-
公开(公告)号：CN117746098A
公开(公告)日：2024-03-22
申请号：CN202311555467.8
申请日：2023-11-20
Applicant: 同济大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V20/56 , G06V20/40
Abstract: 本发明涉及一种基于GAN数据增强的高风险驾驶场景辨识方法，该方法包括以下步骤：基于所述车辆前向视频数据，生成第一运动轮廓图，将所述第一运动轮廓图划分为训练集部分、验证集部分与测试集部分；对训练集部分的第一运动轮廓图进行增强处理；得到第二运动轮廓图；将所述第二运动轮廓图输入所述GAN模型中，输出得到第三运动轮廓图；将所述第一运动轮廓图、所述第二运动轮廓图和所述第三运动轮廓图输入所述高风险驾驶场景辨识模型中进行训练；将所述第一运动轮廓图输入所述高风险驾驶场景辨识模型中进行辨别。与现有技术相比，本发明通过GAN数据增强扩充高风险驾驶场景样本，提高建模数据的丰富性及多样性，进而提升模型的泛化能力，具有普适性等优点。
-
公开(公告)号：CN116796960A
公开(公告)日：2023-09-22
申请号：CN202310644941.8
申请日：2023-06-01
Applicant: 同济大学
IPC: G06Q10/0631 , G06Q10/087 , G06Q10/067 , G06Q10/04 , G06Q50/04 , G06N3/126
Abstract: 本发明公开了一种基于遗传算法的民用飞机分布式生产调度方法。本发明针对现有民用飞机分布式生产调度方法对物料库存补充的考虑存在局限性的问题，提出了用带库存补充的资源约束型项目调度问题来描述民用飞机分布式生产调度问题，基于遗传算法，重点考虑物料库存约束带来的复杂约束问题与局部最优问题，来求解相应的调度问题。实验结果表明，本发明能够以最小化工位完工时间为目标获得近似最优解，生成有效的民用飞机生产调度策略。
-
公开(公告)号：CN113033663A
公开(公告)日：2021-06-25
申请号：CN202110324789.6
申请日：2021-03-26
Applicant: 同济大学 , 青岛港国际股份有限公司
Abstract: 本发明公开了一种基于机器学习的自动化集装箱码头设备健康预测方法。本发明针对超大型集装箱码头中协同设备异常种类复杂多变，健康程度难以判断的现状，提出了一种自动化集装箱码头设备健康指数计算方法，解决了传统方法只能对设备进行正常或者异常判断，而无法准确评估设备健康程度的缺点。该方法采用主成分分析方法对高维监测数据进行降维，通过LSTM网络提取隐藏层数据特征，根据设备状态与隐层特征之间的联系，设计自动化集装箱码头设备健康指数计算公式，进而对设备健康程度及异常发展趋势进行监测。
-
公开(公告)号：CN108259128B
公开(公告)日：2020-09-11
申请号：CN201711429039.5
申请日：2017-12-26
Applicant: 同济大学
Abstract: 本发明涉及一种基于非随机生成矩阵的系统Raptor码的构造方法。本发明中的Raptor码分为内码和外码，内码为一个无速率LT码，外码为一个高码率的LDPC码。LDPC码和LT码都是系统码。Raptor编码器把信源比特编码成Raptor码字，所产生的Raptor码字中第一部分为未编码的系统码字，第二部分为校验码字。发送端首先发送未编码的系统码字，接着按照度的大小顺序依次发送校验码字。接收端收到一定数量的码字后使用全局BP算法进行迭代译码。与现有技术相比，本发明具有吞吐率较高，BER较小，构造简单等优点。
-
公开(公告)号：CN107809399B
公开(公告)日：2020-08-14
申请号：CN201711043707.0
申请日：2017-10-31
Applicant: 同济大学
IPC: H04L25/02
Abstract: 本发明公开了针对量化毫米波多天线信道提出了基于最小均方误差的信道估计方法，该方案可以在接收端接收信号被量化的情况下，实现基于最小均方误差的信道估计，并且该估计方法同时利用EM算法，使得信道估计算法不依赖准确已知信道的统计信息。本发明充分考虑了接收端量化操作对信道估计的影响，并对其进行数学建模。在应用中，只需已知信道服从的概率模型，即可利用提出的迭代算法同时实现信道和概率模型参数的联合估计。本发明的优点在于无需准确知道信道的统计信息，只需知道服从的概率分布类型，然后通过EM算法实现概率分布参数和信道的联合估计，这一优点使得所提出的信道估计方案具有较广的应用场景和较强的鲁棒性，从而保证无线通信系统的稳定性。
-
Patent Agency Ranking
公开(公告)号：CN106888379B
公开(公告)日：2019-07-05
申请号：CN201710023947.8
申请日：2017-01-13
Applicant: 同济大学
IPC: H04N19/40 , H04N19/52 , H04N19/176 , H04N19/109
