-
公开(公告)号：CN110674925B
公开(公告)日：2023-04-18
申请号：CN201910810602.6
申请日：2019-08-29
Applicant: 厦门大学
IPC: G06N3/0464 , G06N3/08 , G06T7/11 , G06T7/40 , G06F16/73
Abstract: 本发明提出了一种基于3D卷积神经网络的无参考VR视频质量评价方法，该方法包括：采用视口生成法获取VR视频中每一帧所对应的多个视口，并将位置相同的视口组合成一个视口视频，以便根据所述VR视频生成多个视口视频；建立3D卷积神经网络模型，并根据生成好的视口视频对所述3D卷积神经网络模型进行训练；基于训练好的3D卷积神经网络模型对待评价VR视频对应的视口视频进行预测，以获得所述待评价VR视频对应的视口视频的MOS值；对属于同一个VR视频的视口视频所对应的MOS值进行池化操作，以获得所述待评价VR视频的最终视频质量分数；由此，该方法充分考虑了VR视频的特性，并采用无参考方式以大大提高VR视频质量评价的效率。
-
公开(公告)号：CN110765992B
公开(公告)日：2023-03-24
申请号：CN201910901481.6
申请日：2019-09-23
Applicant: 厦门大学
Abstract: 本发明公开了一种印章鉴别方法、介质、设备及装置，其中方法包括：获取待鉴别印章图像所对应的原始印章图像；分别提取两者的特征点，并根据特征点对待鉴别印章图像和/或原始印章图像进行移动，以使得待鉴别印章图像和原始印章图像重合；计算待鉴别印章图像和原始印章图像的几何结构特征值，并判断待鉴别印章图像的几何结构特征值和原始印章图像的几何结构特征值之间的差值是否小于预设的差值阈值；如果是，则对印章图像进行切割，以生成多个相对应的切分区间，并计算每对切分区间之间的相似度，以根据相似度生成待鉴别印章图像对应的鉴别结果；能够自动对待鉴别印章进行有效鉴别，提高印章鉴别效率和精度，保证原始印章拥有者的权益不受损害。
-
公开(公告)号：CN115600692A
公开(公告)日：2023-01-13
申请号：CN202211165871.X
申请日：2022-09-23
Applicant: 厦门大学(CN)
Abstract: 本申请公开了一种基于集成模型的个性化联邦学习方法及装置，其中方法包括：各参与者在本地数据集上构建新的单模型拟合全局模型的残差，将训练完成的本轮单模型上传至服务器；服务器根据数据量对模型进行第一次加权，将确定权重后的本轮集成模型下发给各参与者；各参与者在本地数据进行本轮模型简化操作，将最终的选择结果以二进制编码的形式再次上传；服务器根据模型简化结果重新为当前轮次的模型确定权重，并将他们加入到全局模型中下发给各参与者；到达预定轮次后，各参与者得到个性化模型；由此，通过将集成模型融入联邦学习框架以及构建对应的模型个性化方法和通信成本节约方案，提升了联邦学习在非独立同分布的结构化数据上的预测性能。
-
公开(公告)号：CN113793498B
公开(公告)日：2022-07-19
申请号：CN202110939449.4
申请日：2021-08-16
Applicant: 厦门大学
Abstract: 本发明提供车联网超视距感知任务的异构资源联合管理方法与系统，方法包括车载设备和智能交通固定设备，车载设备和智能交通固定设备分别依据自身传感器设备信息和自身设备算力，生成资源信息；中央控制器收集其管理范围内的资源信息，创建资源信息数据表；一车载设备生成感知业务后提交至中央控制器；中央控制器依据所述资源信息数据表获取所述感知业务所需的感知信息；中央控制器依据获取的感知信息生成所述感知业务对应的计算业务。本发明利用中央控制器对异构资源的联合管理，使得车辆之间、车辆和智能交通设施之间可以交互共享安全告警和道路状况等关键信息，确保为业务提供有效的服务，提高道路交通的效率和安全性。
-
公开(公告)号：CN114638744A
公开(公告)日：2022-06-17
申请号：CN202210203974.4
申请日：2022-03-03
Applicant: 厦门大学 , 福建联迪商用设备有限公司
