-
公开(公告)号：CN118078230B
公开(公告)日：2024-07-23
申请号：CN202410496003.2
申请日：2024-04-24
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京邮电大学
IPC: A61B5/0205 , G16H50/30 , G16H50/20 , G06F18/25 , G06N3/0464 , G06N3/0455 , A61B5/02 , A61B5/00
Abstract: 本申请提供心血管疾病风险预测方法及装置，涉及用于诊断目的的测量技术领域，预测方法包括：基于非接触式的脉搏与呼吸协同监测方法获取当前用于对用户进行心血管疾病风险预测的脉搏与呼吸协同监测结果数据；将用户的个人信息、用于进行心血管疾病风险预测的脉搏与呼吸协同监测结果数据输入预设的心血管疾病风险预测模型中，以根据该心血管疾病风险预测模型的输出获取当前针对所述用户的心血管疾病风险预测结果数据。本申请能够在以非接触方式协同监测用户的脉搏与呼吸数据的基础上，通过充分考虑呼吸与血压之间的相互影响，能够联合利用脉搏和呼吸信息，实现更全面且准确的心血管疾病风险预测。
-
公开(公告)号：CN118078230A
公开(公告)日：2024-05-28
申请号：CN202410496003.2
申请日：2024-04-24
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京邮电大学
IPC: A61B5/0205 , G16H50/30 , G16H50/20 , G06F18/25 , G06N3/0464 , G06N3/0455 , A61B5/02 , A61B5/00
Abstract: 本申请提供心血管疾病风险预测方法及装置，涉及用于诊断目的的测量技术领域，预测方法包括：基于非接触式的脉搏与呼吸协同监测方法获取当前用于对用户进行心血管疾病风险预测的脉搏与呼吸协同监测结果数据；将用户的个人信息、用于进行心血管疾病风险预测的脉搏与呼吸协同监测结果数据输入预设的心血管疾病风险预测模型中，以根据该心血管疾病风险预测模型的输出获取当前针对所述用户的心血管疾病风险预测结果数据。本申请能够在以非接触方式协同监测用户的脉搏与呼吸数据的基础上，通过充分考虑呼吸与血压之间的相互影响，能够联合利用脉搏和呼吸信息，实现更全面且准确的心血管疾病风险预测。
-
公开(公告)号：CN120050451A
公开(公告)日：2025-05-27
申请号：CN202510030705.6
申请日：2025-01-08
Applicant: 北京邮电大学
IPC: H04N21/2343 , H04N21/262 , H04N21/2383 , H04N21/24 , H04L1/00 , H04L41/147 , H04L41/16 , H04L43/0829 , G06F18/243
Abstract: 本申请提供强交互视频流传输质量优化方法、装置、控制器及系统，方法包括：慢模块确定强交互视频流数据在下一个流媒体协议反馈周期内的网络丢包率预测值和丢包聚集性预测值；快模块基于网络丢包率预测值、丢包聚集性预测值以及强交互视频流数据对应的待网络传输的各个视频帧的长度，采用随机森林模型逐帧决策各个视频帧编码周期各自对应的细粒度冗余度，以基于冗余度对各个视频帧的数据包进行前向纠错编码，得到各个视频帧对应的添加冗余保护后的数据包。本申请能够精准自适应如云游戏等强交互视频流的不同视频帧之间的大小差异及网络动态性，能够保障强交互视频流的交互质量并能够大幅降低冗余带宽开销，以平衡强交互视频流传输质量与冗余成本。
-
公开(公告)号：CN118381960B
公开(公告)日：2025-05-09
申请号：CN202410423454.3
申请日：2024-04-09
Applicant: 北京邮电大学
IPC: H04N21/2343 , H04N21/231 , H04N21/4402 , H04N21/433 , H04N21/462 , H04N21/2187
Abstract: 本发明提供一种基于p2p网状多流冗余视频传输系统，包括：视频转发终端接收视频数据包复制到编码缓存区中，转发至内容分发终端；在复制数量等于预设视频数据包数量的情况下，生成冗余数据包，并将冗余数据包转发至内容分发终端；初始化编码缓存区；执行响应于接收到的视频数据包，将视频数据包复制到编码缓存区中的步骤；通过内容分发终端在接收到视频数据包或者冗余数据包的情况下，将视频数据包或者冗余数据包分发至至少一个上游终端；通过上游终端，在接收到视频数据包或冗余数据包的情况下，将视频数据包或冗余数据包转发至至少一个下游终端；能够解决上游观众的加入或离开行为打断实时流媒体的传输，导致下游观众观看直播视频体验较差的问题。
-
公开(公告)号：CN118607614B
公开(公告)日：2024-12-24
申请号：CN202410620532.9
申请日：2024-05-20
Applicant: 北京邮电大学
IPC: G06N3/094 , G06N3/0475
Abstract: 本申请提供一种图像美学评估模型的对抗攻击方法、设备及存储介质，涉及图像美学评估领域。该方法包括：获取原始图像样本，对原始图像样本进行特征调整得到目标攻击样本；根据原始图像样本和目标攻击样本对待攻击图像美学评估模型进行对抗攻击；将原始图像样本输入到待攻击图像美学评估模型获得原始图像评分信息，并将目标攻击样本输入待攻击图像美学评估模型得到目标攻击样本评分信息；根据原始图像评分信息和目标攻击样本评分信息确定是否满足对抗攻击条件，若是，则完成对抗攻击；若否，则对待攻击图像美学评估模型进行对抗攻击直至满足对抗攻击条件，本申请的方法实现了提高图像美学评估模型的准确度的技术效果。
