-
公开(公告)号：CN105430728A
公开(公告)日：2016-03-23
申请号：CN201510898230.9
申请日：2015-12-08
Applicant: 同济大学
Inventor： 赵生捷
CPC classification number: G01N7/10 , G01N15/08 , H04W52/02 , Y02D70/126 , H04W52/0203 , H04W52/146 , H04W52/244
Abstract: 本发明涉及一种用于微小区的基于最优化理论的上行链路功率控制方法，包括步骤：1)构建优化问题：优化目标为优化操作对象的上行链路总容量，且容量计算过程考虑宏小区对各所述微小区的上行链路跨层干扰，优化变量为优化操作对象内的各Pico UE的上行链路发射功率，除去Pico UE发射功率的上限，约束条件增加：a)MinRecSS MUE的上行链路信干噪比大于或等于相应的目标信干噪比，其中所述MinRecSS MUE为在宏基站处产生最小的上行链路接收信号强度的Macro UE、b)每个Pico UE的上行链路信干噪比均大于或等于相应的目标信干噪比、2)求解优化问题；3)根据优化结果调整优化操作对象内各Pico UE的上行链路发射功率。与现有技术相比，本发明优化效果佳，且更具实用性。
-
公开(公告)号：CN104950871A
公开(公告)日：2015-09-30
申请号：CN201510256603.2
申请日：2015-05-19
Applicant: 同济大学
IPC: G05B23/02
CPC classification number: G05B23/0218
Abstract: 本发明涉及一种基于可见光通信技术的汽车车况诊断设备及其应用，设备包括通过由蜂窝移动通信网络提供的分组域数据链路相互连接的手机和车况信息综合分析服务器，还包括通过可见光信号将汽车车况信息发送给手机的LED车灯，所述LED车灯与汽车的车载诊断系统连接。与现有技术相比，本发明所采用的可见光通信技术不会对当前基于射频或蓝牙的通信设备产生任何的干扰，不会产生电磁污染，具有更高的防止数据在无线传输中泄密的安全性，并且在具有很宽的带宽的可见光频谱上进行近距离数据通信时可以实现很高的数据传输速率。
-
公开(公告)号：CN114022667B
公开(公告)日：2025-04-29
申请号：CN202111261487.5
申请日：2021-10-28
Applicant: 同济大学
Abstract: 本发明涉及一种糖尿病性视网膜病变影像数据处理方法，该方法包括：数据预处理：获取高清眼底图像X，经过降噪与细节增强得到预处理高清眼底图像#imgabs0#再经过缩放与数据增强得到分辨率较小的预处理高清眼底图像#imgabs1#特征提取：将分辨率较小的预处理高清眼底图像#imgabs2#输入至卷积神经网络A中得到特征图F；分别采用整体处理分支处理以及感兴趣区域处理分支处理方法，获取全局处理结果ywhole以及关注区域处理结果yattention；将全局处理结果ywhole与关注区域处理结果yattention进行分数平均，得到最终的处理结果ypred。与现有技术相比，本发明具有准确度高、鲁棒性高以及节省计算资源的优点。
-
公开(公告)号：CN119723156A
公开(公告)日：2025-03-28
申请号：CN202411688556.4
申请日：2024-11-25
Applicant: 同济大学
IPC: G06V10/764 , G06V10/82 , G06N3/04 , G06N3/084
Abstract: 本发明涉及一种基于在线持续学习的图像分类方法，包括以下步骤：针对每个任务训练深度神经网络，在每个任务训练完成后评估网络中的参数重要性，确定重要性系数；根据所述重要性系数在持续网络训练中进行实时梯度修改；利用双层重新初始化复制权重算法初始化下一任务训练时的深度神经网络权重；重复上述步骤进行持续在线学习，直至完成所有任务的深度神经网络训练；将所需要验证的不同类别图像输入到训练完成的深度神经网络中，进行单头图像分类，得到图像分类结果。与现有技术相比，本发明具有能够在面临任务转移时保持网络的稳定性和准确性、训练高效等优点。
-
公开(公告)号：CN113888420B
公开(公告)日：2025-03-25
申请号：CN202111120277.4
申请日：2021-09-24
Applicant: 同济大学
Abstract: 本发明涉及一种基于修正模型的水下图像复原方法、设备及存储介质，该方法包括以下步骤：步骤S1：基于衰减系数#imgabs0#与深度信息z的高相关性，建立修正简化后的水下成像模型；步骤S2：基于给定的RGB图像，采用单目深度估计算法估算获得场景目标的相对深度信息，并结合水下能见度进行缩放，得到深度信息z的估计；步骤S3：将图像上所有像素点按深度值划分为N个距离区间，筛选计算获得后向散射信号的估计值#imgabs1#步骤S4：采用局部光源估计算法估计直接信号衰减系数#imgabs2#并通过指数二项式建模与深度信息z对#imgabs3#进行拟合修正，从而得到复原后的图像Jc；步骤S5：对复原后的图像Jc进行白平衡处理。与现有技术相比，本发明具有适用性高、精度高等优点。
