公开(公告)号：CN114841877A

公开(公告)日：2022-08-02

申请号：CN202210449142.0

申请日：2022-04-26

Applicant: 杭州电子科技大学

Inventor： 胡海洋 ,  张学琪 ,  胡宇航 ,  李忠金

IPC: G06T5/00 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开基于条件生成对抗网络的梯级表面高光去除方法。构建了一个多尺度条件生成对抗网络MSDGC‑GAN，旨在通过端到端的方式获取高光去除图像。网络主体结构包括生成器与判别器，其中生成器基本架构采用空间上下文密集块作为基本模块的U‑net结构，利用其编码‑解码结构特点提取图像深层结构信息，充分提取特征像素之间的空间上下文背景信息特征。编码‑解码间连接采用的是SOS增强策略结构，以实现对图像进行细化增强处理，实现了梯度的传导改善了网络训练时梯度不稳定的问题。

公开(公告)号：CN113157344A

公开(公告)日：2021-07-23

申请号：CN202110481249.9

申请日：2021-04-30

Applicant: 杭州电子科技大学

Inventor： 胡海洋 ,  胡宇航 ,  李忠金 ,  魏泽丰

IPC: G06F9/445 ,  G06F9/50

Abstract: 本发明公开移动边缘计算环境下基于DRL的能耗感知任务卸载方法。本发明设计多eNB MEC环境下任务卸载问题的状态空间、行动空间和奖励函数。采用actor‑critic框架作为整个DRL‑E2D算法的基础结构，即主要包含actor和critic两个神经网络。同时将MD在环境下所观察到的状态作为actor输入，将actor输出的动作和状态作为critic网络输入。本发明结合强化深度学习相关知识并将截止时间约束考虑到奖励函数中，使得MD可以根据系统状态在限定任务期限的情况下做出能将其任务卸载给多个eNB的最优决策。

公开(公告)号：CN113157344B

公开(公告)日：2022-06-14

申请号：CN202110481249.9

申请日：2021-04-30

Applicant: 杭州电子科技大学

Inventor： 胡海洋 ,  胡宇航 ,  李忠金 ,  魏泽丰

IPC: G06F9/445 ,  G06F9/50

Abstract: 本发明公开移动边缘计算环境下基于DRL的能耗感知任务卸载方法。本发明设计多eNB MEC环境下任务卸载问题的状态空间、行动空间和奖励函数。采用actor‑critic框架作为整个DRL‑E2D算法的基础结构，即主要包含actor和critic两个神经网络。同时将MD在环境下所观察到的状态作为actor输入，将actor输出的动作和状态作为critic网络输入。本发明结合强化深度学习相关知识并将截止时间约束考虑到奖励函数中，使得MD可以根据系统状态在限定任务期限的情况下做出能将其任务卸载给多个eNB的最优决策。