-
公开(公告)号：CN110175953A
公开(公告)日：2019-08-27
申请号：CN201910439532.8
申请日：2019-05-24
Applicant: 鹏城实验室 , 清华大学深圳研究生院
Abstract: 本发明提供一种图像超分辨方法和系统，该方案包括：将待处理图像作为卷积神经网络超分模型的输入，卷积神经网络超分模型由四个依次连接的执行模块构成；第一执行模块对待处理图像进行处理，得到第一处理图像；第二执行模块对第一处理图像进行处理，输出包含第二处理图像；第三执行模块对第二处理图像进行处理，输出第三处理图像；第四执行模块对第三处理图像进行处理，输出超分辨率图像。基于本发明，卷积神经网络超分模型为待处理图像设置加权特征，通过对加权特征的学习，确定待处理图像中的重要特征，并依据重要特征进行超分辨处理，从而提高卷积神经网络超分模型的特征表达能力，使得超分辨处理后所得到的超分辨率图像的细节质量大大提高。
-
公开(公告)号：CN112435205B
公开(公告)日：2024-11-26
申请号：CN202011263181.9
申请日：2020-11-12
Applicant: 鹏城实验室 , 清华大学深圳国际研究生院
IPC: G06T5/50 , G06T5/60 , G06T3/4053 , G06T3/60
Abstract: 本发明公开了一种无监督图像超分辨率模糊核估计方法及终端，所述方法包括：获取原始输入图像，将原始输入图像执行增广操作后输出多张图像；获取多张图像中的任一张图像，经过编码器进行下采样后得到下采样图像；根据下采样图像和所述原始输入图像，通过判别器拉近下采样图像和原始输入图像之间的块分布；将下采样图像经过译码器进行上采样到原始输入图像的尺寸，得到重建图像；通过编码器提取增广操作后多张图像的模糊核，经过平均处理后得到最终模糊核。本发明通过编码器学习图像的内部信息来估计模糊核，通过译码器的反馈对估计出的模糊核进行修正，提高了模糊核估计的准确性，从而提高无监督场景下图像超分辨率的性能。
-
公开(公告)号：CN118214665A
公开(公告)日：2024-06-18
申请号：CN202410310518.9
申请日：2024-03-18
Applicant: 鹏城实验室
IPC: H04L41/12 , H04W72/1263
Abstract: 本发明属于业务流调度技术领域，公开了一种基于深度强化学习的业务流调度方法、装置、设备及介质。该方法包括：获取目标数据，其中，所述目标数据包括时间敏感网络的当前目标拓扑状态、当前目标业务流信息以及当前目标链路信息；将所述目标数据输入深度强化学习模型中，得到调度方案，以基于所述调度方案实现业务流的调度，其中，所述深度强化学习模型包括智能体以及环境，所述智能体用于确定所述调度方案的门控编排，所述环境用于根据所述门控编排确定所述调度方案的时隙编排。通过上述方式，能够在满足网络传输需求的情况下实现全局业务流的调度。
-
公开(公告)号：CN116599911B
公开(公告)日：2023-10-27
申请号：CN202310696000.9
申请日：2023-06-13
Applicant: 鹏城实验室
IPC: H04L47/52 , H04L47/56 , H04L47/625
Abstract: 本申请公开了一种数据流调度计算方法、装置、设备及可读存储介质，该方法包括步骤：获取一组有序数据流，以及获取一组中每条数据流对应的最大端到端时延和最大时延抖动；根据数据流的顺序，以逐一调度的方式，从一组有序数据流中调度待计算的当前数据流，根据预设分配策略，将最大端到端时延和最大时延抖动分配至当前数据流，并计算分配时延和时延抖动后的当前数据流的待分配时隙；若待分配时隙与已完成分配的时隙未产生相位冲突，则将待分配时隙作为当前数据流的调度计算结果，并确定每条数据流是否均完成计算；若未完成，则循环计算，直至将每条数据流均计算完成。本申请实现了针对每条数据流进行灵活分配时隙的效果。
-
公开(公告)号：CN111314245B
公开(公告)日：2023-10-24
申请号：CN202010054333.8
申请日：2020-01-17
IPC: H04L47/6275 , H04L47/625 , H04L41/50
Abstract: 本发明提供了一种报文调度方法及装置、存储介质及电子设备，该方法包括：报文入队时，获取待插入至所述树型结构队列的第一目标报文元素，依据索引顺序以及索引顺序对应的位置索引所指向的插入位置的位置状态，在树型结构队列中确定第一目标插入位置，将第一目标报文元素插入至第一目标插入位置；位置状态表征其所属的插入位置的报文元素插入状况；报文出队时，在树型结构队列的根节点中确定第二目标报文元素，对第二目标报文元素执行出队操作；第二目标报文元素为根节点中优先级最高的报文元素。能够减少报文的通信延迟，提升网络Qos能力。
