-
公开(公告)号：CN117523234A
公开(公告)日：2024-02-06
申请号：CN202311536162.2
申请日：2023-11-17
Applicant: 南京邮电大学
Abstract: 本发明公开一种利用样本选择进行无监督对比学习的图像理解方法，属于无监督模型预训练领域；方法为：对所有训练图像进行数据增强并分别通过编码器网络进行编码，将原始图像特征向量和数据增强图像特征向量分别通过特征投影头将特征映射至低维空间，通过注意力计算获得图像之间的相似度，得到注意力矩阵；利用注意力矩阵的相似度信息进行正负样本对判别；利用注意力图中的相似度信息对各个样本进行重要性加权，并计算对比损失函数；本发明解决传统无监督对比学习中同类图像被错误地判断为负样本的问题，同时对传统的对比损失函数进行了改进，自适应地为样本分配权重，以更好地利用具有可靠判断结果的样本对，并减少不可靠样本对的干扰。
-
公开(公告)号：CN110458025B
公开(公告)日：2022-10-14
申请号：CN201910625272.3
申请日：2019-07-11
Applicant: 南京邮电大学
IPC: G06V40/16 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04
Abstract: 本发明公开了一种双目摄像头的目标识别与定位方法。利用人脸图片训练数据库，进行基于卷积神经网络(CNN)的分类学习，得到基于人脸识别的分类模型；利用图片的深度信息，进行基于支持向量机(SVM)的回归学习，得到距离回归函数，构建图片深度信息与与目标距离摄像头距离的关系。通过摄像头拍摄目标，利用获得的人脸照片，通过人脸分类模型完成人员目标识别。同时利用拍摄图片的深度信息，计算目标距离摄像头的距离，实现人员定位。该方法具有识别时间开销小，识别精度高的优点。
-
公开(公告)号：CN111914910A
公开(公告)日：2020-11-10
申请号：CN202010680481.0
申请日：2020-07-15
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多观察点形状上下文的飞机编队识别，包括：构建基于阿基米德螺旋线的多观察点；建立描述全局信息的形状上下文算子；建立描述局部信息的概率密度函数；建立相似度量函数，判别编队类型。本发明对战斗队形、出发队形、进攻队形三种队形进行建模分析，使得对三种队形的平均识别率达到95％。
-
公开(公告)号：CN110458025A
公开(公告)日：2019-11-15
申请号：CN201910625272.3
申请日：2019-07-11
Applicant: 南京邮电大学
Abstract: 本发明公开了一种双目摄像头的目标识别与定位方法。利用人脸图片训练数据库，进行基于卷积神经网络(CNN)的分类学习，得到基于人脸识别的分类模型；利用图片的深度信息，进行基于支持向量机(SVM)的回归学习，得到距离回归函数，构建图片深度信息与与目标距离摄像头距离的关系。通过摄像头拍摄目标，利用获得的人脸照片，通过人脸分类模型完成人员目标识别。同时利用拍摄图片的深度信息，计算目标距离摄像头的距离，实现人员定位。该方法具有识别时间开销小，识别精度高的优点。
-
公开(公告)号：CN103744051A
公开(公告)日：2014-04-23
申请号：CN201310672142.8
申请日：2013-12-11
Applicant: 南京邮电大学
IPC: G01S5/02
CPC classification number: G01S5/0252 , G01S5/0257
Abstract: 本发明提出了一种单频网定位系统中的基站识别方法。所述方法从定位系统本身出发，将基站识别问题转化为数据分类问题，通过最小距离分类器实现基站识别；利用状态预测模型估计移动台的运动参数，进而降低了系统的硬件需求；为了在非视距环境下得到更好的基站识别效果，使用交互多模型方法来减轻非视距效应，从而得到更为准确的移动台目标信息。本发明将位置估计和基站识别两个不同定位系统功能紧密联系起来，经济、有效、适用于所有的数字电视标准。
-
Patent Agency Ranking
公开(公告)号：CN118828705B
公开(公告)日：2025-05-16
申请号：CN202410882694.X
申请日：2024-07-03
Applicant: 南京邮电大学
IPC: H04W28/084 , H04W28/08
Abstract: 本发明公开了一种基于拍卖算法的计算卸载方法及系统，考虑同一区域内多个eMBB与URLLC业务用户共存且进行上行传输至多个MEC边缘服务器的场景建立传输模型。根据所述传输模型列出必要的参数，再根据拍卖算法原理建立双向拍卖模型，考虑多种服务器资源联合分配，并以此为依据表示出成本，估值，针对两种不同类型的业务用户分别提出出价与服务器要价策略。最后综合考虑服务器收益、计算卸载的时延与能耗，从而建立最优化问题，并根据约束条件进行多回合双向拍卖，为用户的计算任务匹配最合适的边缘服务器，当MEC服务器中剩余资源过少或所有用户任务均已分配到相应的服务器中进行计算，则拍卖结束。相比于传统的资源分配方法，本发明能够使MEC服务器得到更高的收益，促使资源高效利用，具有更好的性能。
