-
公开(公告)号：CN100403850C
公开(公告)日：2008-07-16
申请号：CN200610054394.4
申请日：2006-06-27
Applicant: 重庆邮电大学 , 韩国仁荷大学教产学协力团
Abstract: 本发明请求保护一种基于电磁波极化技术的室内定位方法，涉及无线定位技术。本发明通过在室内铺设少量发射点，向室内空间均匀发射圆极化电磁波，手机或其他移动终端通过加装匹配的极化天线便只接收发射点的直射信号的能量而屏蔽了大部分反射信号的能量，有效抑制了人流等动态环境的影响；利用室内各处接收到的直射信号的能量，建立信号强度数据库，在能接受3个发射点的信号的条件下，在覆盖范围内实现精确的室内定位。该系统可供只需要室内定位服务的用户单独使用，也可以基于其它无线通信网络，结合室外定位技术实现真正的无缝定位。
-
公开(公告)号：CN100385996C
公开(公告)日：2008-04-30
申请号：CN200610054395.9
申请日：2006-06-27
Applicant: 重庆邮电大学 , 韩国仁荷大学教产学协力团
Abstract: 本发明请求保护一种基于TD-SCDMA的高精度实时定位方法，涉及移动通信技术领域。目前在位置服务领域尚未有一种服务可以满足用户高精度或高速移动状态下的位置请求。本发明将准RTK和RTK两种定位方法嵌入到TD-SCDMA系统中，设计定位处理流程，定义相关通信接口和消息，根据用户服务质量要求选择不同定位算法，实现不同的定位精度，用以满足用户不同精度级别的定位请求。该定位技术适用于为移动用户在高速移动情况下实时动态提供高精度位置服务。
-
公开(公告)号：CN1897749A
公开(公告)日：2007-01-17
申请号：CN200610054396.3
申请日：2006-06-27
Applicant: 重庆邮电大学 , 韩国仁荷大学教产学协力团
Abstract: 本发明请求保护一种用于移动通信网络的AOA(到达角度)/TOA (到达时间)和GPS(全球定位系统)混合的定位方法。该方法只需要一颗卫星、一个基站便可实现移动终端高精度的定位。基站采用AOA/TOA定位方法求得用户终端所在区域的二维平面解，在地理信息系统GIS的空间数据库中查出该区域的平均高度值h，计算出基站与移动终端之间的时钟误差后，基站根据GPS授时系统算出移动终端与卫星之间的时钟误差，构建方程组解出用户终端的三维空间坐标。该方法适用于建筑物密集的城区和室内，对移动终端的准确定位。
-
公开(公告)号：CN119495199A
公开(公告)日：2025-02-21
申请号：CN202411644092.7
申请日：2024-11-18
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于强化学习的环境感知交通信号控制方法，属于计算机技术领域。该方法通过感知环境信息和交通状态，结合道路状态，智能调控交通信号。首先，在模拟环境中利用强化学习算法学习调控交通信号策略，再将得到的调控策略运用于现实场景。具体实施包括收集环境感知数据、构建仿真交通环境、配置控制策略、设置典型交通场景、收集环境信息、特征融合、性能指标设定、强化学习优化、真实场景应用、反馈机制建立等步骤。本发明通过结合强化学习和环境感知技术，能够动态适应不同时间和环境下的交通需求，有效缓解交通拥堵，提高交通运行效率，为改善城市交通状况提供了一种有效方案。
-
公开(公告)号：CN116452818B
公开(公告)日：2024-12-10
申请号：CN202310501608.1
申请日：2023-05-06
Applicant: 重庆邮电大学
IPC: G06V10/40 , G06V10/25 , G06V10/764 , G06V10/766 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于特征增强的小样本遥感图像目标检测方法，属于图像处理技术领域。该方法包括：先将遥感图像数据集进行划分处理，然后在训练阶段，将大量的基类数据输入特征提取网络；然后在特征提取网络后添加了一个上下文特征增强模块，通过利用指示对象类别存在或不存在的图像级上下文信息来选择性地加强类别感知特征，这能帮助目标检测器更好地理解场景。在小样本微调阶段，利用训练好的特征提取网络，冻结其部分参数，将平衡的基类和新类数据输入到网络中，再由后面RoI特征提取器和表示补偿模块获得修正后的提议框，再对新类别的遥感图像进行目标预测。本发明能够一定程度上解决遥感图像目标检测中的小样本问题。
-
Patent Agency Ranking
公开(公告)号：CN117726856A
公开(公告)日：2024-03-19
申请号：CN202311575818.1
申请日：2023-11-23
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V20/10 , G06V10/82 , G06V10/26 , G06V10/54 , G06V10/62 , G06V10/44 , G06V10/42 , G06V10/80 , G06N3/0455 , G06N3/0464