-
Patent Agency Ranking
公开(公告)号：CN116599911A
公开(公告)日：2023-08-15
申请号：CN202310696000.9
申请日：2023-06-13
Applicant: 鹏城实验室
IPC: H04L47/52 , H04L47/56 , H04L47/625
Abstract: 本申请公开了一种数据流调度计算方法、装置、设备及可读存储介质，该方法包括步骤：获取一组有序数据流，以及获取一组中每条数据流对应的最大端到端时延和最大时延抖动；根据数据流的顺序，以逐一调度的方式，从一组有序数据流中调度待计算的当前数据流，根据预设分配策略，将最大端到端时延和最大时延抖动分配至当前数据流，并计算分配时延和时延抖动后的当前数据流的待分配时隙；若待分配时隙与已完成分配的时隙未产生相位冲突，则将待分配时隙作为当前数据流的调度计算结果，并确定每条数据流是否均完成计算；若未完成，则循环计算，直至将每条数据流均计算完成。本申请实现了针对每条数据流进行灵活分配时隙的效果。
-
公开(公告)号：CN112509706B
公开(公告)日：2023-06-06
申请号：CN202011282079.3
申请日：2020-11-16
Abstract: 本发明公开一种传染病预警方法、装置、设备及计算机可读存储介质，其中，所述传染病预警方法包括步骤：智能终端基于蓝牙通信，获取上级用户的第一传染病风险信息，智能终端对第一传染病风险信息及时处理，将第一传染病风险信息代入预设的风险预测模型计算本地用户的传染病风险等级值，智能终端即时判断，当所述传染病风险等级值大于或等于第一传染病风险阈值时，智能终端广播本地用户的第二传染病风险信息，以预警传染病传播的风险，智能终端将防护用具、接触时刻、接触距离、接触次数等作为因子来综合考量，达到实时预警防护的目的。
-
公开(公告)号：CN110175953B
公开(公告)日：2023-04-18
申请号：CN201910439532.8
申请日：2019-05-24
Applicant: 鹏城实验室 , 清华大学深圳研究生院
IPC: G06T3/40 , G06V10/82 , G06V10/774
Abstract: 本发明提供一种图像超分辨方法和系统，该方案包括：将待处理图像作为卷积神经网络超分模型的输入，卷积神经网络超分模型由四个依次连接的执行模块构成；第一执行模块对待处理图像进行处理，得到第一处理图像；第二执行模块对第一处理图像进行处理，输出包含第二处理图像；第三执行模块对第二处理图像进行处理，输出第三处理图像；第四执行模块对第三处理图像进行处理，输出超分辨率图像。基于本发明，卷积神经网络超分模型为待处理图像设置加权特征，通过对加权特征的学习，确定待处理图像中的重要特征，并依据重要特征进行超分辨处理，从而提高卷积神经网络超分模型的特征表达能力，使得超分辨处理后所得到的超分辨率图像的细节质量大大提高。
-
公开(公告)号：CN112583658B
公开(公告)日：2022-12-23
申请号：CN202011310372.6
申请日：2020-11-20
Abstract: 本发明公开了一种可用带宽测量方法、存储介质及设备，方法包括步骤：在网络测试床的链路中设置不同的可用带宽值作为数据采集点，在每个数据采集点向所述链路中发送m条探测流，每个探测流包括n个探测包；提取每条探测流中各个探测包到达目标节点时相邻探测包之间的时间间隔信息，得到m组时间间隔信息；以可用带宽值作为标签，将m组时间间隔信息使用XGBoost算法进行模型训练，得到可用带宽测量模型；将x条探测流注入到待测链路中，提取得到x组时间间隔信息；将x组时间间隔信息输入所述可用带宽测量模型中，得到待测链路的可用带宽值。本发明提出的可用带宽测量方法在测量结果上更为精确，在测量速度上更快，对待测链路的侵入性较低。
-
公开(公告)号：CN113068263B
公开(公告)日：2022-07-05
申请号：CN202110326514.6
申请日：2021-03-26
Applicant: 鹏城实验室
IPC: H04W72/04
Abstract: 本发明公开了一种时间敏感网络时隙调度方法、终端及存储介质，方法包括：获取目标业务流的传输路径，其中，所述传输路径中包括源节点、传输节点和宿节点；根据预设门控设置信息确定所述目标业务流在预设门控设置信息下的节点时隙调度信息；根据每个所述目标业务流的节点时隙调度信息确定各个所述目标业务流在源节点的发送时刻，以使得所有所述目标业务流在任一节点的时隙均不重叠。本发明可以在部分传输节点或者全部传输节点中不设置门控，减少门控表项数量。
-
-
-
-
-
-
-
-
-
Search Results
90
records
(took 0.025 seconds)
