-
公开(公告)号：CN118368643A
公开(公告)日：2024-07-19
申请号：CN202410790578.5
申请日：2024-06-19
Applicant: 南京邮电大学
Abstract: 本发明公开了一种面向车联网网络切片的效用最大化资源分配方法，针对车联网系统下的车辆业务资源分配问题，结合网络切片技术，考虑到不同车联网业务速率、时延以及车辆移动性对于网络效用的影响，以最大化网络效用为目标，构建了一种基于车联网系统的网络切片资源分配模型。提出了一种基于动态记忆库的双Sigmoid函数粒子群优化算法（MBDS‑PSO），增强了算法的全局和局部搜索能力，降低了算法求解结果的标准差，解决了传统粒子群算法以及一些改进算法对于前后期搜索能力过渡不平滑等问题，实现了在相同时间复杂度下缩短算法运算时间的同时能够在资源分配过程中为系统带来更高的网络效用。
-
公开(公告)号：CN117522674A
公开(公告)日：2024-02-06
申请号：CN202311585339.8
申请日：2023-11-24
Applicant: 南京邮电大学
IPC: G06T3/04 , G06T7/13 , G06T7/50 , G06N3/0455 , G06N3/0475 , G06N3/084 , G06N3/0985
Abstract: 本发明属于图像处理领域，涉及一种联合局部和全局信息的图像重建系统及方法，所述系统包括生成器网络、边缘检测网络和深度检测网络；生成器网络将输入的部分信息损失的图像Y通过映射得到重建图像Z；采用端到端的边缘检测网络，输入图像后直接产生边缘图像作为输出；采用一个提取单幅图像的深度检测网络，输入整个图像后直接预测像素级的深度；构建本发明的联合局部和全局信息的图像重建系统并应用，与现有技术基于图像重建的掩码自编码模型相比，本发明提出的网络架构实现了图像重建准确率与计算效率之间的最佳平衡，能够提高图像重建的准确性和计算效率。
-
公开(公告)号：CN117372724A
公开(公告)日：2024-01-09
申请号：CN202311316015.4
申请日：2023-10-11
Applicant: 南京邮电大学
IPC: G06V10/74 , G06V10/764 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于次模优化约束的渐进式图像识别方法及系统，包括：获取待处理的图像数据，设计次模化函数；将所构建的次模优化函数与自步学习相结合，构建最大最小联合优化模型；采用替代优化策略求解最大最小联合优化模型，重复迭代图像样本生成和网络训练的过程，直至模型收敛，实现关键部位的精准识别。本发明所提的基于次模优化约束的渐进式图像识别方法可以加速模型的收敛，并在一定程度上提升细粒度识别模型的精度。
-
公开(公告)号：CN116246109A
公开(公告)日：2023-06-09
申请号：CN202310138042.0
申请日：2023-02-20
Applicant: 南京邮电大学
IPC: G06V10/764 , G06V10/82 , G06V10/40 , G06N3/0464
Abstract: 本发明属于图像识别领域，具体地说，是一种多尺度孔洞邻域注意力计算骨干网络模型及其应用，由输入、图像特征提取、输出组成。主体部分为图像特征提取，该部分共有4个阶段：第一阶段包括一个图像块嵌入层和一个孔洞Transformer模块，第二三四阶段结构相同，包括一个下采样层和一个DT模块。在DT模块的构成中，核心模块为孔洞邻域注意力计算模块，它用来对输入到该部分的特征图进行自注意力的计算，通过该模块的计算可以保证在获取图像局部信息的同时也可以获取到图像全局信息。与目前最先进的骨干网模型相比，本发明实现了自注意力计算中参数量和计算量的有效权衡，成为解决图像识别领域问题的有效网络模型。
-
公开(公告)号：CN116245144A
公开(公告)日：2023-06-09
申请号：CN202310138040.1
申请日：2023-02-20
Applicant: 南京邮电大学
IPC: G06N3/0464 , G06V10/80 , G06V10/82 , G06V10/40
Abstract: 本发明属于图像识别领域，具体地说，是一种轻量化窗口金字塔网络模型及其应用，包括Patchembedding、Patchmerging以及Transformerblock。Patchembedding模块对输入图片进行平均划分，将得到的每个区块作为一个向量进行后续的注意力计算。Patchmerging模块对输入特征图进行下采样，使得网络能够进行不同尺度的特征计算，从而得到多张不同分辨率大小的特征图。Transformerblock首先对输入特征图进行不同大小的窗口注意力计算，使得网络能够关注不同尺度的特征，然后对这些特征进行轻量化注意力计算，使得不同窗口内部的信息实现交互，最后使用线性层对这些特征进行融合。本发明提出的网络架构实现了性能与效率之间的最佳平衡。
