-
公开(公告)号：CN119991834A
公开(公告)日：2025-05-13
申请号：CN202510084233.2
申请日：2025-01-20
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于稀疏卷积神经网络的点云几何压缩方法，该方法包括：获取场景点云；利用稀疏卷积神经网络对点云稀疏张量进行处理，分别得到潜在变量和稀疏特征，对稀疏特征解码后得到稀疏预测特征；通过对所述潜在变量进行稀疏卷积上采样，得到重建特征；对点云稠密张量进行特征提取，得到稠密特征；根据所述稀疏预测特征和稠密特征，计算稀疏稠密残差特征；将所述稀疏稠密残差特征和重建特征进行特征融合，得到融合特征；对融合特征进行稀疏卷积上采样，得到重建点云。本发明减少了点云几何压缩编码冗余，明显提升了编码性能和压缩后点云的质量。
-
公开(公告)号：CN119676446A
公开(公告)日：2025-03-21
申请号：CN202411891592.0
申请日：2024-12-20
Applicant: 重庆邮电大学
IPC: H04N19/176 , H04N19/50 , H04N19/147 , H04N19/124 , H04N19/91 , H04N19/597 , G06N3/042 , G06T9/00
Abstract: 本发明属于点云技术领域，涉及一种基于图注意力网络的点云属性编码方法，包括：获取点云数据，对点云数据进行块划分；对经过块划分后的点云数据进行细节级别生成，按照细节级别生成顺序对点云属性进行预测，将具有属性信息的邻居点集输入到多头图注意力层进行特征提取，得到当前点的预测残差；对当前点预测残差进行编码得到属性码流；将属性码流输入到解码模块中，得到预测残差；在预测点集中搜索未预测点的邻居点集，将邻居点集输入到多头图注意力层中对当前点进行预测；将预测值与解码的预测残差进行合并，得到重构属性；本发明通过逐层递归预测编码的方式，实现了点云数据的高效压缩和精确重构，可应用于需要高效数据传输和存储的三维场景中。
-
公开(公告)号：CN117290614A
公开(公告)日：2023-12-26
申请号：CN202311231321.8
申请日：2023-09-22
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06N3/042 , G06N3/0985
Abstract: 本发明涉及一种基于表征解耦的图协同过滤推荐方法，属于计算机技术领域。该方法包括以下步骤：S1：获取数据集；S2：数据预处理；S3：将数据构造成用户‑项目二分图；S4：构造图卷积模块，结合用户特征，项目特征，图结构来生成用户项目的嵌入；S5：构造top‑K生成器形成新的用户‑项目二分图，用户‑用户二分图，项目‑项目二分图；S6：图解耦层将预训练的用户项目嵌入进行解耦，生成最终的用户项目嵌入，并通过内积得到最终的推荐结果。本发明解决了基于图协同过滤的推荐算法中，因用户项目交互噪声以及图卷积层带来的嵌入语义不清的问题，使得推荐性能在原有的图协同过滤模型上获得提高。
-
Patent Agency Ranking
公开(公告)号：CN116450954A
公开(公告)日：2023-07-18
申请号：CN202310442845.5
申请日：2023-04-23
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06F16/9535 , G06N3/048 , G06N3/08 , G06N3/0464
Abstract: 本发明涉及一种基于图卷积网络的协同过滤推荐方法，属于内容推荐领域，包括获取数据集；将数据构造成用户‑项目二分图，用户‑用户二分图，项目‑项目二分图；构造子图生成模块，结合用户特征和图结构来识别具有相似兴趣的用户，然后通过保留这些用户及其交互项目来构造子图；在低阶图卷积模块中生成的用户项目的嵌入与子图生成模块中的嵌入拼接，形成最终的推荐结果。该方法提供了一种基于卷积图神经网络的协同过滤推荐算法，定义了一种子图生成模块，并加入一阶信息，定义了一个新的约束损失函数，解决了基于图卷积的推荐算法中，迭代多层出现的过渡平滑问题，通过堆叠更多的层来利用高阶邻居的信息而获得改进。
-
公开(公告)号：CN119967190A
公开(公告)日：2025-05-09