Abstract: 本发明公开了一种人体姿态迁移方法及装置，其中方法包括：获取目标人物图像和目标姿态；对目标人物图像进行处理得到原始姿态对应的人体骨骼关节点描述子和人体部位描述子；根据原始姿态对应的人体骨骼关节点描述子对目标姿态对应的人体骨骼关节点进行调整，以得到调整后的人体骨骼关节点描述子，以及将原始姿态对应的人体部位描述子和目标姿态输入到解析生成器以得到目标姿态对应的人体部位描述子；最后将目标人物图像、调整后的人体骨骼关节点描述子和目标姿态对应的人体部位描述子输入到姿态迁移网络以得到生成图像；由此，采用多属性对原姿态和目标姿态下的人体进行描述，并对目标姿态下的人体进行形态自适应，从而提升生成图像的视觉效果。
-
Patent Agency Ranking
公开(公告)号：CN114638357A
公开(公告)日：2022-06-17
申请号：CN202210186097.4
申请日：2022-02-28
Applicant: 厦门大学
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：CN114063099A
公开(公告)日：2022-02-18
申请号：CN202111327315.3
申请日：2021-11-10
Applicant: 厦门大学
Abstract: 本发明提出了一种基于RGBD的定位方法及装置，其中该方法包括：采用激光雷达获取环境点云数据，并根据激光里程计算法对环境点云数据进行构建，以得到离线点云地图；对离线点云地图进行提取以得到源特征信息；采用RGBD摄像头传感器获取相应环境的目标图像，并获取目标图像的三维点云数据；对三维点云数据进行提取以得到目标特征信息；对源特征信息和目标特征信息进行匹配，以进行位姿恢复和六自由度估计，得到RGBD摄像头传感器在离线点云地图中的定位结果；由此，本发明通过激光雷达设备构建地图，即可被多台搭载RGBD摄像头的设备进行重复使用，在降低使用成本的同时，大大提高室内定位的精度和鲁棒性。
-
公开(公告)号：CN112004078B
公开(公告)日：2021-09-03
申请号：CN202010844450.4
申请日：2020-08-20
Applicant: 厦门大学
IPC: H04N17/00 , H04N19/154 , H04N13/161
Abstract: 本发明公开了一种基于生成对抗网络的虚拟现实视频质量评价方法、介质及系统，其中方法包括：获取原始失真VR视频，并对原始失真VR视频进行处理，以生成相应的多个失真视频块；将失真视频块输入到预先构建的生成器模型中，并根据失真视频块进行训练得到生成器，以便通过生成器根据失真视频块生成相应的参考视频块；将失真视频块和相应的参考视频块输入到预先构建的预测器中，并根据失真视频块和相应的参考视频块进行训练得到预测器；根据生成器和预测器生成虚拟现实视频质量评价模型，以便根据虚拟现实视频质量评价模型对VR视频质量进行评分；能够对虚拟现实视频的质量进行有效评价。
-
公开(公告)号：CN109344614B
公开(公告)日：2021-04-20
申请号：CN201810810463.2
申请日：2018-07-23
Applicant: 厦门大学
IPC: G06F21/56
Abstract: 本发明提供一种Android恶意应用在线检测方法，在检测Android恶意软件的过程中，使用API函数字符串，提取8组特征信息，并映射为特征向量，而特征向量采用稀疏表示的形式；并且进一步分析API之间的不同关系并创建更高层次的关联分析；以图的方式来表示相关API作为结构化程序之间的关系；将API字符特征与关系图构成特征矩阵；采用多核学习方法训练出分类模型；部署在通用的Web架构中，实现Android应用软件的在线检测。本发明具有良好的分类效果，并且使用方便，快捷。
-
公开(公告)号：CN108282238B
公开(公告)日：2020-10-27
申请号：CN201810083354.5
申请日：2018-01-29
Applicant: 厦门大学
IPC: H04B17/336 , H04B17/391 , H04L1/00 , H04W40/04 , H04W40/16
Abstract: 本发明提出一种基于网络编码技术的中继选择方法及装置，方法包括：首先根据通信质量，选择最优的中继，然后根据各种网络编码方式的干扰容量，选取干扰最小的网络编码方式，保证了信息的有效传输，同时也最大化系统资源的利用率；干扰最小的网络编码方式的选择采用强化学习的方法，通过感知环境状态信息来学习动态系统的最优策略，通过试错法不断与环境交互获得策略的改进，为用户选择通信质量最优的中继和干扰最小的网络编码方式。
-
-
-
-
-
-
-
-
-
Search Results
239
records
(took 0.046 seconds)
