-
公开(公告)号:CN113411557B
公开(公告)日:2022-03-18
申请号:CN202110507947.1
申请日:2021-05-11
Applicant: 复旦大学
IPC: H04N13/106 , H04N13/117 , H04N13/363 , H04N19/149 , H04N19/176 , H04N19/423 , H04L65/60 , H04L65/80
Abstract: 本发明属于计算机网络应用层协议技术领域,具体为一种适用于蜂窝网络的VR全景视频优化传输方法。本发明方法包括:VR全景视频的投影、压缩、切片与分块;使用显著性检测对视频进行多焦点的冗余存储,其中采用3D卷积神经网络对样本视频进行有监督学习,得到预测模型用于预测显著区域,随后进行多焦点的冗余存储;视窗自适应传输协议,该协议是基于UDP的应用层协议,并保证视频流即时传输时有缓冲空间;基于头部运动方向预测的预传输,使用机器学习方法,建立方向预测模型,利用预测模型,预测出客户端下一段时间需要的视频片段,通过预传输的方式有效提高客户端视频流畅度。本发明模型简单,可以显著提升传输效率,保证实时性。
-
公开(公告)号:CN113536920A
公开(公告)日:2021-10-22
申请号:CN202110652497.5
申请日:2021-06-11
Applicant: 复旦大学
Abstract: 本发明公开了一种半监督三维点云目标检测方法。其包括如下步骤:(1)对输入教师模型和学生模型的点云进行随机下采样,教师模型的随机下采样数据作为教师模型的输入;(2)将学生模型的随机下采样数据经过随机变换,作为学生模型的输入;(3)训练学生模型时使用标签数据同步训练教师模型,每一次迭代后将训练好的学生模型作为教师模型进一步训练,通过教师网络对无标签的数据进行挖掘,得到伪标签用于指导学生网络的学习,获得三维点云目标检测结果。本发明可以减少三维目标检测深度学习模型对数据标签的依赖,降低数据标注的成本;使用部分标签就达到同样模型使用100%标签的精度;本实验模型泛化能力强,能够用到多种深度学习模型中。
-
公开(公告)号:CN113191216A
公开(公告)日:2021-07-30
申请号:CN202110391846.2
申请日:2021-04-13
Applicant: 复旦大学
Abstract: 本发明涉及基于姿态识别和C3D网络的多人实时动作识别方法和系统,方法包括通过摄像头采集原始视频;采用OpenPose算法对原始视频进行人体姿态估计,生成人体姿态模型视频;对人体姿态模型视频中的动作起始帧进行判断;对初始数据的每一帧图片进行裁剪;将输入数据输入训练好的C3D网络模型,输出得到动作识别结果。与现有技术相比,本发明具有识别速度快,检测精度高等优点。
-
公开(公告)号:CN113116356B
公开(公告)日:2025-05-09
申请号:CN202110364243.3
申请日:2021-04-04
Applicant: 复旦大学
Abstract: 本发明属于医疗设备技术领域,具体为一种基于视觉脑电信号分析的自我意识障碍辅助诊断系统。本发明的自我意识障碍辅助诊断系统具体包括脑电信号采集系统、视觉刺激测试分析系统;脑电信号采集系统包括64导联脑电帽、无线EEG/ERP放大器、受试笔记本电脑、智能同步中心、刺激同步器;视觉刺激测试分析系统置于电脑中,用于对采集的脑电信号进行分析处理,包括降噪处理模块、特征提取模块、分类识别模块;最后,根据分类识别结果,分析受试者自我意识强弱。本发明系统通过视觉刺激系统对受试者进行测试,依据采集的视觉脑电信号进行分析,测试客观性好、准确性高,为意识障碍诊断提供科学依据。
-
公开(公告)号:CN119668849A
公开(公告)日:2025-03-21
申请号:CN202411728772.7
申请日:2024-11-28
Applicant: 复旦大学
IPC: G06F9/50 , G06N3/092 , H04L67/1004 , H04L67/1008 , H04L67/101
Abstract: 本发明提供一种应用计算任务的弹性配置与双向协同适配系统,涉及计算机技术领域。本发明通过应用计算任务的弹性配置机制实时监控设备和网络状态,动态调整任务图中的执行任务和节点,优化任务响应时间,同时,应用与算网资源的双向协同适配算法在设备端和云端之间进行协同优化,合理分配计算资源,克服了现有技术单一优化维度的局限性,此外,系统采用自适应学习机制,利用机器学习和神经网络模型不断优化任务卸载策略和资源管理方案,提升了长期性能,该技术方案不仅提高了系统的动态响应能力,还在多用户、多任务环境中实现了资源的全局优化,减少了任务执行时间和能耗。
-
公开(公告)号:CN115797555A