Abstract: 应用于H.264到HEVC的帧间快速视频转码方法。根据H.264码流信息以及HEVC帧间编码信息，对于H.264到HEVC的转码器中的帧间编码部分，采取快速的模式决策和运动估计方法。对于深度为0、1层的CU，结合H.264码流解码得到的信息和HEVC编码信息获取2N×2N提前判定阈值和非对称划分(Asymmetric Motion Partition，AMP)判定阈值，之后确定其PU的搜索情况。对于运动估计部分，将通过H.264解码信息来确定其运动矢量搜索范围和运动矢量搜索精度。将运动矢量搜索精度分为整像素精度、亚像素精度以及零运动矢量三个部分。该方法可显著减少H.264到HEVC转码过程中帧间编码的计算复杂度。
-
公开(公告)号：CN105812796B
公开(公告)日：2018-10-26
申请号：CN201610158366.0
申请日：2016-03-21
Applicant: 同济大学
IPC: H04N19/103 , H04N19/147
Abstract: 一种SCC帧间编码单元备选预测模式缩减方法，本发明对于SCC不同深度层次的编码单元采取不同的快速帧间模式决策方法，对于深度为1和2的编码单元，首先判断ESD的结果，如果ESD的值为假，则利用Skip模式、Inter2Nx2N模式与Palette模式的率失真代价的对比结果，预测该编码单元是否跳过帧间分割预测模式。该方法结合了编码单元模式分布的统计特征以及编码单元已预测模式的信息，可以有效地缩减编码单元的备选预测模式范围，从而显著减少SCC帧间编码的复杂度。
-
公开(公告)号：CN106888379A
公开(公告)日：2017-06-23
申请号：CN201710023947.8
申请日：2017-01-13
Applicant: 同济大学
IPC: H04N19/40 , H04N19/52 , H04N19/176 , H04N19/109
CPC classification number: H04N19/40 , H04N19/109 , H04N19/176 , H04N19/52
Abstract: 应用于H.264到HEVC的帧间快速视频转码方法。根据H.264码流信息以及HEVC帧间编码信息，对于H.264到HEVC的转码器中的帧间编码部分，采取快速的模式决策和运动估计方法。对于深度为0、1层的CU，结合H.264码流解码得到的信息和HEVC编码信息获取2N×2N提前判定阈值和非对称划分(Asymmetric Motion Partition，AMP)判定阈值，之后确定其PU的搜索情况。对于运动估计部分，将通过H.264解码信息来确定其运动矢量搜索范围和运动矢量搜索精度。将运动矢量搜索精度分为整像素精度、亚像素精度以及零运动矢量三个部分。该方法可显著减少H.264到HEVC转码过程中帧间编码的计算复杂度。
-
公开(公告)号：CN103607589B
公开(公告)日：2016-08-24
申请号：CN201310563526.6
申请日：2013-11-14
Applicant: 同济大学
IPC: H04N19/147 , H04N19/154
Abstract: 一种像素域内基于层次选择性视觉注意力机制的图像JND阈值计算方法，属于图像/视频编码技术领域。采用的技术方案包括步骤：步骤 S1：对原始输入图像计算背景亮度自适应阈值。步骤S2：对图像计算基于边缘的纹理掩蔽阈值。步骤S3：将步骤S1和S2得到的亮度自适应阈值和纹理掩蔽阈值相加，并减去二者重叠的部分，得到基本的JND阈值。步骤S4：根据输入图像的大小，设置层次选择性的层次值。步骤S5：将原始输入图像下采样到不同的分辨率，并在不同的分辨率下对图像利用PQFT显著性检测方法进行显著图检测。步骤S6：将不同分辨率下的显著图上采样到原始图像分辨率大小。等等。本发明可容纳更多的噪声，且具有更好的视觉质量。
-
公开(公告)号：CN105554503A
公开(公告)日：2016-05-04
申请号：CN201610073339.3
申请日：2016-02-02
Applicant: 同济大学
IPC: H04N19/146 , H04N19/147 , H04N19/30 , H04N19/70 , H04N19/172
Abstract: 本发明提供了一种HEVC编码单元级码率控制方法。利用LCU进一步划分的编码单元SubCU来进行P帧和B帧编码单元级码率控制初始化、比特数分配、编码参数估计等过程。首先使用前一个同级帧的同一位置的LCU编码信息来预测当前帧LCU是否划分。对于预测为划分的LCU，利用其SubCU的R-D模型在编码单元级码率控制初始化部分估计复杂度和权重。在比特数分配阶段，分别考虑编码器的状态和当前LCU的复杂度，来计算当前LCU的目标比特数。在编码参数估计阶段使用SubCU的R-D模型估计当前LCU的编码参数。
-
-
-
-
-
-
-
-
-
Search Results
83
records
(took 0.024 seconds)
