公开(公告)号：CN117455797A

公开(公告)日：2024-01-26

申请号：CN202311511985.X

申请日：2023-11-14

Applicant: 重庆邮电大学

Inventor： 陶洋 ,  刘羽婷 ,  武萍 ,  方文俊

IPC: G06T5/70 ,  G06T5/60 ,  G06T5/92 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种基于NAFNet与注意力机制融合的水下图像增强方法，具体包括：将获取得到的低质量水下图像数据集划分为训练集和测试集；基于训练集对加入注意力机制模块DAM的NAFNet网络进行训练，引入LAB和LCH颜色空间的损失函数，设计出多重损失函数；向优化好的水下图像增强网络模型输入测试集，得到相应的清晰图像。本发明使用NAFNet网络作为基本框架，以实现快速和轻量化。此外，通过注意力机制能够加强网络对衰减严重的颜色区域和重要的通道信息的关注，并有效缓解噪声干扰。

公开(公告)号：CN117710801A

公开(公告)日：2024-03-15

申请号：CN202311700444.1

申请日：2023-12-12

Applicant: 重庆邮电大学

Inventor： 方文俊 ,  陶洋 ,  刘羽婷 ,  武萍 ,  冉刚

IPC: G06V20/05 ,  G06V10/25 ,  G06V10/82 ,  G06V10/50 ,  G06V10/40 ,  G06V10/764 ,  G06V10/766 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明涉及一种基于Swin Transformer的水下弱小目标检测方法，属于图像处理以及计算机视觉领域。该方法包括：搭建基于Swin Transformer的特征金字塔骨干网络；将获取的水下无标注真实数据集用于骨干网络进行无监督学习；将获取的水下有标注真实数据集划分为训练集和验证集；搭建基于Swin Transformer的双阶段目标检测模型并进行训练与验证；通过网格搜索方式在训练与验证中调节模型参数，得到检测精度最高的模型。本发明能够在水下复杂环境，以及水下数据集标注少，标注难的情况下，有效解决水下弱小目标检测问题，精准识别弱小目标。

公开(公告)号：CN117768860A

公开(公告)日：2024-03-26

申请号：CN202311700446.0

申请日：2023-12-12

Applicant: 重庆邮电大学

Inventor： 陶洋 ,  邸宏杰 ,  徐非凡 ,  刘羽婷

IPC: H04W4/44 ,  H04W4/46 ,  H04W24/06 ,  H04W28/08

Abstract: 本发明涉及一种基于V2V和V2I通信的车联网联合任务卸载方法，属于无线通信领域。该方法包括：S1：构建系统的任务卸载模型，包括本地计算模型和边缘卸载模型；S2：根据系统的任务卸载模型计算任务执行的时延和能耗，并综合考虑任务的总时延、总能耗以及系统服务率构建用户体验质量模型；S3：基于系统的任务卸载模型和用户体验质量模型，构建包括状态空间、动作空间和奖励函数的强化学习模型；S4：采用双延迟深度确定性策略梯度算法求解强化学习模型，以获得模型的最优解。本发明通过充分挖掘场景中车辆的空闲计算资源，在保证系统服务率的同时降低用户侧的能量消耗，从而提高用户体验质量。