-
公开(公告)号:CN118646655A
公开(公告)日:2024-09-13
申请号:CN202410762783.0
申请日:2024-06-13
Abstract: 本申请的实施例提供了一种基于社交网络的节点通信方法、装置、介质及设备。该方法包括:根据陌生节点的任务需求以及陌生节点在当前时刻之前与目标社交网络中各网络节点之间的交互信息,生成陌生节点在当前时刻对应的第一节点特征;根据目标社交网络中网络节点之间的关联信息以及各网络节点对应的第二节点特征,生成初始环境信息并更新,得到目标环境信息;将目标环境信息与第一节点特征输入至强化学习模块中,确定陌生节点每一可能的动作对应的奖励,以得到目标社交网络中每一网络节点对应的关注值,从而确定陌生节点的通信策略。本申请实施例的技术方案可以提高通信资源分配的合理性,进而保证节点之间信息交换的效率和准确性。
-
公开(公告)号:CN112633113B
公开(公告)日:2024-07-16
申请号:CN202011493977.3
申请日:2020-12-17
Applicant: 厦门大学 , 福建联迪商用设备有限公司
Abstract: 本发明公开了一种跨摄像头的人脸活体检测方法、介质及系统,其中方法包括:采集第一训练数据集,并训练得到人脸活体检测模型;通过源摄像头和目标摄像头进行活体样本对的采集,以根据活体样本对生成第二训练数据集,并根据第二训练数据集进行生成对抗网络的训练,以得到风格转移函数模型;通过目标摄像头获取待检测人脸图像,并将待检测人脸图像输入到风格转移函数模型,以及将风格转移后的待检测人脸图像输入到人脸活体检测模型,以得到待检测人脸图像对应的活体检测结果;能够在不对活体检测模型进行重新训练的情况下,保证跨摄像头活体检测结果的准确性。
-
公开(公告)号:CN114638357B
公开(公告)日:2024-05-31
申请号:CN202210186097.4
申请日:2022-02-28
Applicant: 厦门大学
IPC: G06N3/098 , G06N3/092 , G06N3/0985 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06F9/50 , G06F21/62
Abstract: 本发明公开了一种基于自动联邦学习的边缘计算系统及其学习方法,其中基于自动联邦学习的边缘计算系统包括:公有云、边缘云、边缘计算盒子和智能终端设备;公有云汇聚边缘云输入的神经网络模型结构和参数进行不同权重的参数更新优化,边缘云存储边缘计算盒子上传的数据,并采用基于强化学习的神经架构搜索模型搜索最佳模块组合进行局部化模型训练,边缘盒子部署训练好的神经网络模型为智能终端设备提供实时算力,智能终端设备采集图像、语音、文字等信息;本发明能够有效解决预设网络对独立同分布数据效果差的问题,同时能够很好的保护用户隐私,同时边缘盒子能够快速响应智能终端采集的数据,具有广泛的应用前景。
-
公开(公告)号:CN117932373A
公开(公告)日:2024-04-26
申请号:CN202311706854.7
申请日:2023-12-12
Applicant: 厦门大学 , 京信网络系统股份有限公司
IPC: G06F18/2321 , G06F18/2433
Abstract: 本申请的实施例提供了一种多维KPI数据异常检测模型的训练、识别方法及装置。该方法包括:根据采集到的若干KPI的初始数据,确定若干所述KPI两两之间的相关性值,以对若干所述KPI进行聚类,得到至少一个KPI集群及其中心KPI;对每一所述KPI的初始数据进行预处理,得到每一所述KPI对应的目标数据;采用每一所述中心KPI的目标数据对预先构建的初始异常检测模型进行训练,得到与该中心KPI对应的目标异常检测模型;根据同一所述KPI集群中所述中心KPI与其他KPI之间的相关性值,采用中心KPI异常检测模型全部或部分参数进行迁移以得到与每一所述其他KPI对应的目标异常检测模型。本申请实施例的技术方案可以提高多维KPI数据异常检测模型的训练效率,并保证检测结果的准确性。
-
公开(公告)号:CN113949986B
公开(公告)日:2024-03-29
申请号:CN202110920975.6
申请日:2021-08-11
Applicant: 厦门大学 , 京信网络系统股份有限公司
IPC: H04W4/02 , H04W4/021 , H04W4/33 , H04W56/00 , G08B13/24 , H04J3/06 , G06K17/00 , G06F18/22 , G06F18/2413 , G06F18/2415 , G06N3/0464 , G06N3/047
Abstract: 本发明提供WR和射频指纹技术的定位方法、系统及监控方法,方法包括服务器与同步设备连接,若干个射频信号接收机分别与同步设备连接;射频信号接收机捕捉到射频信号后,经同步设备传输至服务器;服务器依据射频信号提取瞬态信号,获取瞬态信号对应的瞬态特征和各个接收机接收信号的到达时间差;服务器依据瞬态特征查找射频指纹库,判断是否存在与瞬态特征匹配的射频指纹;若存在,则依据射频指纹确定射频标签;依据所述到达时间差和接收机的坐标位置,计算得到射频标签的坐标位置。本发明能够精准地辨别发送射频信号的射频标签的身份,并准确地定位其所在位置。使得室内定位技术在精确度上得到提升,同时在监控方面具有较高实用性。
-
公开(公告)号:CN117612200A
公开(公告)日:2024-02-27
