提供的一种能量高效的视频计算卸载优化方法、装置及相关设备，方法包括：建立视频检测任务的二维卸载策略，将视频检测任务卸载到移动边缘计算或本地计算，得到执行视频检测任务的能耗；基于二维卸载策略，建立不同压缩比的检测精度模型，得到视频检测任务的检测精度；基于检测精度和能耗之间的差构建能量效用最大化问题，以联合优化任务卸载决策、压缩比和资源分配；对能量效用最大化问题进行求解，得到任务卸载决策和压缩比决策；基于任务卸载决策和压缩比决策，对卸载的视频检测任务进行资源分配，得到资源分配决策的最优解。本发明缓解了终端移动设备计算视频检测任务的能耗压力，实现了能耗和检测精度的权衡。
-
公开(公告)号：CN117119414A
公开(公告)日：2023-11-24
申请号：CN202310883626.0
申请日：2023-07-18
Applicant: 北京邮电大学
IPC: H04W4/70 , G06N3/092 , H04W28/14 , H04B17/391 , H04B17/382
Abstract: 本发明公开了一种基于多智能体多尺度强化学习的传输与缓存调度方法，该方法包括：对缓存节点进行分簇，每个簇确定为一个智能体；确定多时间尺度下的每个智能体的状态、动作和奖赏；根据不同时间尺度的每个智能体的状态进行不同时间尺度下的强化学习，不同时间尺度的强化学习包括快时间尺度深度Q网络的强化学习和慢时间尺度深度Q网络的强化学习；通过QMIX聚合局部慢时间尺度深度Q网络，得到联合动作值函数；根据联合动作值函数确定累积期望奖赏最大的动作执行。
-
公开(公告)号：CN117062089A
公开(公告)日：2023-11-14
申请号：CN202310996347.5
申请日：2023-08-08
Applicant: 北京邮电大学
Abstract: 本发明提供一种无人机基站部署方法、装置、电子设备及存储介质，通过求解无人机基站部署优化模型得到能够提供服务的无人机最小数量以及无人机的初始位置，无人机基站部署优化模型包括优化目标和约束条件；根据无人机与预设范围内的其他无人机、用户、障碍物间的位置信息，量化各物体之间吸引和排斥关系，得到无人机所受虚拟力；基于无人机所受虚拟力从能够提供服务的无人机中筛选出提供服务的无人机，以局部区域为搜索空间进行求解，以确定每个提供服务的无人机的目标位置和发射功率，通过局部搜索求解可以快速计算得到无人机的目标位置，从而在防止碰撞的风险的基础上，按需快速提供服务，实现对用户终端的按需覆盖，从而获取最优部署方案。
-
-
-
-
-
-
-
-
-
Search Results
167
records
(took 0.07 seconds)
