-
公开(公告)号：CN117032832A
公开(公告)日：2023-11-10
申请号：CN202311085626.2
申请日：2023-08-25
Applicant: 重庆邮电大学
Abstract: 本发明涉及移动边缘计算领域，具体涉及一种基于移动边缘计算的最小化任务调用成本卸载方法。所述方法包括获取当前移动设备的传输参数、任务参数和能力参数，当前移动设备的相邻设备的传输参数，边缘服务器的传输参数和能力参数；根据获取的参数计算第一任务在本地计算的本地计算时间和本地计算能耗，第二任务在边缘计算的边缘计算时间和边缘计算能耗；根据第一任务的本地计算时间、本地计算能耗，以及第二任务的边缘计算时间和边缘计算能耗，得到待卸载任务的成本；采用基于禁忌搜索算法改进的麻雀算法求解最小化的所有待卸载任务的成本和，得到每个待卸载任务在移动设备和边缘服务器上的最优数据量卸载比例。本发明能够合理为任务分配卸载资源。
-
公开(公告)号：CN115484456A
公开(公告)日：2022-12-16
申请号：CN202211121615.0
申请日：2022-09-15
Applicant: 重庆邮电大学
IPC: H04N17/00 , H04N7/18 , H04N19/513 , G06V10/74 , G06V10/762 , G06V10/774 , G06V20/40
Abstract: 本发明属于视频异常检测，具体涉及一种基于语义聚类的视频异常预测方法及装置，所述方法包括将不存在异常的视频，即正常视频序列输入位移通道可选择编码器进行语义特征提取，将提取的语义放入语义池进行储存；在处理实时数据时，将实时视频序列输入位移通道可选择编码器得到其对应的未来视频帧的语义特征，判断提取的语义特征与语义池中所有正常语义特征的相似度，若最大相似度大于设定阈值则该输入视频序列的未来帧正常，否则异常；本发明可以实现对还未发生的异常进行预测，且本发明通过有选择性的通道位移，让编码器提取时间信息的同时，更加关注运动变化较大的区域，并且减少对背景信息的关注。
-
公开(公告)号：CN114120401A
公开(公告)日：2022-03-01
申请号：CN202111340213.5
申请日：2021-11-12
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于跨域特征对齐网络的人脸反欺诈方法，属于模式识别技术领域。所述方法包括以下步骤：步骤1.以ResNet18为基础特征生成模型，为了缓解域差异性和增强深层特征表示，本发明设计了一个改进的特征生成网络。步骤2.为了探索多粒度特征对齐以改进对未知目标场景的泛化能力，本发明提出了一个多粒度特征对齐网络，进行局部区域和全局图像特征对齐。步骤3.为了减少类内距离同时增大类间距离，本发明采用total loss计算网络的分类损失，通过迭代对抗训练、更新参数得到最终的网络模型。在增加少量计算量的情况下，本发明有效的缓解了域差异性同时增强了特征表达能力，捕获了更加鲁棒和广义的特征空间，实现了更加清晰的分类边界。
-
Patent Agency Ranking
公开(公告)号：CN118334682A
公开(公告)日：2024-07-12
申请号：CN202410462544.3
申请日：2024-04-17
Applicant: 重庆邮电大学
IPC: G06V30/228 , G06V30/18 , G06V30/19 , G06V10/82 , G06V10/766 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/049 , G06N3/042 , G06V10/62
Abstract: 本发明涉及人机交互、计算机视觉领域，特别涉及一种基于图形结构引导感知的跨模态手写文本识别方法，用户通过VR设备用手在空中书写英语单词，VR设备对其手势进行识别并对空中书写轨迹进行记录，对书写轨迹进行识别的过程包括：将采集的书写轨迹转换为基于骨架的几何图；构建基于时间卷积循环网络的轨迹编码器，利用该编码器从写轨迹中提取时空信息，得到书写轨迹的特征编码；构建基于金字塔图网络的图形编码器，利用该编码器从基于骨架的几何图中提取拓扑信息，得到几何图的特征编码；构建基于图形结构引导感知的跨模态解码器，将时空信息和拓扑信息作为多模态数据输入该解码器，该解码器识别得到字母序列；本发明在手写文本识别方面取得了较同时期的其他主流方法更为先进的性能。
