公开(公告)号：CN116863416A

公开(公告)日：2023-10-10

申请号：CN202310840004.X

申请日：2023-07-10

Applicant: 电子科技大学

Inventor： 杨海芬 ,  蒋贤皓 ,  金嗣东 ,  吴颛宇

IPC: G06V20/54 ,  G06V20/40 ,  G06V10/40 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06T7/246 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种用于道路视频流车辆监控的轻量化多目标检测与跟踪方法，用于道路视频流车辆监控，属于计算机视觉领域。该轻量化多目标检测与跟踪算法模型中，使用了轻量级骨干网络降低模型的复杂度以及参数量。为了弥补轻量化骨干网络带来的精度下降，本发明引入自适应激活函数对C3模块进行改进，设计出了Meta‑C3模块。此外，本发明引入Adaface损失作用于特征提取分支来增强网络对于不同车辆目标的分辨能力，进一步提升了网络的性能。本发明针对道路视频监控场景中目标易于识别的特点，设计出轻量化的多目标检测与跟踪算法，降低了传统算法对于设备算力的要求，实现了算法的边缘节点的部署，具有良好的实际应用价值。

公开(公告)号：CN117609777A

公开(公告)日：2024-02-27

申请号：CN202311035924.0

申请日：2023-08-16

Applicant: 电子科技大学

Inventor： 杨海芬 ,  吴颛宇 ,  金嗣东 ,  杨晗 ,  李建平 ,  程婧雅 ,  袁正希

IPC: G06F18/214 ,  G06F18/241 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明提出了一种用于无线信号识别的通用多任务学习框架，属于无线通信领域。该框架使用共享特征提取网络提取信号广泛特征，结合注意力机制和分类器实现无线信号中不同任务的分类识别，该框架能够快速收敛且能在较小运算、时间代价下实现信号并行多任务的高效识别。同时，为了解决多任务间的权重分配问题，引入考虑不同任务间损失梯度变化的动态权重分配函数，实现不同任务间权重的自动分配，使得损失值的收敛更快且更鲁棒，而且也进一步提高了学习框架的学习速率和准确率。提出的多任务框架实现了端到端的学习方式，方便新任务的快速扩展。与传统的基准网络进行对比，本发明所提框架具有更好的识别性能。因此，本发明实现了无线信号多任务的有效识别，能够在常见的无线通信场景下展现良好效用。

公开(公告)号：CN115510905A

公开(公告)日：2022-12-23

申请号：CN202211175218.1

申请日：2022-09-26

Applicant: 电子科技大学

Inventor： 杨海芬 ,  罗旭 ,  金嗣东 ,  吴颛宇

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  H04L1/00

Abstract: 本发明公开了一种用于信道编码盲识别的多任务学习方法，属于无线通信领域。该框架将分类器网络与解码器网络与共享特征提取器相结合，能够实现在复杂通信环境下对候选编码集接收序列的编码方式和参数准确识别，同时能够准确地拒绝候选编码集中未出现的编码方式和参数，即实现信道编码的闭集/开集识别。另外，该多任务学习框架引入度量学习中的CenterLoss，学习每个编码类别的深度特征中心，并惩罚深度特征与其相应类别特征中心之间的距离，使信号识别的决策边界更紧密且清晰，进一步提高信道编码识别准确率。此外，本发明利用神经网络自动提取相关序列特征，避免了现有技术中需要人工提取特征这一繁琐过程。