-
公开(公告)号：CN115833975B
公开(公告)日：2025-04-11
申请号：CN202310058760.7
申请日：2023-01-16
Applicant: 南京邮电大学
IPC: H04B17/309 , H04W4/33 , H04W84/12 , G06N3/0464 , G06N3/0499 , G06N3/08
Abstract: 本发明属于无线信号的跨域行为感知技术领域，公开了一种适用于WiFi跨场景感知的源域选择方法，充分考虑源域、目标域的全局数据分布和带标签数据的局部分布，设计一种基于全局和局部距离线性组合的评价策略，选择距离目标域最近的源域来构建跨域感知模型，保障跨场景无源感知的可靠性和精度；还为基于WiFi的跨场景感知问题，提供了新的研究思路。
-
公开(公告)号：CN118172799B
公开(公告)日：2024-07-30
申请号：CN202410591561.7
申请日：2024-05-14
Applicant: 南京邮电大学
IPC: G06V40/10 , G06V10/762 , G06V10/80 , G06V10/40
Abstract: 本发明的一种毫米波雷达行人重识别方法、设备及存储介质，包括以下步骤，采集不同场景的行人步态数据并预处理；对行人步态数据进行子采样模拟和生成具有不同速度的步行序列，即慢、中、快步态；使用分层注意力机制模型提取训练集中不同速度的步态的上下文特征，然后进行融合，最终得到能够描述不同速度关键信息的特征向量；再通过全连接层，将特征向量映射到一个256维的空间得到最终的输出结果，通过标签不断优化分层注意力机制模型并更新模型参数；本发明采用子采样策略，分别模拟慢、中、快速度路径，并利用层次注意力机制表征速度特异性和跨速度序列依赖性，以生成更鲁棒的步态表征，提高了毫米波雷达做行人重识别任务的准确性。
-
公开(公告)号：CN118350933A
公开(公告)日：2024-07-16
申请号：CN202410445254.8
申请日：2024-04-15
Applicant: 南京邮电大学
IPC: G06Q40/04 , H04L9/00 , G06Q30/0207 , G06F16/27
Abstract: 本发明的一种基于区块链的众包数据交易的在线激励方法、设备及介质，涉及区块链、激励机制技术领域；包括：在给定的预算约束下，设计了一个多阶段拍卖交易并引入时间折扣因子，刺激工人参与众包数据交易任务，最大化请求者效益；在真值发现算法基础上设计了一个细粒度的工人声誉计算模块，量化工人的任务贡献；通过设计上界置信算法对拍卖的选择过程进行公平性优化；在区块链的智能合约中设计了具体方案，能够实现去中心化，并保证交易安全性和公平性。本发明主要在区块链上设计众包数据交易激励机制与真实数据发现机制，保证了数据交易安全和公平的激励分配，并实现了真实性、预算可行性和个体理性等所有理想的经济属性。
-
公开(公告)号：CN117574152A
公开(公告)日：2024-02-20
申请号：CN202311570810.6
申请日：2023-11-23
Applicant: 南京邮电大学
IPC: G06F18/214 , G06F18/213 , G06F18/23 , G06N20/00
Abstract: 本发明公开了一种基于元学习训练机制的跨域无线行为感知方法，属于跨域无线信号行为感知技术领域；方法为：将源域数据设计成多个任务，以每个任务为单位，训练源域数据，生成元预训练模型；将目标域的数据导入当前的元预训练模型，优化当前元预训练模型；循直至到达指定的迭代次数，将训练好的元预训练模型作为目标域的最终模型；将目标域的测试样本数据输入到训练好的元预训练模型中，输出行为感知的预测结果。本发明通过源域数据对模型进行预训练并利用目标域中有标签、无标签数据优化元预训练模型，缩小源域和目标域之间的差异性对模型迁移的影响，提升跨域无线感知的精度；利用聚合过新的特征向量能够减少样本的数量，加快模型优化的速度。
-
公开(公告)号：CN116340849B
公开(公告)日：2023-08-15
申请号：CN202310556403.3
申请日：2023-05-17
Applicant: 南京邮电大学
IPC: G06F18/241 , G06F18/10 , G06F18/214 , G06F18/22 , G06N3/0455 , G06N3/0464 , G06N3/0442 , G06N3/08 , H04B17/391
Abstract: 一种基于度量学习的非接触式跨域人体活动识别方法，通过对已采集到的活动数据采用自编码器进行数据增强，然后通过采用度量学习完成未出现在训练集中的新活动类别的识别。具体步骤如下：在室内环境中采集人员活动时对应的无线信号数据，从中提取CSI原始数据；对原始CSI数据进行数据预处理，数据插值，统一数据长度，数据去噪；对已知活动类型的数据使用自编码器进行数据增强，扩充数据集；使用扩充后的数据集训练特征提取网络，将待识别活动数据和支持集输入特征提取网络得到相应特征，使用度量学习的方法将待识别数据特征与支持集数据特征一一对比，从而判断活动类型。本方法对于未训练的活动类型能实现较高识别精度，增强泛化性和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN116012953B
