-
公开(公告)号：CN110062042B
公开(公告)日：2021-09-24
申请号：CN201910302689.6
申请日：2019-04-16
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种移动众包支持的去中心化的视频流服务方法，该方法包括：获取请求者的信息以及所述请求者与请求的服务的约束条件；获取众包服务者的信息以及提供服务情况，并且根据所述请求者的服务请求情况确定众包参与者的隐私保护机制；根据DBSCAN算法和所述请求者的位置信息，把请求者进行聚类划分，得到可考虑其请求的请求者；使用IDP根据所述可考虑其请求的请求者的服务请求情况为服务者生成服务提供策略，并计算出每一策略相应的时间利用率和能耗；通过简单加权法和多标准决策算法，对所述服务提供策略进行评估，获取最优的服务提供策略。本发明综合考虑服务请求被尽快响应、参与者隐私保护以及移动众包服务性能等多方面问题，最大程度上提高服务时间，降低能耗。
-
公开(公告)号：CN110062042A
公开(公告)日：2019-07-26
申请号：CN201910302689.6
申请日：2019-04-16
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种移动众包支持的去中心化的视频流服务方法，该方法包括：获取请求者的信息以及所述请求者与请求的服务的约束条件；获取众包服务者的信息以及提供服务情况，并且根据所述请求者的服务请求情况确定众包参与者的隐私保护机制；根据DBSCAN算法和所述请求者的位置信息，把请求者进行聚类划分，得到可考虑其请求的请求者；使用IDP根据所述可考虑其请求的请求者的服务请求情况为服务者生成服务提供策略，并计算出每一策略相应的时间利用率和能耗；通过简单加权法和多标准决策算法，对所述服务提供策略进行评估，获取最优的服务提供策略。本发明综合考虑服务请求被尽快响应、参与者隐私保护以及移动众包服务性能等多方面问题，最大程度上提高服务时间，降低能耗。
-
Patent Agency Ranking
公开(公告)号：CN109905859A
公开(公告)日：2019-06-18
申请号：CN201910031387.X
申请日：2019-01-14
Applicant: 南京信息工程大学
Abstract: 本发明提供了一种用于车联网应用的高效边缘计算迁移方法，包括以下步骤：S1、获取车联网内车辆的当前位置信息以及车辆产生的迁移任务的应用需求；S2、获取车联网内所有边计算结点的位置信息和边结点的计算资源情况；S3、根据车辆与边计算结点的距离和迁移任务的应用需求，过滤掉不符合条件的边计算结点；S4、计算每一个迁移策略所需的时间和能耗；S5、通过简单加权法和多标准决策算法获取最优的计算迁移策略。本发明方法在满足计算任务的计算能力和计算延迟的要求之余，最大程度上减少边计算结点的能耗，提高了边计算结点的利用率。
-
公开(公告)号：CN114743217A
公开(公告)日：2022-07-12
申请号：CN202210318598.3
申请日：2022-03-29
Applicant: 南京信息工程大学
Abstract: 本发明公开了模式识别技术领域的一种基于局部特征感知图文跨模态模型的行人识别方法和模型的训练方法，所述行人识别方法包括：获取行人的图文数据，将行人的图文数据输入到预先训练好的局部特征感知图文跨模态模型中进行特征提取，输出对行人的识别结果。所述局部特征感知图文跨模态模型包括视觉特征提取模块和文本特征提取模块，在视觉特征提取上引入PCB局部特征学习，在文本特征提取上引入多分支卷积的结构，无需引入语义分割、属性学习等额外即可高效提取图文局部特征。在浅层特征、局部特征、全局特征三个层面进行跨模态匹配，逐步拉进图文特征分布。该方法结构简洁，准确率高，能推动图文跨模态行人检索领域在实际场景中的应用。
-
公开(公告)号：CN112580525B
公开(公告)日：2023-05-23
申请号：CN202011533130.3
申请日：2020-12-22
Applicant: 南京信息工程大学
IPC: G06V20/40 , G06V20/52 , G06V10/25 , G06V10/774 , G16H50/80
Abstract: 本发明公开了一种基于行人再识别的病例活动轨迹监测方法，包括以下步骤：对视频进行预处理，将视频分割为连续的帧，进行统一初始化；基于PyTorch搭建一个基于视频序列的局部对齐行人再识别框架；将MARS行人再识别数据集划分为训练集和测试集两部分，加载训练集对神经网络进行训练；采用MARS测试集对训练得到的模型进行测试，寻找最优模型；在不同场景中获取待查询的行人图像/视频，计算与目标视频库中特征距离最近的若干项作为匹配项，依据拍摄位置信息获取行人轨迹。对现有的行人再识别算法进行改进优化，解决特征提取不鲁棒、准确率低的问题，将行人再识别技术应用到轨迹监测上，方便快速地追踪到潜在被传染者，从而为疫情的防控带来便捷。
-
公开(公告)号：CN109905859B
公开(公告)日：2021-09-28
申请号：CN201910031387.X
申请日：2019-01-14
Applicant: 南京信息工程大学
Abstract: 本发明提供了一种用于车联网应用的高效边缘计算迁移方法，包括以下步骤：S1、获取车联网内车辆的当前位置信息以及车辆产生的迁移任务的应用需求；S2、获取车联网内所有边计算结点的位置信息和边结点的计算资源情况；S3、根据车辆与边计算结点的距离和迁移任务的应用需求，过滤掉不符合条件的边计算结点；S4、计算每一个迁移策略所需的时间和能耗；S5、通过简单加权法和多标准决策算法获取最优的计算迁移策略。本发明方法在满足计算任务的计算能力和计算延迟的要求之余，最大程度上减少边计算结点的能耗，提高了边计算结点的利用率。
-
公开(公告)号：CN112580525A
公开(公告)日：2021-03-30
申请号：CN202011533130.3
申请日：2020-12-22
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于行人再识别的病例活动轨迹监测方法，包括以下步骤：对视频进行预处理，将视频分割为连续的帧，进行统一初始化；基于PyTorch搭建一个基于视频序列的局部对齐行人再识别框架；将MARS行人再识别数据集划分为训练集和测试集两部分，加载训练集对神经网络进行训练；采用MARS测试集对训练得到的模型进行测试，寻找最优模型；在不同场景中获取待查询的行人图像/视频，计算与目标视频库中特征距离最近的若干项作为匹配项，依据拍摄位置信息获取行人轨迹。对现有的行人再识别算法进行改进优化，解决特征提取不鲁棒、准确率低的问题，将行人再识别技术应用到轨迹监测上，方便快速地追踪到潜在被传染者，从而为疫情的防控带来便捷。
-
-
-
-
-
-
Search Results
7
records
(took 0.019 seconds)
