-
公开(公告)号：CN118447355A
公开(公告)日：2024-08-06
申请号：CN202410621842.2
申请日：2024-05-20
Applicant: 安徽大学
IPC: G06V10/80 , G06V10/82 , G06V10/776 , G06V20/10 , G06N3/0464 , G06N3/045
Abstract: 本发明提出一种全色图像和多光谱图像特征融合方法，包括构建融合检测一体化网络、融合检测一体化网络的应用、制作数据集和融合检测一体化网络的评估四个步骤，本发明基于R3det网络，构建一个端到端的融合检测集成网络，并通过空间注意力特征融合模块和上下文增强模块进行增强，接着采用带有残差结构的Resnet50作为骨干网，并利用残差连通性来提高特征的准确性，从而在全色图像和多光谱图像一起送入网络后，通过通道空间注意力特征融合模块将两者所具有的不同波段的信息进行充分的融合，避免预处理的同时提升了检测效果，同时通过上下文增强模块，将多尺度扩张卷积的特征从上而下的注入到特征金字塔网络中，补充上下文信息。
-
Patent Agency Ranking
公开(公告)号：CN114327526B
公开(公告)日：2024-05-28
申请号：CN202210006091.4
申请日：2022-01-05
Applicant: 安徽大学
Abstract: 本发明属于边缘计算领域，具体涉及一种移动边缘计算环境中的任务卸载方法及其应用。该方法包括如下步骤：S1：将完整的工作任务划分为不同的环节，进而构建表征工作任务的工作流依赖图WDG；S2：确定WDG中各个任务结点的属性集；S3：创建表征工作任务的能耗传递全图ETG；S4：将不可卸载的任务结点对应的入度边和出度边删除，生成简化能耗传递图ETG1；S5：根据ETG1生成对应的线性能耗传递图ETG2；S6：以满足时间约束且最小化终端的设备能耗为优化目标，得到具有最小化设备能耗的路径，并进行任务卸载。本发明解决了现有MEC环境无法完成对复杂的非线性任务进行计算任务卸载，且容易造成任务处理过程的能耗升高，实时性降低的问题。
-
公开(公告)号：CN117409318A
公开(公告)日：2024-01-16
申请号：CN202311341913.5
申请日：2023-10-17
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明提出了一种基于深度学习的高分二号舰船目标检测方法,包括步骤一获取卫星原始数据，进行预处理之后融合生成普通的RGB图像，步骤二对数据集进行划分，步骤三RetinaNet‑ReHead舰船目标检测模型的建立，步骤四对RetinaNet‑ReHead舰船目标检测模型进行训练，步骤四与步骤五对模型进行验证与输出，步骤六由训练好RetinaNet‑ReHead舰船目标检测模型进行迭代检测输出舰船目标的检测结果；本发明通过收集和筛选数据，并制作成高分二号影像数据集，提出RetinaNet‑ReHead舰船目标检测模型，能够提取出旋转等变特征，并且解决传统损失函数的一系列问题以及密集场景下的漏检问题，提高模型的识别精度，使得本发明模型的预测结果更有效。
-
公开(公告)号：CN116757585B
公开(公告)日：2023-10-31
申请号：CN202311055812.1
申请日：2023-08-22
Applicant: 安徽大学
IPC: G06Q10/083 , G06Q10/0835 , G06K17/00
Abstract: 本发明公开了一种基于移动边缘计算的无人机和无人车协同配送方法，首先根据订单业务请求整合站点资源，生成能耗优先的静态配送服务方案，无人机执行静态配送服务方案中的前半段飞行配送任务，将包裹运送到指定的无人车交接站点；当无人机到达指定的无人车交接站点时，进行服务冲突检测，当不存在服务冲突时，则将包裹交给指定无人车交接站点中合适的无人车；当存在服务冲突时，给出替代方案；最后无人车执行后半段车载配送任务，将包裹运行至目的地。本发明选择能耗优先的静态配送服务方案，采用无人机和无人车接驳进行包裹的连续配送，能够有效降低物流配送成本，提高物流配送效率，在智慧物流包裹配送场景中具有极高的应用价值。
-
公开(公告)号：CN116757585A
公开(公告)日：2023-09-15
申请号：CN202311055812.1
申请日：2023-08-22
Applicant: 安徽大学
IPC: G06Q10/083 , G06Q10/0835 , G06K17/00
Abstract: 本发明公开了一种基于移动边缘计算的无人机和无人车协同配送方法，首先根据订单业务请求整合站点资源，生成能耗优先的静态配送服务方案，无人机执行静态配送服务方案中的前半段飞行配送任务，将包裹运送到指定的无人车交接站点；当无人机到达指定的无人车交接站点时，进行服务冲突检测，当不存在服务冲突时，则将包裹交给指定无人车交接站点中合适的无人车；当存在服务冲突时，给出替代方案；最后无人车执行后半段车载配送任务，将包裹运行至目的地。本发明选择能耗优先的静态配送服务方案，采用无人机和无人车接驳进行包裹的连续配送，能够有效降低物流配送成本，提高物流配送效率，在智慧物流包裹配送场景中具有极高的应用价值。
-
公开(公告)号：CN114327526A
公开(公告)日：2022-04-12
申请号：CN202210006091.4
申请日：2022-01-05
Applicant: 安徽大学
Abstract: 本发明属于边缘计算领域，具体涉及一种移动边缘计算环境中的任务卸载方法及其应用。该方法包括如下步骤：S1：将完整的工作任务划分为不同的环节，进而构建表征工作任务的工作流依赖图WDG；S2：确定WDG中各个任务结点的属性集；S3：创建表征工作任务的能耗传递全图ETG；S4：将不可卸载的任务结点对应的入度边和出度边删除，生成简化能耗传递图ETG1；S5：根据ETG1生成对应的线性能耗传递图ETG2；S6：以满足时间约束且最小化终端的设备能耗为优化目标，得到具有最小化设备能耗的路径，并进行任务卸载。本发明解决了现有MEC环境无法完成对复杂的非线性任务进行计算任务卸载，且容易造成任务处理过程的能耗升高，实时性降低的问题。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
