-
公开(公告)号：CN114333074A
公开(公告)日：2022-04-12
申请号：CN202210243988.9
申请日：2022-03-14
Applicant: 南京邮电大学
Abstract: 本发明提供了一种基于动态轻量高分辨率网络的人体姿态估计方法，该方法提出了一种动态轻量高分辨率网络Dite‑HRNet，能够高效地提取多尺度下的人体关键点特征以及捕捉不同人体关键点之间的空间上下文信息；通过动态金字塔卷积和自适应上下文建模方法，分别解决了现有高分辨率网络中网络模块过于静态以及对空间上下文捕捉不足的问题，并使用这二者为高分辨率网络特别设计了两种动态上下文模块，分别为动态多尺度上下文模块和动态全局上下文模块，最后充分利用高分辨率网络的并行多分支结构特点，将具有不同超参数配置的动态上下文模块应用到一个轻量级高分辨率网络的不同的分支上，构建出一个高效的轻量级高分辨率网络。
-
公开(公告)号：CN114022739A
公开(公告)日：2022-02-08
申请号：CN202111364293.8
申请日：2021-11-17
Applicant: 南京邮电大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 一种基于对齐变分自编码器与三元组结合的零样本学习方法，输入已知类别图像特征及其对应选取的正样本和负样本组成的三元组到图像特征变分自编码器，输入已知类别图像对应的属性特征到属性变分自编码器；通过重建损失、参数对齐损失、交叉重建损失和三元组损失四种损失函数对自编码器进行优化学习；由编码器编码后获取图像特征和属性的潜在空间特征，并在潜在空间训练一个分类器。利用训练好的分类器对测试集数据进行测试。本方法能够为未知类别生成高质量潜在空间特征，弥补了零样本学习在训练过程中缺失未知类别训练样本的问题，并且能够更加紧密地联系视觉特征和语义特征，使得模型更具鲁棒性，分类精度明显提高。
-
公开(公告)号：CN111082879B
公开(公告)日：2022-02-01
申请号：CN201911375092.0
申请日：2019-12-27
Applicant: 南京邮电大学
Abstract: 一种基于深度时空模型的wifi感知方法，包括如下步骤：在室内场景中采集不同动作的wifi信号并提取通道信号状态信息CSI；滤除CSI的噪声，并从滤波后的信号中分离出动作样本，利用滑窗将动作样本划分成多个时间片段；将这些片段输入到多层卷积神经网络CNN，提取空间特征；将每个样本多个时间片段的空间特征输入到双向长短时记忆神经网络Bi‑LSTM中，进一步挖掘样本的时序特征；利用训练样本训练深度时空模型，包括CNN模型和Bi‑LSTM模型，将测试样本输入到训练好的模型中，识别样本的类别。本发明以深度学习为基础，利用CNN和Bi‑LSTM构建深度时空模型，提取CSI样本的时空特征信息，提高特征表达的辨识力，保障识别精度。此外，本发明还为基于wifi的感知问题，提供了新的研究思路。
-
公开(公告)号：CN112883406A
公开(公告)日：2021-06-01
申请号：CN202110311948.9
申请日：2021-03-24
Applicant: 南京邮电大学
Abstract: 一种基于联盟链的远程医疗跨域认证方法，包括如下步骤：各医疗域建立信任中心或使用已有的权威信任中心；在各医疗域中设立区块链服务器，部署开源区块链平台Hyperledger Fabric，将各医疗域区块链服务器作为联盟成员加入联盟链；各医疗域的信任中心自生成跨域认证身份证书，并调用智能合约将证书的哈希值写入联盟链账本；在各医疗域中设立跨域认证代理服务器，代理本域的医疗设备进行跨域身份认证；跨域认证代理服务器请求区块链服务器调用智能合约查询分布式账本中的证书数据，根据查询结果判断证书有效性。本发明采用区块链技术避免传统证书的撤销状态在线查询过程，优化身份证书的验证方式，有效保证链上证书信息的时效性的同时减少证书数据的存储空间大小。
-
公开(公告)号：CN109508686A
公开(公告)日：2019-03-22
申请号：CN201811415195.0
申请日：2018-11-26
Applicant: 南京邮电大学
Abstract: 本发明公开了基于层次化特征子空间学习的人体行为识别方法，方法包括：将人体行为视频样本划分成训练样本和测试样本，提取并编码视频样本的手工特征和深度特征，分别以手工特征和深度特征的特征向量表示每一视频样本；设置视频样本的样本标签，采用训练样本的手工特征和深度特征的特征向量以及对应的样本标签作为输入，训练层次化特征子空间学习模型，生成子空间投影矩阵和行为类别的决策边界；利用子空间投影矩阵学习测试样本的手工特征和深度特征的子空间特征向量；计算并比较测试样本的子空间特征向量到各个行为类别的决策边界的距离，判别测试样本的行为类完成识别操作；本发明提高了子空间特征表达的辨识力，且具有良好的识别精度和效率。
-
Patent Agency Ranking
公开(公告)号：CN115134925B
公开(公告)日：2025-04-29
申请号：CN202210608596.8
申请日：2022-05-31
Applicant: 南京邮电大学