申请号：CN202510125801.9
申请日：2025-01-27
Applicant: 重庆邮电大学
IPC: H04N19/597 , H04N19/503 , H04N19/593 , G06V20/40 , G06T3/4038 , G06T3/4046 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明属于编码技术领域，涉及一种基于LSTM网络预测的动态点云快速编码方法，包括：获取点云并进行预处理，将预处理后的点云输入训练好的多层级预测划分网络，得到点云划分后的子编码单元，将子编码单元编码为比特流；多层级预测划分网络的训练过程包括：获取动态点云序列并进行预处理；将预处理后的动态点云序列输入多层级预测划分网络，得到划分后的子编码单元和预测占用结果；根据预测占用结果计算损失函数值来更新网络参数，直到得到训练好的网络；本发明利用各个层级的LSTM网络预测出CU的各个层级的占用结果，根据占用结果进而决定是否划分，同时各个层级的LSTM网络并行地对不同CU进行不同层级的划分预测，节省了编码时间。
-
公开(公告)号：CN117556141A
公开(公告)日：2024-02-13
申请号：CN202311545680.0
申请日：2023-11-20
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06F16/635 , G06F16/901 , G06F18/214 , G06F18/20 , G06F18/22
Abstract: 本发明涉及基于超图节点多尺度嵌入音乐推荐方法，属于计算机技术领域。该方法包括以下步骤：S1：获取数据集，并进行预处理；S2：构建超图数据集模型；S3：根据游走算法生成超图数据模型的一阶马尔可夫游走序列，即得到每个超图节点的游走序列；S4：采集得到游走序列的每个超图节点的多尺度领域属性集，将采集的每个多尺度邻域属性集分成若干次作为Doc2Vec的输入，生成不同尺度的节点嵌入，将多个尺度嵌入组合为最终嵌入；S5：计算用户偏好并进行音乐推荐。本发明解决了超图嵌入的音乐推荐中，未能联合学习音乐属性多尺度嵌入的问题，从而提高了推荐系统性能和用户体验。
-
公开(公告)号：CN117571014A
公开(公告)日：2024-02-20
申请号：CN202311520271.5
申请日：2023-11-15
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种结合图像描述和文本生成图像的视觉语言导航方法，属于视觉语言导航技术领域。该方法为：获取视觉语言导航任务的自然语言目标指令和当前所处位置的视觉图像；通过场景描述模块生成基于当前场景的详尽自然语言描述；通过文本生成图像模型生成与所描述场景有着类似核心物品对象以及核心场景布局的相似场景；将当前场景和对应相似场景通过多层Transformer结构和细尺度跨模态编码器进行编码；将当前场景编码和相似场景编码动态融合生成综合考虑了当前真实场景和对应相似场景的融合动作预测。该方法通过为任务训练提供额外的视觉数据输入，解决了视觉语言导航任务的数据稀缺问题，提高了智能体的任务性能和模型的泛化能力。
-
公开(公告)号：CN115765086A
公开(公告)日：2023-03-07
申请号：CN202211461252.5
申请日：2022-11-16
Applicant: 重庆邮电大学
IPC: H02J7/00
Abstract: 本发明涉及一种基于时间最优的锂离子电池组主动均衡方法，属于锂电池领域。构建模块到模块架构和单元到模块架构的分层主动均衡拓扑结构；建立电池的电荷状态(SOC)和均衡器的脉宽调制(PWM)占空比之间的关系，并使均衡控制器直接作用于均衡器的场效应管；通过减少中间电池充放电之间的微循环周期，保证电池的SOC收敛到一个点；还开发了分层均衡拓扑结构简化电池组结构，减少运算成本。本发明采用了一个时间最优模型预测控制(MPC)策略，设计了一种减小中间电池充放电微循环的时间最优方法，克服了在解决电池组不一致性问题时存在的能量损失大和电池温度上升快的难题，并且提高了系统的鲁棒性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.024 seconds)