-
Patent Agency Ranking
公开(公告)号：CN119360018A
公开(公告)日：2025-01-24
申请号：CN202411359563.X
申请日：2024-09-27
Applicant: 同济大学
Abstract: 本发明涉及一种基于遥感图像分割的社区基础设施韧性测度方法，步骤包括：对获取到社区航拍图像进行数据预处理，并将图像分割成多个小块对于分割后的图像数据，采用MPViT‑DeepLab网络识别得到建筑物分割图像，同时采用经过三阶段迁移学习的MPViT‑DeepLab网络模型获取图像中社区绿色基础设施CSGI的分割图像；将获取的建筑物以及CSGI分割图像经过去噪、组合处理，还原为完整的社区分割图像，并计算出城市的韧性指标。与现有技术相比，本发明能够快速适应新的环境条件，在不同的社区或不同的遥感图像条件下也能够保持较高的分割准确性，为社区规划、灾害管理以及基础设施的维护和升级提供了强有力的技术支持。
-
公开(公告)号：CN113888642B
公开(公告)日：2025-01-24
申请号：CN202111113437.2
申请日：2021-09-23
Applicant: 同济大学
Abstract: 本发明涉及一种环视系统外参数在线修正方法、系统、设备及介质，该方法包括：步骤S1：采用环视系统采集图像数据；步骤S2：基于ORB特征匹配和像素梯度值阈值设置，对环视系统采集到的图像数据进行帧选择和像素选择，确定用于后续优化的图像帧以及图像的像素；步骤S3：利用所选图像帧上相应的像素点，建立双相机模型，通过计算相邻相机共视区的像素均值比对共视区的像素值进行缩放，并基于各个像素对应的双相机损失项误差构建优化图结构；步骤S4：利用列文伯格‑马夸尔特LM算法对优化图结构进行图优化以获得最优的相机位姿，从而完成对环视系统外参数的修正。与现有技术相比，本发明放宽了对地面车道线要求的限制，对地面纹理无特殊要求。
-
公开(公告)号：CN119066391A
公开(公告)日：2024-12-03
申请号：CN202411165839.0
申请日：2024-08-23
Applicant: 同济大学
IPC: G06F18/213 , G06F18/25 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及一种人口移动性OD矩阵预测方法，该方法包括：根据历史OD流动信息和城市区域信息，构建具有不同邻接矩阵的多个时空图；采用三维图卷积网络对每个时空图进行特征提取，对特征提取结果进行特征融合后得到时空间提取结果；对所述时空间提取结果进行分块嵌入，对分块嵌入处理后的结果进行位置编码与时间编码，融合得到输入数据；采用Transformer模块从输入数据中提取出长期时间特征，由解码器输出最终预测结果。与现有技术相比，本发明具有预测准确性高的优点。
-
公开(公告)号：CN118690239A
公开(公告)日：2024-09-24
申请号：CN202410700688.8
申请日：2024-05-31
Applicant: 同济大学
IPC: G06F18/241 , G06F18/214 , G06N3/042 , G06N3/0455 , G06N3/008
Abstract: 本发明涉及一种基于增强注意力的多智能体轨迹预测方法、装置及存储介质。该方法获取多智能体的轨迹数据与车道段数据后，利用经过训练的基于增强注意力的多智能体轨迹预测模型对目标智能体进行轨迹预测，得到最终的轨迹预测结果；其中，基于增强注意力的多智能体轨迹预测模型至少基于图编码器、图编码器的变体、时间编码器和轨迹解码器共同构建，图编码器的变体包括因果图编码器和多模态图编码器。与现有技术相比，本发明具有将交互图中的噪声分离、有效提升轨迹预测的计算速度和精确度等优点。
-
公开(公告)号：CN118446286A
公开(公告)日：2024-08-06
申请号：CN202410516554.0
申请日：2024-04-28
Applicant: 同济大学
Abstract: 本发明涉及一种基于模型分解的联邦学习训练方法、装置及存储介质。该方法构建“城市‑社区‑设备”联邦学习训练框架，确定各输入参数；获取当前训练轮次下各社区内参与训练的设备集合，根据各设备运算能力的不同确定相应的复杂度和剪枝比例；将剪枝后的模型参数分模块传输至相应剪枝比例的设备；构建相应的本地模型并进行本地训练，完成迭代时分别传输当前本地模型各模块；聚合所有设备共享模块，并分别聚合具有相同剪枝比例设备第一模块和第二模块，得到各社区当前的各模块；在每个全局模型聚合周期分别聚合所有社区当前的各模块，更新城市全局模型。与现有技术相比，本发明具有提高利用联邦学习进行全局火情分析的准确性和效率等优点。
-
-
-
-
-
-
-
-
-
Search Results
212
records
(took 0.022 seconds)
