公开(公告)号：CN117857834A

公开(公告)日：2024-04-09

申请号：CN202311663728.8

申请日：2023-12-06

Applicant: 南京邮电大学

Inventor： 高赟 ,  赵雯莹 ,  刘恒发 ,  宋杰 ,  周亮

IPC: H04N21/222 ,  H04N21/234 ,  H04N21/2343 ,  H04N21/25 ,  H04N19/154 ,  H04N19/172 ,  H04N19/176 ,  H04N19/182 ,  H04N19/25 ,  G06V10/74 ,  G06V10/764 ,  G06V10/77 ,  G06V10/774 ,  G06V10/82 ,  G06V10/84 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明公开了一种决策质量驱动的内容压缩系统及内容压缩方法，包括本地设备端和边缘服务器，本地设备端数据获取模块、预处理模块、二进制分类器、相关帧模块和数据存储模块，边缘服务器包括识别模块和迁移学习模块。通过迁移学习模块对二进制分类器进行了参数微调优化；同时通过预处理模块得到像素级别的灰度帧差数据和宏块级别的相似度帧差数据，再传输至二进制分类器得到分类概率，进而判断相关帧以实现内容压缩，很好地解决了现有方案无法平衡计算负载、决策质量和延迟需求的问题。

公开(公告)号：CN115936997A

公开(公告)日：2023-04-07

申请号：CN202310011043.9

申请日：2023-01-05

Applicant: 南京邮电大学

Inventor： 周亮 ,  刘恒发 ,  魏昕 ,  高赟

IPC: G06T3/40 ,  G06V10/774 ,  G06V10/80 ,  G06V10/764 ,  G06F30/27 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明属于视觉信号的超分辨率重建技术领域，公开了一种面向跨模态通信的图像超分辨率重建方法，首先在发送端仅传输低分辨率视觉信号和相应的触觉信号，而后通过模态内鉴别性和模态间相关性的学习弥补不同模态间存在的语义鸿沟，通过信道传输后，在接收端通过有效的特征融合方式实现互补性的学习，最后利用得到的融合特征去生成所需的高分辨率视觉信号。本发明很好地解决了在多模态服务中存在的因带宽受限和多模态信号间的竞争导致的视觉质量下降，最终影响用户体验的问题，实现了跨模态信号一致性、互补性的学习，保证了在有限带宽下，接收端高分辨率视觉信号的获取，提升用户的沉浸式体验。

公开(公告)号：CN110276638A

公开(公告)日：2019-09-24

申请号：CN201910456937.2

申请日：2019-05-29

Applicant: 南京邮电大学

Inventor： 王玉峰 ,  魏亚南 ,  刘恒发 ,  林斯哲

IPC: G06Q30/02 ,  G06Q50/06 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于双向长短期神经网络的电价预测方法及系统，方法包括以下步骤：步骤1、获取归一化预处理后的连续的历史电价数据；步骤2、将连续的所述历史电价数据输入到未来预测模型，获取n个连续未来电价数据；步骤3、训练双向长短期神经网络模型；步骤4、将所述历史电价数据和所述未来电价数据输入到所述双向长短期神经网络模型中，获取电价当前数据；本发明通过运用Bi-LSTM进行电价的预测，训练模型时选择前向输入与后向输入相结合，考虑到了未来数据对现在的影响，极大的提高了对已有数据的利用。

公开(公告)号：CN118658036A

公开(公告)日：2024-09-17

申请号：CN202411140399.3

申请日：2024-08-20

Applicant: 南京邮电大学

Inventor： 高赟 ,  王彤 ,  刘恒发 ,  周亮

IPC: G06V10/80 ,  H04N23/11 ,  H04N19/70 ,  H04N19/124 ,  H04N19/166 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045

Abstract: 本发明公开了一种面向无线应急网络的跨模态语义通信方法，所述方法包括：通过设计跨模态语义编码器，提取多模态信号中全面表征周遭环境的语义特征，包括基础语义及增强语义；估计网络状态，并逐步多次传输编码后的基础语义和增强语义以进行决策；对接收到的语义特征进行逆量化、语义集成和语义解码；在解码器中结合所收到的语义信息，完成最终决策。本发明解决了在无线应急网络中存在的决策精度低和传输延迟大的问题；通过跨模态语义学习实现更全面的语义表示，提高了决策精度；利用网络中断间隔传输增强的语义信息，有效地降低了传输延迟。

公开(公告)号：CN117437614A

公开(公告)日：2024-01-23

申请号：CN202311449045.2

申请日：2023-11-02

Applicant: 南京邮电大学

Inventor： 高赟 ,  王彤 ,  刘恒发 ,  周亮

IPC: G06V20/58 ,  G06V20/70 ,  G06V10/26 ,  G06V10/44 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/084 ,  G06N3/048

Abstract: 本发明涉及障碍检测技术领域，是一种基于语义驱动的跨模态障碍检测方法，首先提出了一个语义驱动的传输框架，框架提取了与任务相关的语义，并通过信源‑信道联合编码提高对信道噪声的稳定性；而后设计了一种轻量级的跨模态语义融合方法，在保持模态内语义完整性的前提下，实现多模态语义互补信息的学习；最后，构建了一个包含典型障碍物如突发的行人、不规则的障碍物的数据集来评估所提方法的性能。本发明解决了传统方案存在的传输延迟大和检测精度低的问题；首先仅传输与任务相关的语义，有效地减少传输的数据量，降低传输延迟，此外利用跨模态的语义学习，完成对多模态信号的语义关系挖掘，使多模态信号能够实现语义互补，从而提高检测精度。