-
公开(公告)号：CN118368724B
公开(公告)日：2025-02-25
申请号：CN202410792907.X
申请日：2024-06-19
Applicant: 南京邮电大学
IPC: H04W72/0453 , H04W72/044 , H04W72/23 , H04W72/543 , H04B7/04
Abstract: 本发明公开了一种基于QoS约束的IRS‑MU‑OAM‑OFDMA下行资源优化方法及系统，优化方法包括：建立IRS‑MU‑OAM‑OFDMA通信系统模型；建立基于QoS约束的IRS‑MU‑OAM‑OFDMA通信系统模型的下行资源优化模型；在所述下行资源优化模型下，对子表面分配因子、子载波分配因子、用户功率分配系数、模式功率分配系数、反射相位分别进行优化；根据优化后的子表面分配因子、子载波分配因子、用户功率分配系数、模式功率分配系数、反射相位分配通信资源。克服了传统OAM系统只能适用于视距信道的缺点。在保障系统各用户QoS需求的前提下实现了系统容量的最大化，并且有比传统方法更低的误码率。
-
公开(公告)号：CN118413259B
公开(公告)日：2024-09-24
申请号：CN202410850864.6
申请日：2024-06-28
Applicant: 南京邮电大学
IPC: H04B7/06 , H04B7/04 , H04W16/28 , H04W16/22 , H04W72/044
Abstract: 本发明提供一种STAR‑RIS辅助的NOMA通信方法及系统，提出了一种面向用户加权和速率优化的资源分配模型，旨在通过一种基于分式规划和逐次凸逼近的交替优化算法，最大化系统的加权和速率。由于原始非凸优化问题的复杂性和各种优化变量之间的耦合，将原问题解耦为三个子问题求解，即功率分配、主动波束形成和被动波束形成优化问题。在功率分配优化问题中，通过引入松弛变量和一阶泰勒近似，将非凸目标函数转化为凸函数，进而求解近似最优功率分配。在随后的波束成形优化中，FP方法被应用于WSR问题的变换，并将拉格朗日乘子法和SCA相结合，以交替优化主动及被动波束形成，从而有效地解决了优化问题。
-
公开(公告)号：CN118413259A
公开(公告)日：2024-07-30
申请号：CN202410850864.6
申请日：2024-06-28
Applicant: 南京邮电大学
IPC: H04B7/06 , H04B7/04 , H04W16/28 , H04W16/22 , H04W72/044
Abstract: 本发明提供一种STAR‑RIS辅助的NOMA通信方法及系统，提出了一种面向用户加权和速率优化的资源分配模型，旨在通过一种基于分式规划和逐次凸逼近的交替优化算法，最大化系统的加权和速率。由于原始非凸优化问题的复杂性和各种优化变量之间的耦合，将原问题解耦为三个子问题求解，即功率分配、主动波束形成和被动波束形成优化问题。在功率分配优化问题中，通过引入松弛变量和一阶泰勒近似，将非凸目标函数转化为凸函数，进而求解近似最优功率分配。在随后的波束成形优化中，FP方法被应用于WSR问题的变换，并将拉格朗日乘子法和SCA相结合，以交替优化主动及被动波束形成，从而有效地解决了优化问题。
-
公开(公告)号：CN110472478B
公开(公告)日：2022-09-20
申请号：CN201910558959.X
申请日：2019-06-26
Applicant: 南京邮电大学
IPC: G06V10/762 , G06V10/764 , G06V20/70 , G06V10/62 , G06V20/40 , G06V20/52 , G06T5/00
Abstract: 本发明涉及了一种基于光流统计特征的场景分析方法及系统，所述方法步骤为：对给定的监控视频，计算基本的光流场，并对其进行幅度和基于统计特征的去噪；提取光流场空间分布统计特征，空间位置量化；提取光流场方向分布统计特征，进行运动方向量化；基于量化结果构建视觉词典，将整个视频分成片段，将其中所包含的光流映射成视觉单词，每个片段由视觉单词累计表示成词袋；将词袋输入到HDP模型，提取每个视频片段对应的特征向量；采用谱聚类对所有的特征向量进行聚类，实现场景的分类。本发明可以有效地对光流去噪及量化，检测出同一场景中的不同运动模式，实现场景分类，对于视频监控中的场景分析具有重要的现实意义和实用价值。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.053 seconds)
