-
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：CN119767353A
公开(公告)日：2025-04-04
申请号：CN202510265407.5
申请日：2025-03-07
Applicant: 南京邮电大学
Abstract: 本发明公开多无人机辅助下的数据采集信息年龄最小化联合优化方法，属于无线通信领域；优化方法包括：构建并重新表述多无人机辅助数据采集系统初始模型；初始化迭代次数变量和地面传感器节点对应的悬停点；给定悬停位置#imgabs0#，将多无人机辅助数据采集系统初始模型表述为带能量约束的车辆路径问题进行优化，获得最优的多无人机任务分配#imgabs1#与访问顺序#imgabs2#，并结合地面传感器节点对应的悬停位置#imgabs3#，优化多无人机辅助数据采集系统初始模型，获得最优的地面传感器节点对应的悬停位置#imgabs4#；之后将任务分配#imgabs5#、访问顺序#imgabs6#和悬停位置#imgabs7#代入进行迭代优化，获得最优解。
-
公开(公告)号：CN119675727A
公开(公告)日：2025-03-21
申请号：CN202510165158.2
申请日：2025-02-14
Applicant: 南京邮电大学
IPC: H04B7/06 , H04B7/04 , H04B17/336 , H04B17/345 , H04B17/391
Abstract: 本发明公开基于STAR‑RIS和RSMA的通感一体化系统资源优化方法及系统，属于无线通信领域；优化方法包括：S1，构建系统初始模型；S2，设置迭代次数变量，并给定初始雷达探测信号协方差矩阵、初始功率分配、初始译码顺序以及初始STAR‑RIS的传输矩阵和反射矩阵；S3，在给定功率分配、雷达探测信号协方差矩阵、译码顺序及STAR‑RIS的传输矩阵和反射矩阵的前提下，优化系统初始模型，获得最优的功率分配、最优的协方差矩阵、最优的译码顺序以及最优的传输矩阵和反射矩阵；S4，基于BCD方法将上述获取的最优参数代入S3，并更新迭代次数变量，直到达到迭代次数，迭代终止，获得用户总速率的最优解。
-
公开(公告)号：CN118411572B
公开(公告)日：2024-09-10
申请号：CN202410868719.0
申请日：2024-07-01
Applicant: 南京邮电大学
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06V10/80 , G06V40/10 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了基于多模态多层次特征聚合的小样本图像分类方法及系统，涉及深度学习、计算机视觉技术领域，包括：根据支持集数据的类别标签获取语义信息，将语义信息输入至文本编码器中，得到文本特征，将支持集和查询集的数据输入至预先建立的卷积神经网络模型内，得到图像特征；将文本特征与支持集图像特征进行融合，得到多模态特征，多模态特征的支持集数据和图像特征的查询集数据输入至预先建立的卷积神经网络模型内，得到分类预测结果，利用分类预测结果，采用交叉熵损失函数对模型进行迭代训练，得到训练后的小样本图像分类网络模型；将小样本图像数据集内的测试集数据输入至训练后的小样本图像分类网络模型内，得到小样本图像的分类结果。
-
公开(公告)号：CN118411572A
公开(公告)日：2024-07-30
申请号：CN202410868719.0
申请日：2024-07-01
Applicant: 南京邮电大学
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06V10/80 , G06V40/10 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了基于多模态多层次特征聚合的小样本图像分类方法及系统，涉及深度学习、计算机视觉技术领域，包括：根据支持集数据的类别标签获取语义信息，将语义信息输入至文本编码器中，得到文本特征，将支持集和查询集的数据输入至预先建立的卷积神经网络模型内，得到图像特征；将文本特征与支持集图像特征进行融合，得到多模态特征，多模态特征的支持集数据和图像特征的查询集数据输入至预先建立的卷积神经网络模型内，得到分类预测结果，利用分类预测结果，采用交叉熵损失函数对模型进行迭代训练，得到训练后的小样本图像分类网络模型；将小样本图像数据集内的测试集数据输入至训练后的小样本图像分类网络模型内，得到小样本图像的分类结果。
-
公开(公告)号：CN118226888A
公开(公告)日：2024-06-21
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。
-
-
-
-
-
-
-
-
-
Search Results
85
records
(took 0.074 seconds)
