公开(公告)号：CN113947774B

公开(公告)日：2024-05-14

申请号：CN202111169747.6

申请日：2021-10-08

Applicant: 东北大学

Inventor： 毕远国 ,  郭茹博 ,  刘纪康 ,  付饶 ,  闫飞宏

IPC: G06V30/19 ,  G06V10/40 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明属于计算机视觉应用技术领域，提供了一种轻量级的车辆检测系统。该系统包括数据模块、网络结构模块、系统配置模块、训练模块、测试模块、日志采集模块、效果分析模块和检测模块。本检测系统在SSD的基础上进行特征融合操作和并行分支预测的操作；使用轻量级结构作为特征提取网络，保证算法可以运行在计算和存储资源有限的车载设备上，采用特征融合模块，提高车辆目标的检测精度。同时，该系统中也设计了一种并行分支预测结构，不仅能够提高算法的检测精度，还能够提高目标的检测速度。

公开(公告)号：CN113947210B

公开(公告)日：2024-05-10

申请号：CN202111169752.7

申请日：2021-10-08

Applicant: 东北大学

Inventor： 毕远国 ,  项天敖 ,  闫飞宏 ,  王博洋 ,  郭朋超

IPC: G06N20/00

Abstract: 本发明属于边缘计算技术领域，提供了一种移动边缘计算中的云边端联邦学习方法，以降低通信轮次，提高所提出的三层边缘计算架构中的训练的机器学习模型可靠性。通过让边缘服务器参与联邦学习训练过程，通过动态调整终端设备中的训练轮次来最小化边缘服务器和终端设备之间的通信轮次。通过最小化边缘服务器和终端设备之间的通信轮次降低了在传输模型过程中由于信道带宽等因素导致的模型参数丢失问题。

公开(公告)号：CN113947210A

公开(公告)日：2022-01-18

申请号：CN202111169752.7

申请日：2021-10-08

Applicant: 东北大学

Inventor： 毕远国 ,  项天敖 ,  闫飞宏 ,  王博洋 ,  郭朋超

IPC: G06N20/00

Abstract: 本发明属于边缘计算技术领域，提供了一种移动边缘计算中的云边端联邦学习方法，以降低通信轮次，提高所提出的三层边缘计算架构中的训练的机器学习模型可靠性。通过让边缘服务器参与联邦学习训练过程，通过动态调整终端设备中的训练轮次来最小化边缘服务器和终端设备之间的通信轮次。通过最小化边缘服务器和终端设备之间的通信轮次降低了在传输模型过程中由于信道带宽等因素导致的模型参数丢失问题。

公开(公告)号：CN117765572A

公开(公告)日：2024-03-26

申请号：CN202410195598.8

申请日：2024-02-22

Applicant: 东北大学

Inventor： 毕远国 ,  闫飞宏 ,  郅明见 ,  项天敖

IPC: G06V40/10 ,  G06V10/12 ,  G06V10/44 ,  G06V10/42 ,  G06V10/774 ,  G06V10/764 ,  G06N20/00

Abstract: 本发明属于计算机视觉应用技术领域，公开了一种基于联邦学习的行人重识别方法。由服务器、客户端、摄像头构成三层架构，通过快速傅里叶算法在客户端之间共享本地数据的低级分布信息，同时设计片段共享机制，有效减少通信开销。采用端内跨域注意力一致性解决联邦行人重识别模型泛化能力差的问题，通过约束类无关注意力的一致性，以促进模型关注原始图片和对应傅里叶变换增强图片相同的图像区域，增强模型对领域不变信息的提取，提升模型的泛化能力。同时为了有效地避免异常信息的干扰，提出一种端内跨域异中心样本，可有效避免异常样本的干扰，提升检测性能。

公开(公告)号：CN117765572B

公开(公告)日：2024-08-09

申请号：CN202410195598.8

申请日：2024-02-22

Applicant: 东北大学

Inventor： 毕远国 ,  闫飞宏 ,  郅明见 ,  项天敖

IPC: G06V40/10 ,  G06V10/12 ,  G06V10/44 ,  G06V10/42 ,  G06V10/774 ,  G06V10/764 ,  G06N20/00

Abstract: 本发明属于计算机视觉应用技术领域，公开了一种基于联邦学习的行人重识别方法。由服务器、客户端、摄像头构成三层架构，通过快速傅里叶算法在客户端之间共享本地数据的低级分布信息，同时设计片段共享机制，有效减少通信开销。采用端内跨域注意力一致性解决联邦行人重识别模型泛化能力差的问题，通过约束类无关注意力的一致性，以促进模型关注原始图片和对应傅里叶变换增强图片相同的图像区域，增强模型对领域不变信息的提取，提升模型的泛化能力。同时为了有效地避免异常信息的干扰，提出一种端内跨域异中心样本，可有效避免异常样本的干扰，提升检测性能。

公开(公告)号：CN113947774A

公开(公告)日：2022-01-18

申请号：CN202111169747.6

申请日：2021-10-08

Applicant: 东北大学

Inventor： 毕远国 ,  郭茹博 ,  刘纪康 ,  付饶 ,  闫飞宏

IPC: G06V30/19 ,  G06V10/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于计算机视觉应用技术领域，提供了一种轻量级的车辆检测系统。该系统包括数据模块、网络结构模块、系统配置模块、训练模块、测试模块、日志采集模块、效果分析模块和检测模块。本检测系统在SSD的基础上进行特征融合操作和并行分支预测的操作；使用轻量级结构作为特征提取网络，保证算法可以运行在计算和存储资源有限的车载设备上，采用特征融合模块，提高车辆目标的检测精度。同时，该系统中也设计了一种并行分支预测结构，不仅能够提高算法的检测精度，还能够提高目标的检测速度。