-
公开(公告)号：CN114662572A
公开(公告)日：2022-06-24
申请号：CN202210220077.4
申请日：2022-03-08
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于定位感知的高速孪生网络目标跟踪方法，属于计算机视觉技术领域。所述方法主要包括以下步骤：以AlexNet作为特征提取子网，进行模板图像以及搜索图像的特征提取任务；为了增强特征的表征能力，本发明提出了一个上下文增强模块，从局部和全局层面捕获丰富的目标信息，同时提出一种新的特征融合策略，充分结合不同尺度特征的上下文信息；最后，利用Distance‑IoU loss计算网络的回归损失，引导跟踪器选择更精确的边界框。在增加少量参数的同时，本发明能够保证较高的跟踪速度，并且有效地提升基于孪生网络跟踪器在复杂场景下的跟踪性能。
-
公开(公告)号：CN114445705A
公开(公告)日：2022-05-06
申请号：CN202210071009.6
申请日：2022-01-21
Applicant: 重庆邮电大学
Abstract: 本发明属于计算机视觉领域，具体涉及一种基于密集区域感知的高效航拍图像的目标检测方法，该方法包括：实时获取待检测的图像，将待检测的图像输入到训练好目标检测模型中，得到检测结果；对检测的结果进行标记；本发明通过利用基于密集区域感知的方法有效区分出中的密集区域，然后利用整张图像粗糙检测时提取出的全局上下文信息辅助密集区域的精细检测，提高了密集区域中的小目标检测的性能；在非密集区域处理过程中使用结构更简单的检测器可以极大地减少计算所需资源，提升目标检测模型的检测速度并降低检测过程中所需的显存占用，避免不必要的浪费。
-
公开(公告)号：CN114416948A
公开(公告)日：2022-04-29
申请号：CN202210052665.1
申请日：2022-01-18
Applicant: 重庆邮电大学
IPC: G06F16/332 , G06F16/35 , G06F40/151 , G06F40/216 , G06F40/35 , G06N5/02
Abstract: 本发明涉及对话系统领域，特别涉及一种基于语义感知的一对多对话生成方法及装置，包括获取实时输入问题并送入训练好的对话生成模型，对话生成模型根据输入问题得到多样性的回复，对话生成模型包括输入编码器、输出编码器、识别网络、先验网络、分类器、no emotion解码器、positive解码器、negative解码器；本发明的模型分为预训练和训练两个训练过程，本发明在模型中引入一个能识别出对话的情感或动作的可控变量，通过该可控件变量来选择不同类别的解码器并在训练过程中迫使隐空间特征解耦成不同语义类别的子空间，让相同语义类别的对话能映射到隐空间的相近的位置，进而生成个性化、高质量、可解释、多样性的文本。
-
公开(公告)号：CN114091519A
公开(公告)日：2022-02-25
申请号：CN202111255008.9
申请日：2021-10-27
Applicant: 重庆邮电大学
Abstract: 本发明属于计算机视觉领域，涉及一种行人重识别方法，尤其涉及一种基于多粒度遮挡感知的遮挡行人重识别方法；该方法包括：实时获取待重识别的行人图像数据；将该数据输入到训练好的基于多粒度遮挡感知的遮挡行人重识别模型中，输出遮挡行人重识别结果；本发明对比固定分割和单一级别的方法，增强了特征多样性；对比仅使用沿高度维度水平分割的方法，添加垂直划分以应对任意分布的语义信息；对比一步预测的方法，在多个级别上进行多步预测以提升精度，实现更精确的遮挡行人重识别。
-
-
-
-
-
-
-
Search Results
28
records
(took 0.021 seconds)
