公开(公告)号：CN119068185A

公开(公告)日：2024-12-03

申请号：CN202410943561.9

申请日：2024-07-15

Applicant: 南京邮电大学

Inventor： 吴蒙 ,  金丽雅

IPC: G06V10/26 ,  G06V10/82 ,  G06V20/70 ,  G06N3/0455 ,  G06N3/082

Abstract: 本发明公开了segformer网络模型的改进遥感图像分割方法及系统，涉及图像处理技术领域，包括：采集数据，构建GID数据集，并进行预处理；对原始的segformer网络模型进行改进；将训练集输入到改进后的segformer网络模型进行训练，并调参优化模型，输出训练完成后的分割网络模型，将改进后的分割网络模型用于图像分割。本发明将GID遥感数据集中的近红外线图像和RGB图像采用深度学习的方法进行了图像融合，丰富了数据集的语义信息，提高模型分割效率。本发明引入了EPSA模块，取代原有的Segformer的解码器设计，EPSA模块在多个尺度上处理输入。通过多尺度金字塔卷积结构来集成输入特征图的信息。

公开(公告)号：CN118196857A

公开(公告)日：2024-06-14

申请号：CN202410296232.X

申请日：2024-03-15

Applicant: 南京邮电大学

Inventor： 吴蒙 ,  杨乐

IPC: G06V40/16 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了基于改进的RetinaFace在复杂环境中人脸检测方法及系统，选取复杂环境下的人脸数据集，对人脸数据集进行标注和预处理；搭建预训练网络，使用预训练模型MobileNet进行初始化；引入Ghost模块，调整预训练网络结构；构建改进后的检测网络，引入ECA注意力机制；训练模型，并部署到嵌入式设备中。将人脸检测任务与人脸关键点定位和人脸属性识别任务相结合，利用已有的预训练模型进行迁移学习，获取较好的初始参数。本发明优化了原网络结构，在原主干网络MobileNet中引入新模块，提高了模型在复杂环境下人脸的识别效率，引入ECA注意力机制，增强特征图的表达和描述能力，提高小人脸样本的检测性能。

公开(公告)号：CN117876687A

公开(公告)日：2024-04-12

申请号：CN202410060873.5

申请日：2024-01-16

Applicant: 南京邮电大学

Inventor： 汪修品 ,  吴蒙

IPC: G06V10/26 ,  G06V10/82 ,  G06V10/80 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/084

Abstract: 本申请提供了一种基于知识驱动和数据驱动的遥感图像语义分割方法、系统、存储介质及电子装置，主要包括以下步骤：分割目标遥感图像；构建知识驱动模型，对所述目标图片进行超像素分割，对所述目标图片数据提取超像素点位置矩阵和超像素点邻接关系矩阵，并将这两个矩阵作为所述知识驱动模型的输入；构建数据驱动模型，将所述目标遥感图像作为所述数据驱动模型的输入，构建解码器模型，融合所述知识驱动模型的输出与所述数据驱动模型的输出，作为所述解码器模型的输入，所述解码器模型的输出为逐像素分割语义图；在进行反向传播，对完整模型进行训练，获得最优完整模型，显著的提升了对于遥感图像进行语义分割的精度。

公开(公告)号：CN117372684A

公开(公告)日：2024-01-09

申请号：CN202311505057.2

申请日：2023-11-13

Applicant: 南京邮电大学

Inventor： 吴蒙 ,  何巧灵

IPC: G06V10/25 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于改进YOLOv5s网络模型的目标检测方法，包括步骤如下：构建数据集；对YOLOv5s网络模型进行改进，其中包括：在SPPF模块之前添加CBAM注意力模块；在骨干网络和颈部之间添加一个基于对合的通道特征融合CFFI；在YOLOv5s网络的Neck层中将PANet替换为加权双向特征金字塔BiFPN；修改回归损失函数，采用SIoU损失函数替换YOLOv5s原有的CIoU损失函数；将改进后的模型在训练集上训练出最佳网络模型；将改进后的网络模型与原始的YOLOv5s网络模型进行对比和评价。本发明通过改进后的YOLOv5s加强了目标检测的效率，提高了原有网络模型的检测精度。

公开(公告)号：CN116862022A

公开(公告)日：2023-10-10

申请号：CN202310774409.8

申请日：2023-06-28

Applicant: 南京邮电大学

Inventor： 陈思光 ,  王倩 ,  曾文骏 ,  吴蒙

IPC: G06N20/20 ,  G06F18/25 ,  G06N7/08 ,  G06F21/62 ,  G06N3/04

Abstract: 本发明公开了一种通信高效的隐私保护个性化联邦学习方法。本发明研究了一种基于特征融合相互学习的个性化联邦学习，可以通过在客户端对其共享模型、私有模型和融合模型进行交互训练来实现通信高效的个性化学习。具体地，只有共享模型与全局模型共享以减少通信成本，而私有模型可进行个性化设计，融合模型可以在不同阶段自适应地融合本地知识和全局知识。其次，为了进一步降低通信成本并增强梯度的隐私性，本发明设计了一种基于梯度压缩的隐私保护方法。该方法通过构建一种混沌加密循环测量矩阵，可以很好地实现隐私保护和轻量级压缩。此外，本发明还提出了一种基于稀疏性的自适应迭代硬阈值算法，以提高灵活性和重构性能。