公开(公告)日:2023-03-14
申请号:CN202211465514.5
申请日:2022-11-22
Applicant: 复旦大学
IPC: G06T17/00 , G06T15/04 , G06T5/00 , G06N3/08 , G06N3/0455
Abstract: 本发明公开了一种基于深度相机的人体实时三维重建方法。本发明使用SMPL‑X作为参数化的人体模型,通过训练神经网络从输入数据中控制该模型的变形,实现实时重建效果。首先,利用深度相机输出深度数据丰富神经网络的上下文信息,避免使用RGB数据间接计算深度特征,使网络更加轻量化;其次,利用人体姿态估计结果从输入数据中裁剪得到局部数据,通过学习局部细节特征提升人体模型手部和脸部的精度;接着,利用去噪自编码器对人体模型参数进行压缩和降噪,最后,给出基于深度相机和参数化人体模型的贴图方案。综上,本发明方法是一种轻量化且高性能的重建方法,能够快速重建出高精度的人体三维模型,可应用于虚拟现实、元宇宙等场景。
-
公开(公告)号:CN113197586B
公开(公告)日:2022-08-23
申请号:CN202110394187.8
申请日:2021-04-13
Applicant: 复旦大学
Abstract: 本发明涉及一种基于视觉脑电信号的自我意识检测方法,该方法包括三轮测验,每一轮测验设置三组图片依次显示播放,待检测人员头戴脑电帽观看依次显示的图片,所述的脑电帽分别采集并记录三轮测验中待检测人员的视觉脑电信号,作为判断自我意识是否存在以及是否不可变更的依据,所述的图片内容为待检测人员的名字或其他人员的名字,且每张图片中仅包含一个名字,与现有技术相比,本发明具有安全可靠、准确率高等优点。
-
公开(公告)号:CN114926825A
公开(公告)日:2022-08-19
申请号:CN202210547632.4
申请日:2022-05-11
Applicant: 复旦大学
IPC: G06V20/59 , G06V10/62 , G06V10/764 , G06V10/82 , G06V10/30 , G06V10/52 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 本发明属于车辆驾驶检测技术领域,具体为基于时空特征融合的车辆驾驶行为检测方法。本发明方法:在离线阶段,包括数据预处理,通过时空特征抽取网络分别提取空间和时间特征,并在全连接层嵌入驾驶上下文信息;使用Softmax函数对融合的时空特征进行驾驶行为分类;在在线阶段,包括对检测的驾驶行为进行驾驶行为评分,评分策略首先使用驾驶行为检测模型自动地检测具体的驾驶行为;接着结合驾驶表现分及驾驶水平积分两种方式全面评价驾驶员的日常及长期的驾驶行为,可以更好地引导驾驶员向高效驾驶、安全驾驶演变;最后可选择将驾驶数据与交管部门联网,优化交通管理与安全。并通过智能手机进行驾驶行为检测和反馈,极大地提高其应用价值。
-
公开(公告)号:CN113851017A
公开(公告)日:2021-12-28
申请号:CN202110952809.4
申请日:2021-08-19
Applicant: 复旦大学
Abstract: 本发明属于通信工程与计算机技术领域,具体为一种基于路侧RSU的行人车辆识别预警多功能系统。本发明系统通过摄像头与雷达等路侧感知终端识别行人车辆的位置、朝向信息,经过分析这些信息,预判可能有的冲突,完成预警;实现全过程、全方位的路况高精度决策;包括多设备组成的路侧RSU系统,以及路侧端行人车辆检测、潜在车人冲突检测、交通违规检测、禁止通过预警、交叉路口碰撞警告和前向碰撞预警等功能模块。本发明能将行人车辆信号等信息全方位实时识别预测出来,与混合交通、多变天气环境进行交互,从而确保车辆尽可能多的掌握所在时空信息;可取代现有自动驾驶技术在同等路况下的保守算法策略,实现复杂路况下的安全自动驾驶。
-
公开(公告)号:CN113762195A
公开(公告)日:2021-12-07
申请号:CN202111084371.9
申请日:2021-09-16
Applicant: 复旦大学
Abstract: 本发明公开了一种基于路侧RSU的点云语义分割与理解方法;该方法包括以下步骤:步骤一、获取道路场景点云数据,基于球映射的方法,将3D点云转换为2D距离图像;步骤二、对2D距离图像进行2D全卷积语义分割,获得2D图片语义分割的结果;步骤三、将2D图片语义分割的结果用距离信息、像素坐标和传感器参数映射到3D空间中,2D距离图像与对应于每个点的图像坐标进行配对和索引;步骤四、基于3D后处理清除一些错误的离散化点,获取最终3D点云的语义分割结果。本发明方法能够准确、快速的、实时的实现移动小目标的点云语义分割,使自主机器能够及时做出决策。
-
-
-
-
-
-
-
-
-