-
公开(公告)号：CN108416266B
公开(公告)日：2021-10-08
申请号：CN201810090541.6
申请日：2018-01-30
Applicant: 同济大学
Abstract: 本发明涉及一种利用光流提取运动目标的视频行为快速识别方法，包括：步骤S1：接收多个视频，逐帧读取视频中的图像并保存为图片格式文件；步骤S2：将所有图像的尺寸统一到设定值，并将所有视频分为训练集和测试集；步骤S3：提取每个视频的光流图像；步骤S4：选择各视频中灰度值最大的光流图像，提取其灰度值处于设定范围之外的部分，并作用于该图像的原始RGB图像得到mask图像；步骤S5：将训练集中各视频选择的mask图像和光流图像分别输入双流卷积神经网络的空间流和时间流进行训练；步骤S6：将测试集中各视频选择的mask图像和光流图像分别输入双流卷积神经网络的空间流和时间流进行识别。与现有技术相比，本发明具有运算速度快等优点。
-
公开(公告)号：CN118297191A
公开(公告)日：2024-07-05
申请号：CN202410526729.6
申请日：2024-04-29
Applicant: 同济大学
IPC: G06N20/20 , G06F18/214 , H04L67/12
Abstract: 本发明涉及一种基于混合训练的分层联邦学习训练方法及装置。该方法建立云服务器‑子网联邦学习训练框架，初始化全局模型，每个子网包括通信连接的边缘服务器和多个用户设备；利用全局模型初始化边缘模型，利用线行与并行混合的训练范式分别训练各子网内部的多个用户模型，聚合训练好的各用户模型，更新相应的边缘模型，每个用户模型设于相应的用户设备中，每个边缘模型设于相应的边缘服务器中；定期聚合所有更新后的边缘模型，更新全局模型。与现有技术相比，本发明具有缓解子网内部的能耗压力、降低物联网设备间数据和算力的异构性等优点。
-
公开(公告)号：CN112073976A
公开(公告)日：2020-12-11
申请号：CN202010823334.4
申请日：2020-08-17
Applicant: 同济大学
Abstract: 本发明涉及一种基于机器学习的非正交多址中的用户通用分组方法，包括步骤1：获取系统内所有用户的发射功率预算以及信道增益系数数据；步骤2：构建多用户分组通信模型；步骤3：求解多用户分组通信模型，获得功率优化闭式解以及用户分组解；步骤4：根据用户分组解对用户进行分组，并通过功率优化闭式解进行功率控制，完成用户通用分组。与现有技术相比，本发明具有实现用户重叠分组、提高用户接入量、兼顾计算复杂度和有效性等优点。
-
公开(公告)号：CN120018289A
公开(公告)日：2025-05-16
申请号：CN202510003987.0
申请日：2025-01-02
Applicant: 同济大学
IPC: H04W72/044 , H04W72/541 , H04W72/53 , H04W72/542 , G06N20/00
Abstract: 本发明涉及一种优化无线联邦学习的功率分配与设备调度的方法，在无线联邦学习的每一轮本地训练前执行基于信道状态信息矩阵，利用功率分配目标函数和设备选择目标函数获取设备选择向量和功率分配向量，基于设备选择向量选取参与本轮无线联邦学习训练的设备，并基于功率分配向量为选取的设备分配功率，被选中的设备基于基站分发的聚合模型参数进行本轮次的本地训练，并将训练后的模型参数发送给基站，基站基于接收到的模型参数进行聚合，作为下一轮次的待分发模型参数，实现联邦学习。与现有技术相比，本发明提高了无线联邦学习的能量效益，还保证了无线传输的质量。
-
Patent Agency Ranking
公开(公告)号：CN118364266A
公开(公告)日：2024-07-19
申请号：CN202410537560.4
申请日：2024-04-30
Applicant: 同济大学
IPC: G06F18/213 , G06F16/901 , G06N3/042 , G06N3/084 , G06F18/22 , G06N3/0895 , G06N3/088