公开(公告)号：CN115938381A

公开(公告)日：2023-04-07

申请号：CN202211607768.6

申请日：2022-12-14

Applicant: 南京邮电大学

Inventor： 吴蒙 ,  冯盛荣

IPC: G10L21/0232 ,  G10L21/0216

Abstract: 本发明公开了一种基于频域分块IPNLMS的回声消除装置，包括麦克风阵列、语音预处理模块和回声消除模块；在麦克风阵列架构的基础上，采用波束成形方法对语音信号进行预处理；回声消除模块采用逐块更新的方式，在频域执行改进后的比例归一化最小均方算法。本发明的回声消除方法利用快速傅里叶变换实现时域线性卷积和线性相关，解决原本时域计算中逐点更新导致的计算量大的缺点，同时引入时变步长因子对具有稀疏特性的回声路径有优越的算法收敛速度。本发明在信号预处理阶段，采用麦克风阵列架构作为语音采集模块，实现信号的空间选择性，有效降低由于麦克风与扬声器之间的耦合导致的声学回声干扰。

公开(公告)号：CN111866877B

公开(公告)日：2023-03-24

申请号：CN202010528336.0

申请日：2020-06-11

Applicant: 南京邮电大学

Inventor： 吴蒙 ,  汪磊 ,  杨立君

IPC: H04W12/06 ,  G06F18/214 ,  G06F18/2411 ,  H04B7/0452

Abstract: 本发明公开了一种基于记忆的5G物理层安全鉴权方法，使用改进的禁忌搜索算法来寻找5G大规模天线阵列支持向量机模型的最优初始化解，利用最优初始解训练模型；执行物理层鉴权过程中区分合法和非法用户，包括对训练模型的更新。本发明充分考虑了禁忌搜索算法对初始解的依赖性，在保证较高的鉴权准确率的同时也在一定程度上提高了算法的收敛率；本发明适用于在5G大规模天线阵列系统中的物理层用户信息数据合法性鉴权，提升系统安全性。

公开(公告)号：CN115792897A

公开(公告)日：2023-03-14

申请号：CN202211631368.9

申请日：2022-12-19

Applicant: 南京邮电大学

Inventor： 吴蒙 ,  房子昊

IPC: G01S13/88 ,  G06V40/20 ,  G06V10/774 ,  G06V10/82 ,  G06V10/80 ,  G01S7/41

Abstract: 本发明公开一种基于毫米波雷达的低复杂度多手势识别方法与系统，PC端对接收到的数字信号，通过2D‑FFT以及非相干累加等处理获得对应的角度参数、距离参数和多普勒参数，并从中提取分离出能够体现不同特征的数据来构造特征集，进行优化后送入人工神经网络并采用梯度下降算法训练网络，得到手势识别的结果。本发明还提出多手势识别系统，包括电源模块、FMCW毫米波雷达系统以及多手势识别单元。其中FMCW毫米波雷达系统包括发射器、接收器、射频模块，以及微控制器、模数转换器和数字信号处理。本发明采用的毫米波雷达具有分辨率高、可靠性好、天线尺寸小等优点，并提供了一个复杂度低，识别准确率较高的手势识别解决方案。

公开(公告)号：CN115052288A

公开(公告)日：2022-09-13

申请号：CN202210553732.8

申请日：2022-05-19

Applicant: 南京邮电大学

Inventor： 吴蒙 ,  许超凡

IPC: H04W12/06 ,  G06N3/04

Abstract: 本发明公开了一种基于深度学习的多用户物理层认证方法，包括步骤如下：S1，接收端通过估计每个终端节点的信道状态信息，并对信道状态信息进行处理得到数据样本集；S2，根据数据样本集构建深度神经网络的训练集、验证集和测试集；利用构建好的训练集、验证集和测试集，训练并测试深度神经网络；S3，将接收端接收来自新未知用户的信号序列，通过训练好的深度神经网络进行合法性认证。本发明采用了加权随机指数数据增强的方法，解决了样本集匮乏以及可靠性不足的问题，具有良好的认证性能和较短的训练时间。

公开(公告)号：CN115037838A

公开(公告)日：2022-09-09

申请号：CN202210660571.2

申请日：2022-06-13

Applicant: 南京邮电大学

Inventor： 吴蒙 ,  季嘉妮

IPC: H04M9/08 ,  G10L21/0264 ,  G10K11/178

Abstract: 本发明属于数字信号处理技术领域，具体地说，是一种基于双端会话检测的声学回声消除系统，包括麦克风模块、扬声器模块、自适应滤波模块、双端会话检测模块、回声路径模块、语音处理模块。远端的语音信号经过扬声器模块输出，麦克风模块采集近端的语音信号和经由回声路径模块的回声信号，双端会话检测模块的输入端连接远端语音信号输出和麦克风模块的输出端，基于信号包络能量和互相关对双端会话情况判定后，双端会话检测模块的输出端连接自适应滤波模块输入端，自适应滤波器滤波，自适应滤波模块的输出端与麦克风模块输出端的信号经过语音处理模块作用后输出。