申请号:CN202311369478.7
申请日:2023-10-20
Applicant: 厦门大学
IPC: G06V40/10 , G06V10/776 , G06V20/64 , G06V10/44 , G06N3/096
Abstract: 本申请的实施例提供了一种知识迁移的姿态估计模型的训练和识别方法。该训练方法包括:获取模型训练数据,模型训练数据包括相对应且预处理后的相机点云数据和雷达点云数据;根据相机点云数据对预先构建的第一训练模块进行训练,得到教师模型;根据雷达点云数据对预先构建的第二训练模块进行训练,得到学生模型;根据雷达点云数据对学生模型进行训练,得到目标姿态估计模型。本申请实施例的技术方案可以在现有毫米波雷达获取的稀疏点云的基础上,提高人体姿态识别结果的准确度。
-
公开(公告)号:CN117201765A
公开(公告)日:2023-12-08
申请号:CN202311013063.6
申请日:2023-08-11
Applicant: 厦门大学
IPC: H04N17/00 , H04N19/154 , G06V20/40
Abstract: 本发明提出了一种基于内容引导的无参考视频质量评价方法,该方法包括:获取待评价的视频片段;构建特征提取网络,并将待评价的视频片段输入到特征提取网络,以便得到对应的帧级特征和语义内容特征;构建时序信息捕获网络,以便根据时序信息捕获网络得到帧级特征间的时序依赖关系;构建超网络,并使用超网络将语义内容特征分别重塑为查询和质量感知头;再将帧级特征间的时序依赖关系和查询输入到编码器中,以便得到带有由视频内容引导的时序依赖关系的帧级质量特征;采用质量感知头对帧级质量特征进行预测,以得到待评价的视频片段对应的视频质量分数;由此,能够利用视频内容引导时序注意力的分配并生成质量分数,从而提高视频质量评价的准确度。
-
公开(公告)号:CN114007274B
公开(公告)日:2023-11-14
申请号:CN202111094759.7
申请日:2021-09-17
Applicant: 厦门大学 , 京信网络系统股份有限公司
IPC: H04W72/12 , H04W72/0446 , H04W72/566 , H04W72/23 , H04W72/543
Abstract: 本发明公开了一种基于URLLC业务时延容忍度的资源复用方法及系统,其中方法包括:无线接入点向无线通信设备发送SIB1信息;当无线通信设备产生URLLC业务需求时,生成调度信息,以及将调度信息发送给无线接入点;无线接入点判断URLLC业务是否可容忍切片帧结构下的最长等待时延;如果否,则将资源复用方案配置为基于免授权模式;如果是,则获取URLLC业务类型信息;判断无线通信设备的URLLC业务是否为周期性;如果否,则将资源复用方案配置为改进型GB模式;如果是,则将资源复用方案配置为GF模式。能够在满足URLLC业务低时延技术要求的前提下,降低eMBB UE用于传输数据的时频域资源被抢占、打孔、穿刺事件的发生概率,进而提高eMBB UE吞吐量和信噪比。
-
公开(公告)号:CN116842380A
公开(公告)日:2023-10-03
申请号:CN202310686128.7
申请日:2023-06-09
Applicant: 厦门大学
IPC: G06F18/214 , G06F18/211
Abstract: 本发明公开了一种根据本发明实施例的基于客户端成簇的混合联邦分割学习的模型训练方法,包括每个学习客户端根据成簇策略与其周围的辅助客户端进行分簇,以得到多个学习簇;根据簇头选定策略在每个学习簇中选择一个特殊的客户端作为簇头,以便本地基站根据基站带宽分配策略为簇头分配带宽;簇头根据本地基站分配的带宽获取本地基站下发的全局模块,簇头根据模型切分和分配策略将全局模型切分为多个模型段,并分发给所有簇成员进行协作训练;簇头收集簇内的所有簇成员训练好的本地模型并将其上传至本地基站,以便本地基站将簇头上传的本地模型进行聚合,不仅用户计算、存储和通信负载小,而且用户并行度、对用户非独立同分布数据敏感度高。
-
公开(公告)号:CN116805371A
公开(公告)日:2023-09-26
申请号:CN202310664647.3
申请日:2023-06-06
Applicant: 厦门大学
IPC: G06V10/75 , G01S17/06 , G01S17/931 , G06V20/56 , G06V10/26 , G06V20/70 , G06V10/762 , G06V10/764 , G06V10/80 , G06V10/42 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/0985
Abstract: 本申请的实施例提供了一种激光点云和视觉图像的跨模态场景匹配方法、装置及设备。该方法包括:对目标车辆在行驶过程中拍摄得到的待处理图像进行语义分割,得到语义图像;对所述语义图像进行聚类,得到对应的视觉图节点;获取预先构建的离线点云图节点地图库;基于图卷积神经网络,分别提取所述视觉图节点对应的视觉图节点聚合特征以及各帧点云图节点数据对应的点云图节点聚合特征;对所述视觉图节点聚合特征以及所述点云图节点聚合特征进行拼接,并将拼接后的特征输入至全连接网络中,以使所述全连接网络输出两种模态对应的匹配程。本申请实施例的技术方案降低跨模态匹配计算的复杂度,并保证跨模态匹配的计算结果的准确性。
-
-
-
-
-
-
-
-
-