-
Patent Agency Ranking
公开(公告)号：CN118521946B
公开(公告)日：2024-11-08
申请号：CN202410991751.8
申请日：2024-07-23
Applicant: 北京邮电大学
IPC: G06V20/40 , G06V10/80 , G06V10/82 , G06V10/94 , G06V10/96 , G06N3/0455 , G06N3/0499 , G06N3/084 , G06N3/096 , H04N21/262 , H04L67/60
Abstract: 本发明提供一种基于连续学习的视联网任务理解与调度方法及系统，该方法包括以下步骤：获取历史时间段的视联网状态，所述视联网状态包括多项资源的状态；将历史时间段中每个历史时间点的每项资源的状态构建为资源状态向量，并输入到预训练的资源需求表征模型中，得到资源特征向量；将多个历史时间点对应的资源特征向量构建为特征组，并输入到预训练的序列化资源需求模型中，得到预测的多个任务的资源需求向量；将预测的资源需求向量对应的任务进行组合，得到多种任务组合，基于多个任务的资源需求向量计算各种任务组合的依赖关系值；基于所述依赖关系值确定最终使用的任务组合，将最终使用的任务组合分配至节点。
-
公开(公告)号：CN114513826B
公开(公告)日：2024-10-18
申请号：CN202210028709.7
申请日：2022-01-11
Applicant: 北京邮电大学
Abstract: 本发明提供一种基于跨技术通信的异构网络混合路由方法及装置，所述方法包括：确定与各ZigBee节点可直接进行数据交换的第一WiFi节点，生成各第一ZigBee节点的邻居节点信息列表；获取覆盖当前节点与目的节点之间区域的WiFi节点，在在所述当前节点的邻居节点信息列表中添加目的节点为虚拟邻居节点；基于当前节点与其相邻的第二ZigBee节点、其对应的第一WiFi节点之间的历史传输速率及传输可靠性确定备选下一跳节点，并将备选下一跳节点中的备选WiFi节点的ID信息发送至当前节点对应的第一WiFi节点；分别计算当前节点的邻居节点信息列表内的各备选WiFi节点、各备选第二ZigBee节点与所述目的节点之间的传输路径的传输时延，并基于最小的传输时延确定所述当前节点的下一跳节点。
-
公开(公告)号：CN113421312B
公开(公告)日：2024-08-02
申请号：CN202110514576.X
申请日：2021-05-12
Applicant: 北京邮电大学
Abstract: 本发明公开了一种对黑白视频的着色方法、装置、存储介质及终端，该方法包括：将原始黑白视频拆分为黑白图片集；构建第一彩色样例图；将黑白图片集中的第一张黑白图片和第一彩色样例图转换为Lab模式；将转换后的第一张黑白图片和第一彩色样例图输入预先训练的图片着色模型中，输出第一彩色图片；对于黑白图片集中的每一张黑白图片，重复上述过程，得到每一张黑白图片对应的彩色图片，构成彩色图片集；合并彩色图片集，生成彩色视频；其中，第一彩色图片是通过计算第一张黑白图片与第一彩色样例图之间的颜色传递矩阵进行着色。因此，采用本申请实施例，由于通过计算样例图和黑白图像的颜色传递矩阵对黑白影片进行快速上色，从而提升了黑白视频上色效率。
-
公开(公告)号：CN118071623B
公开(公告)日：2024-07-16
申请号：CN202410501823.6
申请日：2024-04-25
Applicant: 北京邮电大学
IPC: G06T5/50 , G06V10/40 , G06V10/774 , G06V10/764 , G06V10/84
Abstract: 本申请属于计算机视觉领域，具体涉及一种图像美学评估的长尾数据增强方法、装置、设备及介质。通过获取图像美学评估数据集，并对图像美学评估数据集中的数据进行特征提取，得到图像美学评估特征数据集，对图像美学评估特征数据集中的数据进行概率抽样，确定图像美学评估特征数据集中的图像美学评估尾部样本特征数据集，对图像美学评估尾部样本特征数据集中的数据进行特征混合处理，得到图像美学评估尾部样本混合特征数据集，根据图像美学评估特征数据集和图像美学评估尾部样本混合特征数据集，确定图像美学评估特征对齐数据集，并根据图像美学评估特征对齐数据集，构建目标图像美学评估模型；该方法提升了图像美学评估模型的准确性。
-
公开(公告)号：CN113988293B
公开(公告)日：2024-07-12
申请号：CN202111269497.3
申请日：2021-10-29
Applicant: 北京邮电大学
IPC: G06N3/094 , G06N3/084 , G06N3/0895 , G06N3/045 , G06N3/0475 , G06F18/241
Abstract: 本发明公开了一种不同层级函数组合的对抗生成网络的方法，通过数据中毒破坏训练数据，最终破坏整个学习过程，从而有效提高中毒样本的毒害效果。本发明使用组合损失函数以及在不同阶段对数据进行处理，从而达到误识别的目的。同时，为了进一步达到对图片误识别的效果，本发明将自监督学习领域的对比学习应用于智能模型训练的过程中。在加载数据时使用数据对的形式，并在训练过程中使用特征整合的方式对数据进行处理，增强了数据污染时的毒害能力，保证了攻击图案在尽可能不被肉眼识别的情况下的攻击效果。
-
-
-
-
-
-
-
-
-
Search Results
475
records
(took 0.06 seconds)
