公开(公告)号：CN119204092A

公开(公告)日：2024-12-27

申请号：CN202411340809.9

申请日：2024-09-25

Applicant: 上海交通大学

Inventor： 邹君妮 ,  姜以恒 ,  戴文睿 ,  郑紫阳 ,  阚诺文 ,  李成林 ,  熊红凯

IPC: G06N3/042 ,  G06N3/045 ,  G06N3/047 ,  G06N3/08 ,  G06Q50/00 ,  G16B5/00 ,  G16B40/00

Abstract: 本发明提供图网络信息度量、鲁棒的图表示学习以及图数据分析方法，主要包括：获取图网络拓扑的邻接矩阵；基于所述邻接矩阵计算所述图网络拓扑的边曲率；将所述边曲率作为图网络信息度量，依据网络信息度量理论判定相关子拓扑是否存在拓扑缺陷。本发明采用边曲率度作为网络信息度量，可以准确实现图拓扑缺陷检测。其鲁棒的图表示学习方法，分别提取所述修改后网络拓扑和修改前网络拓扑的特征表示，整合所述特征表示得到网络拓扑的表示学习结果，可以显著提升基于图神经网络的图表示学习的稳定性和准确性，减少图表示在消息传递过程中的过压缩现象，保证表示学习性能。

公开(公告)号：CN119180874A

公开(公告)日：2024-12-24

申请号：CN202411211529.8

申请日：2024-08-30

Applicant: 上海交通大学

Inventor： 熊红凯 ,  李劭辉 ,  马硕宇 ,  戴文睿 ,  李成林 ,  邹君妮

IPC: G06T9/00 ,  H04N1/41 ,  H04N19/91 ,  G06N3/0464 ,  G06N3/0455

Abstract: 本发明提供一种面向机器和人类视觉的图像编码、解码方法及压缩方法，其主要过程是：获得待编码图像的第一特征图和第二特征，获得第一特征图的超先验信息；获得待编码图像在不同机器视觉任务下的量化步长并量化得到对应特征图；将上述特征图建模为高斯分布，通过熵模型预测对应的均值和方差；根据每层特征图的分布和概率逐层进行编码得到特征图二进制码流；合并超先验信息二进制码流和特征图二进制码流，得到压缩图像二进制码率。本发明自适应调整特征图量化的量化步长，形成针对人类视觉和不同机器视觉任务的传输特征码流，可以更高效地利用特征图中的信息，减小传输码率的同时，保证机器视觉任务的性能，同时均衡面向人类视觉的率失真性能。

公开(公告)号：CN119046761A

公开(公告)日：2024-11-29

申请号：CN202411173698.7

申请日：2024-08-26

Applicant: 上海交通大学

Inventor： 戴文睿 ,  李鑫 ,  郑紫阳 ,  李成林 ,  邹君妮 ,  熊红凯

IPC: G06F18/241 ,  G06F18/28 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/084 ,  G06F18/213

Abstract: 本公开提供一种基于判别式图卷积字典学习的信号分析方法及系统，其中，基于判别式图卷积字典学习的信号分析方法，包括：获取用于训练的重组的训练信号和图邻接矩阵；根据用于训练的重组的训练信号和图邻接矩阵，建立判别式图卷积字典学习目标函数；对判别式图卷积字典学习目标函数进行迭代优化，获取卷积图字典和线性分类器；采用卷积图字典和线性分类器对待分析信号进行信号分析，确定待分析信号的信号分析结果。通过本公开，有效利用拓扑结构之间的相关性，引入解析去相关项约束学习线性分类器，确保不同类别分类器对特征的区分性，提高基于图字典的信号分析判别能力，进而提高规则信号和非规则信号的分析准确性。

公开(公告)号：CN118898277A

公开(公告)日：2024-11-05

申请号：CN202410937603.8

申请日：2024-07-12

Applicant: 上海交通大学

Inventor： 戴文睿 ,  丁立 ,  费文 ,  李成林 ,  邹君妮 ,  熊红凯

IPC: G06N3/0495 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/82 ,  G06V10/764

Abstract: 本发明提供一种自适应精度神经网络训练方法和系统，包括：计算模型训练过程中的权重、激活和梯度对模型损失的敏感度度量，衡量各个层量化的影响；基于所述敏感度度量，设计权重、激活和梯度的位宽分配方案，在训练过程每经过一定的训练时间，根据所述敏感度度量对位宽逐层进行动态调整；各个层根据权重、激活和梯度调整后的当前位宽，选择对应的低位整数矩阵计算算子，替换掉原有的浮点计算算子。本发明能够在保证网络训练后的性能的前提下，降低网络训练过程中的计算量，减少神经网络训练在实际场景下的开销。

公开(公告)号：CN117956165A

公开(公告)日：2024-04-30

申请号：CN202211365606.6

申请日：2022-10-31

Applicant: 上海交通大学

Inventor： 李成林 ,  高文轩 ,  潘新龙 ,  吕浩然 ,  戴文睿 ,  邹君妮 ,  熊红凯 ,  王海鹏 ,  刘瑜

IPC: H04N19/159 ,  H04N19/167 ,  H04N19/147 ,  H04N19/124

Abstract: 本发明提供了一种基于分片的360度视频流编码方法及其优化方法和系统，通过选择最佳的编码参数：分片高度、分片宽度和量化步长，在给定的传输带宽下，最小化用户视窗显示的视频失真，从而达到传输效率和编码效率的折衷。具体地，通过估计传输覆盖用户视窗所需的平均像素数来量化传输效率，利用经过训练的基于CNN的预测器，根据视频内容特征预测编码效率，表示为编码一个像素所需的比特数。然后，提出了一个基于分片编码的率失真优化问题，通过减少可行的编码参数集的方法有效地解决这个问题，得到最优编码参数。仿真结果表明，提出的最优分片编码在率失真行为方面优于固定分片和最先进的自适应分片方法。