Abstract: 本发明涉及一种基于图结构学习的社区关系网络挖掘方法、设备和介质，包括以下步骤：S1、采集社区中各节点的相关数据，并转化为结构化的嵌入数据；S2、基于所述嵌入数据构建多个关系子图，整合所有的关系子图，将社区关系网络建模为异构图；S3、对所述异构图并行进行多次数据增强，得到相应的增强图，通过共享权重的图神经网络分别提取各增强图的高级特征；S4、基于各增强图的高级特征计算对比损失，通过梯度下降法迭代优化所述异构图，获得最终的社区关系网络挖掘结果。与现有技术相比，本发明可以进一步提高社区关系网络挖掘的准确性。
-
公开(公告)号：CN108416266A
公开(公告)日：2018-08-17
申请号：CN201810090541.6
申请日：2018-01-30
Applicant: 同济大学
Abstract: 本发明涉及一种利用光流提取运动目标的视频行为快速识别方法，包括：步骤S1：接收多个视频，逐帧读取视频中的图像并保存为图片格式文件；步骤S2：将所有图像的尺寸统一到设定值，并将所有视频分为训练集和测试集；步骤S3：提取每个视频的光流图像；步骤S4：选择各视频中灰度值最大的光流图像，提取其灰度值处于设定范围之外的部分，并作用于该图像的原始RGB图像得到mask图像；步骤S5：将训练集中各视频选择的mask图像和光流图像分别输入双流卷积神经网络的空间流和时间流进行训练；步骤S6：将测试集中各视频选择的mask图像和光流图像分别输入双流卷积神经网络的空间流和时间流进行识别。与现有技术相比，本发明具有运算速度快等优点。
-
公开(公告)号：CN105239333A
公开(公告)日：2016-01-13
申请号：CN201410326566.3
申请日：2014-07-10
Applicant: 同济大学附属七一中学
Inventor： 陈伟超
Abstract: 本发明公开了一种快速干衣机，包括鼓风机、罩子、衣架，所述鼓风机的出风口朝上，所述鼓风机上设置有一锥形的罩子，所述罩子顶端开孔，所述罩子上方放置衣架。本发明通过吹风加速衣服晾干的时间，结构简单，成本低，极具生活实用性。
-
公开(公告)号：CN118695047A
公开(公告)日：2024-09-24
申请号：CN202410694213.2
申请日：2024-05-31
Applicant: 同济大学
IPC: H04N21/488 , H04N21/435 , H04N21/44 , G06F18/214 , G06F18/23 , G06F18/213 , G06N5/02
Abstract: 本发明涉及一种视频字幕生成方法、装置及存储介质。该方法获取原始视频数据并采样得到视频帧；利用训练好的图像字幕模型生成帧字幕、利用目标检测模型获取每帧目标检测区域及相应的标签、利用视频编码器提取视频嵌入特征；从预先获取的知识图谱中导出子图作为额外的输入特征，并利用字幕时序编码器对每帧字幕进行时序特征编码得到相应的帧字幕嵌入特征；进行聚类和计数并利用区域时空编码器对经聚类和计数的区域特征进行编码，得到经聚类和计数的区域嵌入特征；将获取的多模态特征输入多模态解码器模型中，得到最终的视频字幕。与现有技术相比，本发明具有等优点。
-
公开(公告)号：CN112073976B
公开(公告)日：2023-06-02
申请号：CN202010823334.4
申请日：2020-08-17
Applicant: 同济大学
Abstract: 本发明涉及一种基于机器学习的非正交多址中的用户通用分组方法，包括步骤1：获取系统内所有用户的发射功率预算以及信道增益系数数据；步骤2：构建多用户分组通信模型；步骤3：求解多用户分组通信模型，获得功率优化闭式解以及用户分组解；步骤4：根据用户分组解对用户进行分组，并通过功率优化闭式解进行功率控制，完成用户通用分组。与现有技术相比，本发明具有实现用户重叠分组、提高用户接入量、兼顾计算复杂度和有效性等优点。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.016 seconds)