公开(公告)日：2023-07-07
申请号：CN202310279661.1
申请日：2023-03-22
Applicant: 南京邮电大学
IPC: G06V40/20 , G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 本发明属于WiFi行为感知技术领域，具体地说，是一种基于CSI的轻量级双任务感知方法，利用深度分离卷积和通道打乱机制构建多尺度轻量级主干网络，并设计出双任务感知模块，实现动作检测和分类任务的同步感知，该方法不依赖于人为设定的经验值，有效保证检测识别的效率和精度，极大减少了计算量和训练参数的同时，保持了良好的效果。本发明同步完成检测和分类任务，解决了检测结果影响分类结果的问题，为基于WiFi感知任务的轻量化模型设计，提供了新的研究思路。
-
公开(公告)号：CN116152722B
公开(公告)日：2023-07-04
申请号：CN202310418890.7
申请日：2023-04-19
Applicant: 南京邮电大学
IPC: G06V20/40 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明属于计算机视觉技术领域，公开了一种基于残差注意力块和自选择学习结合的视频异常检测方法，包括采集原始视频并提取前后若干帧对象构建时空立方体；随机打乱时空立方体的空间或时间顺序，分别构造空间和时间拼图立方体；利用两种拼图立方体训练由两个预测分支组成的顺序预测模型，两个预测分支由残差注意力块构建；利用自选择学习策略分别对两个预测分支的训练样本损失进行自选择学习，选中的样本损失参与梯度反向传播过程，多轮迭代训练得到一个完整的视频异常检测网络模型；对待测视频同样进行对象提取操作，不打乱顺序，直接输入到模型中计算预测得分，最终实现视频异常检测。本发明能使无监督视频异常检测的精度得到显著提高。
-
公开(公告)号：CN116152722A
公开(公告)日：2023-05-23
申请号：CN202310418890.7
申请日：2023-04-19
Applicant: 南京邮电大学
IPC: G06V20/40 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明属于计算机视觉技术领域，公开了一种基于残差注意力模块和自选择学习结合的视频异常检测方法，包括采集原始视频并提取前后若干帧对象构建时空立方体；随机打乱时空立方体的空间或时间顺序，分别构造空间和时间拼图立方体；利用两种拼图立方体训练由两个预测分支组成的顺序预测模型，两个预测分支由残差注意力模块构建；利用自选择学习策略分别对两个预测分支的训练样本损失进行自选择学习，选中的样本损失参与梯度反向传播过程，多轮迭代训练得到一个完整的视频异常检测网络模型；对待测视频同样进行对象提取操作，不打乱顺序，直接输入到模型中计算预测得分，最终实现视频异常检测。本发明能使无监督视频异常检测的精度得到显著提高。
-
公开(公告)号：CN116047404A
公开(公告)日：2023-05-02
申请号：CN202310320696.5
申请日：2023-03-29
Applicant: 南京邮电大学
IPC: G01S3/14 , G06F18/23213
Abstract: 本发明属于到达角测量技术领域，公开了一种基于Pmusic谱峰图的到达角测量方法，首先，在室内环境下采集WiFi发射机发射的无线信号数据，从WiFi信号中提取出CSI原始数据；其次，对原始CSI数据进行数据预处理，预处理步骤包括：线性拟合和同步消除；然后，对预处理后的数据使用子载波选择和MUSIC算法得到谱峰图数据Pmusic；接着，对谱峰图数据Pmusic进行谱峰选择，对选出来的Pmusic数据使用kmeans聚类方法找出轮廓系数最大的分类方式；最后，根据最大分类方式所得到的簇中Pmusic数据估计出发射机与接收机之间的到达角。本发明提高了AOA估计的精度，从而提高了定位效果。
-
公开(公告)号：CN116012953A
公开(公告)日：2023-04-25
申请号：CN202310279661.1
申请日：2023-03-22
Applicant: 南京邮电大学
IPC: G06V40/20 , G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 本发明属于WiFi行为感知技术领域，具体地说，是一种基于CSI的轻量级双任务感知方法，利用深度分离卷积和通道打乱机制构建多尺度轻量级主干网络，并设计出双任务感知模块，实现动作检测和分类任务的同步感知，该方法不依赖于人为设定的经验值，有效保证检测识别的效率和精度，极大减少了计算量和训练参数的同时，保持了良好的效果。本发明同步完成检测和分类任务，解决了检测结果影响分类结果的问题，为基于WiFi感知任务的轻量化模型设计，提供了新的研究思路。
-
-
-
-
-
-
-
-
-
Search Results
85
records
(took 0.026 seconds)