公开(公告)号：CN117710726A

公开(公告)日：2024-03-15

申请号：CN202311646288.5

申请日：2023-12-04

Applicant: 上海交通大学

Inventor： 戴文睿 ,  丁立 ,  李成林 ,  邹君妮 ,  熊红凯

IPC: G06V10/764 ,  G06V20/64 ,  G06V10/44 ,  G06V10/82 ,  G06V10/42 ,  G06V10/80 ,  G06T3/40 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种鲁棒的点云分类方法、系统及装置，包括：将三维点云进行缩放，投射到预先构建的晶格上，计算每个点到晶格的逐点映射关系；计算晶格密度，去除孤立晶格点，得到尺度的晶格上的鲁棒点云表示；对鲁棒点云表示进行基于晶格密度的最远点采样，得到下一尺度的更粗糙点云表示的中心点；根据每个中心点的邻域，综合空间距离和密度差异构建邻接矩阵，提取尺度的特征；从最精细点云表示到最粗糙点云表示逐个尺度提取特征，最终得到全局特征，利用全局特征进行三维点云分类。本发明可以在保证点云分类准确性的前提下，显著提高点云分类对于噪声和离群点的鲁棒性，促进在自动驾驶、机器人等实际场景采集的有噪点云上的应用。

公开(公告)号：CN117156185A

公开(公告)日：2023-12-01

申请号：CN202311142643.5

申请日：2023-09-06

Applicant: 上海交通大学

Inventor： 李成林 ,  阚诺文 ,  戴文睿 ,  邹君妮 ,  熊红凯

IPC: H04N21/2662 ,  H04N21/6379

Abstract: 本发明提供一种流媒体码率自适应方法及其动作剪枝系统，包括：网络吞吐预测模块以网络历史吞吐量信息为输入，未来一段时间内网络吞吐量预测值为输出；可选码率空间剪枝规则模块根据所述网络吞吐量预测值和流媒体线性观看体验指标表达式决定每个可选码率版本的剪枝结果；码率选择掩码模块基于所述每个可选码率版本的剪枝结果，作用于各类码率自适应方法决策过程，用于降低决策计算复杂度及提高决策鲁棒性。本发明动作剪枝系统作为现有码率自适应方法的辅助模块，能提升方法鲁棒性能，并有效降低基于模型的码率自适应方法计算复杂度。

公开(公告)号：CN113673591B

公开(公告)日：2023-12-01

申请号：CN202110931387.2

申请日：2021-08-13

Applicant: 上海交通大学

Inventor： 戴文睿 ,  王曜明 ,  刘育辰 ,  李成林 ,  邹君妮 ,  熊红凯

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种自调整采样优化的图像分类方法、设备及介质，包括：获取训练图像；最小化训练图像分类的交叉熵，自动确定深度神经网络的网络结构和参数；采用得到的所述深度神经网络对待分类图像进行处理，得到图像分类结果。本发明能基于给定的图像数据，自动调整设计基于深度神经网络的图像分类方法，减少人为设计的繁杂性和人力资源消耗，同时在计算资源限定的情况下，能实现较高的分类准确率，保证了图像分类方法的稳定性和实用性。

公开(公告)号：CN116884085A

公开(公告)日：2023-10-13

申请号：CN202310829392.1

申请日：2023-07-07

Applicant: 上海交通大学

Inventor： 熊红凯 ,  郑鸿伟 ,  李涵 ,  戴文睿 ,  李成林 ,  邹君妮

IPC: G06V40/20 ,  G06V10/44 ,  G06V10/764

Abstract: 本发明提供一种动作提示的三维人体姿态估计方法和系统，包括：通过姿态编码器，从二维姿态序列中提取姿态位置特征、姿态序列特征和动作特征；根据姿态位置特征获得文本提示特征；对齐文本提示特征与动作特征，提取动作类别信息；选择对应动作类别信息的姿态提示特征，基于姿态提示特征与姿态序列特征间的相关性进行组合，得到增强姿态序列特征；将增强姿态序列特征通过线性映射得到三维姿态估计。本发明在姿态估计过程中，挖掘动作相关先验信息，引入动作相关文本、姿态特征的多模态信息，处理深度模糊问题；其即插即用模块，紧凑提取输入数据特征，节约网络模型参数量；显著提高含有自遮挡和复杂动作的姿态估计准确率，提升灵活性和可扩展性。

公开(公告)号：CN113255892B

公开(公告)日：2023-09-05

申请号：CN202110609293.3

申请日：2021-06-01

Applicant: 上海交通大学烟台信息技术研究院

Inventor： 戴文睿 ,  廖列文 ,  李成林 ,  邹君妮 ,  熊红凯

IPC: G06N3/082 ,  G06V10/764

Abstract: 本发明提供一种解耦合的网络结构搜索方法、设备及可读存储介质，包括：确定搜索空间，构建超网络；将超网络解耦成为各自独立的单一操作子网络；获取图像数据并分别作为超网络的网络参数、结构参数的训练数据；生成特征图，计算网络参数的交叉熵损失函数和变分丢弃损失函数，得到各通道丢弃概率，训练单一操作子网络至收敛并根据通道丢弃概率得到剪枝网络；将剪枝后的单一操作子网络组合成为超网络，生成特征图，计算交叉熵损失函数，更新超网络的结构参数；得到最终网络。本发明在保证较高的性能同时大幅度减少搜索时间和降低计算复杂度，保证了搜索的稳定性和实用性，可用于图像目标检测、分类等领域，提高图像处理速度。