IPC: H04W72/0446 , H04W72/044 , H04W72/542 , H04W72/50 , H04B7/155 , H04W52/46 , H04W52/30 , G16Y10/75
Abstract: 本发明公开了一种混合NOMA‑FDMA物联网系统中的合作资源分配方法及装置，所提方法包括如下步骤：步骤一：建立混合NOMA‑FDMA物联网系统中的合作资源分配的优化问题模型；步骤二：将步骤一所建立的优化问题转化为内外嵌套的两层优化问题，其中，外层优化问题优化信道分配，内层优化问题优化时间和功率分配；步骤三：针对所有混合中继与信道分配的组合，求解内层优化问题；步骤四：基于内层优化问题求解结果，通过匈牙利算法求解外层优化问题得到信道分配结果；步骤五：根据信道分配结果得到时间和功率分配。本发明的一种混合NOMA‑FDMA物联网系统中的合作资源分配方法，通过对各种资源进行优化，最大化了所有物联网设备的传输数据量，提升了系统的总体传输效率。
-
公开(公告)号：CN118226888B
公开(公告)日：2024-09-13
申请号：CN202410635031.8
申请日：2024-05-22
Applicant: 南京邮电大学
IPC: G05D1/695 , G05D109/20
Abstract: 本发明公开基于RSMA的多无人机辅助数据采集系统优化方法，属于无线通信技术领域；方法包括：S1构建多无人机辅助数据采集系统初始模型；S2设置迭代次数变量、迭代终止精度，给定初始化无人机飞行轨迹和地面设备发射功率；S3在给定地面设备发射功率下，基于SCA方法优化多无人机辅助数据采集系统初始模型，获得最优无人机飞行轨迹；S4在给定无人机飞行轨迹下，基于SCA方法优化多无人机辅助数据采集系统初始模型，获得最优地面设备发射功率；S5基于BCD方法将最优无人机飞行轨迹和地面设备发射功率代入S3，并更新迭代次数变量，重复S3到S4，直到多无人机辅助数据采集系统初始模型收敛。
-
公开(公告)号：CN118211154B
公开(公告)日：2024-08-13
申请号：CN202410615874.1
申请日：2024-05-17
Applicant: 南京邮电大学
IPC: G06F18/2431 , H04L69/06 , H04L69/04 , G06F18/2415 , G06F18/2321 , G06F18/23213 , G06F18/214 , G06F18/21 , G06N3/0464 , G06N3/042 , G06N3/045 , G06N3/084 , G06N3/048
Abstract: 本发明公开一种基于持续学习改进的类增量业务识别方法及系统，属于通信网络技术领域；方法包括采集通信网数据并进行无损压缩，处理为只含有IP层报文的报文信息流；对报文信息流进行预处理，然后采用DBSCAN算法对信息流添加标签，得到可用于业务识别模型训练的数据集；采用OWM方法改进CNN模型，得到OWM改进的业务识别模型，并用数据集对OWM改进的业务识别模型进行训练，之后结合专家知识来进行模型诊断，调整模型参数，进行AI辨识；将经过AI辨识产生的结果输出，并根据业务识别结果对网络进行精细化管理；该方法不仅解决了现有的通信网络中训练样本难以获取，还解决了传统业务识别模型出现遗忘，无法应对动态网络环境的问题以及准确性下降问题。
-
公开(公告)号：CN115134924A
公开(公告)日：2022-09-30
申请号：CN202210607241.7
申请日：2022-05-31
Applicant: 南京邮电大学
Abstract: 本发明公开了一种物联网系统中基于混合多址接入技术的合作资源分配方法及装置，该系统包含一个基站、M个混合中继和M组物联网终端（每个混合中继服务一组终端）。终端与基站的通信分为三阶段完成，首先，混合中继为终端无线广播能量；其次，终端采用NOMA协议向混合中继发送数据；最后中继之间通过TDMA协议向基站发送数据。本发明的一种基于混合多址接入技术的合作资源分配方法，通过对传输时间、功率分配进行优化，提升了系统的整体通信效率，优化了系统的总传输数据量。
-
公开(公告)号：CN112949608B
公开(公告)日：2022-08-02
申请号：CN202110410769.0
申请日：2021-04-15
Applicant: 南京邮电大学
Abstract: 本发明提供了一种基于孪生语义自编码器和分支融合的行人重识别方法，该方法步骤为：构建一个行人重识别数据集和其孪生数据集，训练一个卷积自编码器；把卷积自编码器的编码器网络作为特征提取骨干网络来提取孪生特征向量，训练一个孪生语义自编码器，并借助其编码部分网络权重构建一个语义自编码分支网络；将卷积自编码器的编码器网络作为行人重识别骨干网络，对其进行分支构建，训练得到一个完整的行人重识别网络模型；将待识别行人图像和待查询行人图像集分别输入到训练好的模型中，提取出经过多层次特征融合后的行人重识别特征，经相似度排序实现行人重识别。本发明能显著提高行人重识别网络模型的鲁棒性和行人重识别的精度。
-
-
-
-
-
-
-
-
-
Search Results
85
records
(took 0.024 seconds)