-
Patent Agency Ranking
公开(公告)号：CN116205951A
公开(公告)日：2023-06-02
申请号：CN202310222121.X
申请日：2023-03-09
Applicant: 南京邮电大学
IPC: G06T7/246 , G06N3/08 , G06V10/44 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种鲁棒性视觉跟踪方法，包括对现有的视频数据进行预处理；用多个视频序列训练预训练的卷积神经网络；随机初始化全连接层；投影输入特征；构建图模型G，图模型G表示结果重新投影到原始表示空间中；建立全局推理模型；把第一帧添加到短期跟踪和长期跟踪的集合中；自第二帧起，绘制正样本和负样本作为训练样本；利用元学习对参数矩阵P进行在线学习；短期更新输出特征对全局推理模型进行微调；从卷积神经网络的最后一层获得三种样本；训练三元组损失函数调节多模态相似度，并最小化距离函数。相较于现有技术，本发明通过加强嵌套全局推理模型，并利用部分多域目标信息进行场景感知更新，能够提高计算机视觉跟踪的性能。
-
公开(公告)号：CN115375732A
公开(公告)日：2022-11-22
申请号：CN202210992655.6
申请日：2022-08-18
Applicant: 南京邮电大学
Abstract: 本发明提供了一种基于模块迁移的无监督目标跟踪方法及系统。该方法包括在网络第一个卷积层与第二个卷积层之间添加在有监督网络中已经训练好的通道注意力层；在通道注意力层后添加元迁移学习网络层；以及进行回溯训练。本发明通过元迁移学习机制来在线更新被迁移通道注意力模块的参数，以此让无监督网络具专注被跟踪目标显著性区域。与传统异构无监督学习相比，本发明不仅涉及分类与回归这两种异构任务的迁移，而且涉及图像处理任务到视频处理任务间的跨越，实现一个图像域到多个视频帧域之间的域自适应。同时，本发明可在保证迁移性能的前提下降低迁移运算复杂度，有效提升无监督目标跟踪在复杂场景下的跟踪精度。
-
公开(公告)号：CN111144490B
公开(公告)日：2022-09-06
申请号：CN201911373992.1
申请日：2019-12-26
Applicant: 南京邮电大学
Abstract: 一种基于轮替知识蒸馏策略的细粒度识别方法。包括如下步骤，步骤S1、利用卷积神经网络训练获取卷积特征图；步骤S2、对卷积特征图聚类，获取通道指示向量，通过通道指示向量训练channel group模块，生成注意力掩模；步骤S3、根据注意力掩模获取局部图，再将局部图与全局图通过轮替知识蒸馏策略训练，得到细粒度图像。本发明利用卷积神经网络训练获取卷积特征图;再对卷积特征图进行聚类得到通道指示向量，根据通道指示向量预训练channel group模块，生成注意力掩模，获取局部图，最后将局部图与全局图通过轮替知识蒸馏策略训练。通过本发明可以解决细粒度图像中局部信息缺失、传统方法抗干扰能力差等问题，极大的提高了细粒度图像分类的准确率。
-
公开(公告)号：CN110188608A
公开(公告)日：2019-08-30
申请号：CN201910331755.2
申请日：2019-04-23
Applicant: 南京邮电大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于自适应阶数的交互行为分析方法，包括以下步骤：步骤一：视频特征提取与表示；步骤二：利用分层狄利克雷过程模型对视频序列进行建模，检测出场景中包含的行为，并利用K-means算法进行分类，实现多变量时间序列提取与分类；步骤三：进行多变量自回归模型阶数选择；步骤四：基于频域的多向量过程因果测量的组间交互行为分析；步骤五：基于频域的多标量过程因果测量的组内交互行为分析；步骤六：基于组间和组内因果测量的全局和局部行为交互网络构建。本发明的优点是：不仅能检测出场景中全局和局部交互行为，而且可以构建全局和局部行为交互网络。
-
公开(公告)号：CN103744051B
公开(公告)日：2016-03-23
申请号：CN201310672142.8
申请日：2013-12-11
Applicant: 南京邮电大学
IPC: G01S5/02
Abstract: 本发明提出了一种单频网定位系统中的基站识别方法。所述方法从定位系统本身出发，将基站识别问题转化为数据分类问题，通过最小距离分类器实现基站识别；利用状态预测模型估计移动台的运动参数，进而降低了系统的硬件需求；为了在非视距环境下得到更好的基站识别效果，使用交互多模型方法来减轻非视距效应，从而得到更为准确的移动台目标信息。本发明将位置估计和基站识别两个不同定位系统功能紧密联系起来，经济、有效、适用于所有的数字电视标准。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.05 seconds)
