-
公开(公告)号：CN109885539A
公开(公告)日：2019-06-14
申请号：CN201910079023.9
申请日：2019-01-28
Applicant: 南京邮电大学
Abstract: 本发明公开了一种日志文件管理方法，该方法步骤为：将信息根据重要性分为4个级别；开启日志文件管理；读取当前目录下日志文件个数并做相应处理；逐个读取文件大小以找到适合写入信息的日志文件并保存路径；根据信息的不同级别选择不同的输出格式并根据保存的路径打开文件；再次判断当前文件大小并做相应处理；读取目录下文件个数并做相应处理，确保日志文件个数不超过最大个数；将信息按照一定的格式写入已打开的日志文件；关闭文件，本发明能够根据信息的不同类型进行分类，同时可以人为设置日志文件允许的最大数量，从而使得日志文件达到一个动态平衡，极大程度提高了开发人员的纠错效率以及硬盘空间的实际利用率。
-
公开(公告)号：CN109377616A
公开(公告)日：2019-02-22
申请号：CN201811277040.5
申请日：2018-10-30
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于二维人脸识别的门禁控制系统，该系统先将用户基准照片传到服务器，生成128个基准特征参数并保存。当待识别用户接近门锁系统时，摄像头拍摄照片，首先识别是否有人脸，然后触发人脸识别模块识别是否为真人，随后形成128个待识别人脸的特征参数与基准特征参数比对；当比对通过时，系统打开门锁，并记录用户出入信息。若有人逗留时间过长而且多次识别失败，则记录下此人的照片，并发送到网站或App中，提醒预设用户注意安全，用户也可通过App或者网站系统的临时解锁。本系统支持多张人脸同时识别，使用了眨眼检测技术预防照片欺骗，提高门锁的安全性；无需大量人脸数据，能在保证安全的情况下，大大提高门锁的效率。
-
公开(公告)号：CN108737057A
公开(公告)日：2018-11-02
申请号：CN201810391479.4
申请日：2018-04-27
Applicant: 南京邮电大学
Abstract: 本发明提出了一种基于深度学习的多载波认知非正交多址接入技术（Non-Orthogonal Multiple Access,NOMA）资源分配方法，包括以下步骤：（1）多载波认知NOMA系统的场景模型建立；（2）用户调度和资源分配策略的数学描述；（3）基于联合分配的深度神经网络和深度学习算法设计。本发明在建立基于多载波认知NOMA的下行系统后，创新地提出符合该场景的频谱共享策略，并合理建立优化目标和约束条件的数学表达式，实现了基于深度学习的多载波认知NOMA用户调度和资源分配策略，满足了用户多方面传输需求的同时，更好地实现了多载波认知NOMA下行系统的低功耗资源分配。
-
公开(公告)号：CN108564052A
公开(公告)日：2018-09-21
申请号：CN201810370279.0
申请日：2018-04-24
Applicant: 南京邮电大学
Abstract: 本发明公开了基于MTCNN的多摄像头动态人脸识别系统与方法，适用场景为包括安装在管理区域的多个摄像头监控摄像头，多个监控系统通过摄像头从不同角度采集行人的视频，所有监控系统均通过网络连接到同一服务器并共享服务器的内网；方法包括步骤S1，从不同角度采集行人的视频，并逐帧从视频流中裁剪出脸部帧；步骤S2，采用MTCNN方法来对所有脸部帧提取人脸特征；步骤S3，对提取到的特征进行分类，以实现人脸识别。本发明结合多摄像头和服务器的硬件平台，将深度学习和特征识别应用在监控系统上面，对提高治安管理具有重要的意义。
-
公开(公告)号：CN107872278A
公开(公告)日：2018-04-03
申请号：CN201710822213.6
申请日：2017-09-13
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于测距定位的多维水下可见光通信传感网系统。该系统包括：锚节点、网络接入模块、网络信号处理模块、可见光通信收发一体机A和B、电信号处理模块、本地处理和显示模块、云端服务器模块以及数据库。网络信号接入后经模数转换加载到蓝光LED上，通过可见光信道到接收端，再经光电转换器加载到信号处理芯片，终端识别后以同样方式传送给网络。同时，云端服务器模块将本地处理和显示模块分析的误比特率、经测距算法得出的水下位置信息等实时上传至数据库。本发明通过信道变化引起相应参数变化来实现传感。此外，节点构成多维传感网，可实现可靠的水下数据传输，并通过节点掌握水下位置信息，可实现精确定位，且鲁棒性较好。
-
Patent Agency Ranking
公开(公告)号：CN107833203A
公开(公告)日：2018-03-23
申请号：CN201710975172.4
