基于深度学习的视频UCL语义标引方法与装置

    公开(公告)号:CN110287799B

    公开(公告)日:2021-03-19

    申请号:CN201910451449.2

    申请日:2019-05-28

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于深度学习的UCL语义标引方法与装置。首先利用神经网络提取视频低层语义特征;然后,基于特征灵活采样以及注意力机制,对视频自然语言描述生成模型S2VT进行改进,生成S2VT‑FFSA模型,此模型以视频低层语义特征作为输入,输出视频自然语言描述特征,并结合语音自然语言描述特征生成视频关键词等高层语义特征,一定程度上解决了语义特征提取不充分的问题;最后,利用UCL能够标引丰富语义特征的特点,提出视频内容的UCL标引方法,使视频标引更加规范化。本发明既能精确地抽取视频丰富的语义特征,又能客观、规范地标引这些特征。

    一种面向加密货币支付通道网络的区块链多方智能合约方法

    公开(公告)号:CN115271725A

    公开(公告)日:2022-11-01

    申请号:CN202210905269.9

    申请日:2022-07-29

    Applicant: 东南大学

    Abstract: 本发明公开了一种面向加密货币支付通道网络的区块链多方智能合约方法,用于解决加密货币支付通道网络中存在的共谋问题,该方法包括系统初始化、多方智能合约建立和基于多方智能合约的序贯均衡博弈,本发明共包含三个步骤,首先,系统初始化,部署分布式瞭望塔模型,以便用户可以在不保证长期在线的情况下在每个交易完成后能更新其渠道状态证明,然后,建立面向加密货币支付通道网络的四种智能合约,以防御各种外包瞭望塔场景中可能的共谋攻击。最后,通过多方智能合约确保系统的多方复杂博弈过程均能收敛为序贯均衡博弈,并使用博弈树来可视化博弈的平衡点。本发明公开的区块链多方智能合约方法,既能解决外包瞭望塔场景中共谋攻击的问题,同时又能有效减少瞭望塔的误报,提高监管效率。

    基于深度学习的视频UCL语义标引方法与装置

    公开(公告)号:CN110287799A

    公开(公告)日:2019-09-27

    申请号:CN201910451449.2

    申请日:2019-05-28

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于深度学习的UCL语义标引方法与装置。首先利用神经网络提取视频低层语义特征;然后,基于特征灵活采样以及注意力机制,对视频自然语言描述生成模型SV2T进行改进,生成SV2T-FFSA模型,此模型以视频低层语义特征作为输入,输出视频自然语言描述特征,并结合语音自然语言描述特征生成视频关键词等高层语义特征,一定程度上解决了语义特征提取不充分的问题;最后,利用UCL能够标引丰富语义特征的特点,提出视频内容的UCL标引方法,使视频标引更加规范化。本发明既能精确地抽取视频丰富的语义特征,又能客观、规范地标引这些特征。

    一种面向边缘计算的任务卸载和资源分配方法

    公开(公告)号:CN115529632A

    公开(公告)日:2022-12-27

    申请号:CN202210635941.7

    申请日:2022-06-07

    Applicant: 东南大学

    Abstract: 本发明公开了一种面向边缘计算的任务卸载和资源分配方法,该方法包括中继选择、卸载决策和资源分配三个方面,用于解决物联网环境下移动用户的任务延迟和能耗问题,首先,引入虚拟骨干网架构,通过连通控制集为用户提供高效的多跳卸载服务,然后,提出了一种基于连通控制集的深度强化学习算法,利用该算法找到从移动用户到移动边缘计算服务器的最短路径,此外,基于卸载决策和资源分配之间的高度耦合关系,本发明设计了一个DLIO算法来解决卸载和资源分配的联合优化问题,以最小化系统成本为优化目标,本发明能够有效解决泛在边缘物联网系统中移动用户任务卸载和资源分配的问题。

    一种基于BSSD检测与卡尔曼滤波的目标跟踪方法与装置

    公开(公告)号:CN110310305B

    公开(公告)日:2021-04-06

    申请号:CN201910452129.9

    申请日:2019-05-28

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于BSSD检测与卡尔曼滤波的目标跟踪方法与装置。本发明针对传统的基于卡尔曼滤波的目标跟踪方法难以应对目标尺度变化,跟踪准确率低等问题,将BSSD检测方法与卡尔曼滤波方法相结合,提高跟踪准确率与鲁棒性。在起始阶段,采用BSSD方法和ResNet‑18分类方法初始化跟踪目标,避免人工干预;在跟踪阶段,在使用卡尔曼滤波进行目标位置预测后,通过位置修正的方式对预测结果的位置进行修正,提高运动状态估计的准确性。与此同时,在满足一定触发条件的情况下,重新运行BSSD方法与ResNet‑18方法进行目标检测,并对检测结果与跟踪目标进行数据关联,以对新出现的目标进行跟踪,提高跟踪准确率,实现长期、准确的目标跟踪。

    一种基于BSSD检测与卡尔曼滤波的目标跟踪方法与装置

    公开(公告)号:CN110310305A

    公开(公告)日:2019-10-08

    申请号:CN201910452129.9

    申请日:2019-05-28

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于BSSD检测与卡尔曼滤波的目标跟踪方法与装置。本发明针对传统的基于卡尔曼滤波的目标跟踪方法难以应对目标尺度变化,跟踪准确率低等问题,将BSSD检测方法与卡尔曼滤波方法相结合,提高跟踪准确率与鲁棒性。在起始阶段,采用BSSD方法和ResNet-18分类方法初始化跟踪目标,避免人工干预;在跟踪阶段,在使用卡尔曼滤波进行目标位置预测后,通过位置修正的方式对预测结果的位置进行修正,提高运动状态估计的准确性。与此同时,在满足一定触发条件的情况下,重新运行BSSD方法与ResNet-18方法进行目标检测,并对检测结果与跟踪目标进行数据关联,以对新出现的目标进行跟踪,提高跟踪准确率,实现长期、准确的目标跟踪。

Patent Agency Ranking