Abstract: 本发明涉及一种基于卷积网络时空融合的遥感图像作物分类方法，属于计算机视觉技术领域。该方法包括：使用语义分割的空间特征编码器提取空间特征；接着，对不同尺度的空间特征应用时序卷积模块来提取时序特征，其中，时序卷积模块包括一维卷积层、ReLU激活函数和Dropout层，形成残差结构；然后，通过注意力机制融合全局时序信息，以更好地识别作物特征；最后，将不同尺度的特征图输入到解码器中，还原特征到原始分辨率，最终生成作物分类结果。本发明能提高遥感图像作物分类的精确性。
-
公开(公告)号：CN117422919A
公开(公告)日：2024-01-19
申请号：CN202311428350.3
申请日：2023-10-31
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及一种基于可分离卷积块和空间缩减注意力机制的图像分类方法，属于图像分类领域。将交叉深度可分离卷积和经过改进的空间缩减注意力机制加入到PVT模型中，减少模型训练时间，并且在减少注意力计算时计算量的同时基本不损失特征图的原始信息。搭建基于交叉深度可分离卷积块嵌入和空间缩减注意力机制的网络模型，包括块嵌入模块，线性投影模块，位置信息嵌入模块以及空间缩减注意力机制模块；进行图像分类，以提升在图像分类时的计算速率以及保留原始边界信息。从而达到整体的提升效果。本发明有效地改善了模型计算量巨大以及图像边界信息丢失等问题，减少了模型的计算量以及提升了模型分类性能。
-
公开(公告)号：CN116452818A
公开(公告)日：2023-07-18
申请号：CN202310501608.1
申请日：2023-05-06
Applicant: 重庆邮电大学
IPC: G06V10/40 , G06V10/25 , G06V10/764 , G06V10/766 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于特征增强的小样本遥感图像目标检测方法，属于图像处理技术领域。该方法包括：先将遥感图像数据集进行划分处理，然后在训练阶段，将大量的基类数据输入特征提取网络；然后在特征提取网络后添加了一个上下文特征增强模块，通过利用指示对象类别存在或不存在的图像级上下文信息来选择性地加强类别感知特征，这能帮助目标检测器更好地理解场景。在小样本微调阶段，利用训练好的特征提取网络，冻结其部分参数，将平衡的基类和新类数据输入到网络中，再由后面RoI特征提取器和表示补偿模块获得修正后的提议框，再对新类别的遥感图像进行目标预测。本发明能够一定程度上解决遥感图像目标检测中的小样本问题。
-
公开(公告)号：CN116402059A
公开(公告)日：2023-07-07
申请号：CN202310392221.7
申请日：2023-04-13
Applicant: 重庆邮电大学
IPC: G06F40/30 , G06F40/211 , G06F40/253 , G06F16/35 , G06N3/0455 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于DualGCN的文本情感分析方法，属于文本分析领域。该方法为：首先对文本进行预处理，使用预训练的Glove词嵌入，利用BERT作为encoder来挖掘句子的隐藏状态向量，利用生成树提供的短语级语法结构和依赖树从句语法结构的信息，替代以往仅从依赖树获取语法结构信息，考虑到方面之间的影响，将依赖树结构和组成树结构的融合，解决了方面级情感分析长距离依赖问题；增加了GCN中每一层的感受野。最后通过语法模块和语义模块的信息交流，由softmax来输出分类结果。该方法利用了语法结构的信息，缓解了GCN容易出现的过度平滑现象，能有效提高分类的精度。
-
公开(公告)号：CN115033689A
公开(公告)日：2022-09-09
申请号：CN202210593432.2
申请日：2022-05-27
Applicant: 重庆邮电大学
IPC: G06F16/35 , G06F16/31 , G06F40/205 , G06F40/284 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于小样本文本分类原型网络欧氏距离计算方法，属于计算机技术领域。该方法包括以下内容：通过对数据进行划分为support与query，度量学习的学习范式通过support来获得样本的估计类别，然后通过query来对估计类别进行比较，从而来进行分类。本发明利用孪生网络结合高速网络提升对原型特征进行提取计算，不同孪生层对support以及query的处理均不相同；通过特征级注意力模块来将support与query的进行特征级关注，通过特征融合将结果通过激活函数获得注意力分数系数，通过注意力分数提升欧氏距离对于高维稀疏矩阵的特征进行判别，提高分类准确度。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.024 seconds)