申请日：2017-10-19
Applicant: 南京邮电大学
CPC classification number: G06T7/0004 , G06T7/13 , G06T7/136 , G06T2207/30181 , G06T2207/30208
Abstract: 本发明公开一种基于图像处理的水平面识别及水位实时测量方法，其以检测水平面为目标，首先采用图像处理技术中的图像垂直边缘检测技术，检测出水位测量标尺，紧接着使用图像水平边缘检测技术检测出水面，根据水平面的像素值及标杆的实际长宽信息，计算获得实时的水深数据。本发明能够准确地判断出水位线的位置并测量出实时的水深，解决了传统方案中存在的水平面检测困难、易受自然环境影响、测量精度不高等问题，在水资源管理过程中具有应用价值。通过正确检测插入水体的标尺确定水位高度，解决了传统的基于图像处理方法中由于天气，光线等原因造成的水平面辨识困难、操作不便、测量误差较大等问题。
-
公开(公告)号：CN107131925A
公开(公告)日：2017-09-05
申请号：CN201710292929.X
申请日：2017-04-28
Applicant: 南京邮电大学
CPC classification number: G01F23/04 , G06K9/00664
Abstract: 本发明公开了一种基于图像处理的水位实时监测方法，将计算机视觉中的图像处理技术与传统标杆测量水深的方式相结合，解决了传统方法中需人为查看标杆上的刻度、操作不便、误差较大、标杆刻度易磨损等诸多问题。发明中采用图像处理中的对象检测和直线检测技术将获取的图像简化成数学模型，计算出模型中线段长度之间的比例，根据标杆上预留参考长度，求得标杆露出水面的高度，由此可得实时水深。解决了传统的方案中存在的诸多问题，具有更高的数值鲁棒性和实时交互性。
-
公开(公告)号：CN118249942A
公开(公告)日：2024-06-25
申请号：CN202410343547.5
申请日：2024-03-25
Applicant: 南京邮电大学
IPC: H04B17/391 , G06N3/0442 , G06N3/0464 , G06N3/088
Abstract: 本发明提出了一种面向频谱预测的概念漂移检测与自学习方法、装置、存储介质和计算机程序产品，包括：获取预先构建的基于随机化方法的频谱预测模型；对动态频谱数据流中的频谱数据进行归一化和切分处理，得到多个频谱数据段；利用基准模型处理当前频谱数据，得到当前频谱数据的分布特征，并计算当前频谱数据的统计信息；根据历史频谱数据的统计信息计算调整检测阈值；根据当前频谱数据的统计信息和调整检测阈值，判断是否发生概念漂移；当发生概念漂移，对基于随机化方法的频谱预测模型进行自适应频谱预测训练。本发明能够精准判断模态变化点，克服传统方法灵敏度极端的问题，同时能够提高模型可靠性，提高模型预测性能。
-
公开(公告)号：CN115544873B
公开(公告)日：2023-10-17
申请号：CN202211184157.5
申请日：2022-09-27
Applicant: 南京邮电大学
IPC: G06F30/27 , G06N20/00 , G06Q10/0639 , G06F111/16
Abstract: 本发明属于个性化联邦学习领域，尤其是个性化联邦学习的训练效率与个性化效果量化评估方法，包括以下步骤：S1、创建一个Non‑IID的跨域数据集，作为评测数据集；S2、选择合适的模型，作为个性化联邦学习的初始全局模型；S3、进行联邦学习的全局神经网络训练，聚合出一个收敛的全局神经网络模型；S4、各个客户端利用本地的数据集对下发的全局模型进行优化，收敛并形成个性化的本地神经网络模型；本发明充分考虑了跨域异质的场景，实现了模型的个性化功能，在现有研究的基础上，针对个性化联邦学习训练效率和个性化效果给出定性定量的评价指标，为在跨域异质场景下，为衡量不同个性化联邦学习算法与架构提供了一种具体方法。
-
公开(公告)号：CN115496204A
公开(公告)日：2022-12-20
申请号：CN202211228750.5
申请日：2022-10-09
Applicant: 南京邮电大学
Abstract: 本申请公开了一种跨域异质场景下的面向联邦学习的评测方法，所述方法包括构建跨域异质场景下的面向联邦学习的非独立同分布数据集；构建异质测试环境；选择骨干网络VGGNet；选择梯度平均作为联邦学习算法；计算每一轮迭代所需时间；判断收敛周期；以及计算整个联邦学习过程中的总训练时间；本发明提出了面向联邦学习训练效率评估的测试环境构建、详细步骤与量化指标，能够量化度量不同联邦学习架构、不同联邦学习算法的训练效率。
-
-
-
-
-
-
-
-
-
Search Results
130
records
(took 0.024 seconds)
