公开(公告)号：CN119648529A

公开(公告)日：2025-03-18

申请号：CN202411672822.4

申请日：2024-11-21

Applicant: 桂林电子科技大学

Inventor： 黄光轮 ,  李纳川 ,  张利 ,  张明和

IPC: G06T3/4053 ,  G06V20/40 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及视频处理技术领域，具体涉及一种基于多尺度双向光流连接的视频超分辨率处理方法，集成首尾卷积模块、多通路注意力机制、特征提取神经网络、双向光流算法和数据集扩增算法对输入视频进行处理，具体的，首先利用首尾卷积模块对输入特征向量进行处理，其次，引入多通路注意力机制动态地评估和调整不同输入源的贡献度，过滤掉不重要的背景噪声；接着通过特征提取网络进行多尺度特征融合，提取关键信息；最后引入双向光流算法，利用时间相关性提高视频超分辨率重建的质量和时间连贯性。本发明在保证计算效率的同时，实现了高质量的视频重建。

公开(公告)号：CN119299325A

公开(公告)日：2025-01-10

申请号：CN202411380644.8

申请日：2024-09-30

Applicant: 桂林电子科技大学

Inventor： 曹建宇 ,  戴瑜君 ,  张明和

IPC: H04L41/147 ,  H04L41/16 ,  H04L43/0852 ,  H04W24/02

Abstract: 本发明涉及边缘计算技术领域，具体涉及一种无线网络端到端时延概率分布的预测方法，基于数据驱动且采用混合密度网络的方式，使用改进的高斯混合模型和广义帕累托分布构造概率密度函数，具体的，根据测量所得数据集中数据包时延概率分布的拖尾概率变化趋势，计算获得主体部分与拖尾部分的分割阈值u；而概率密度函数的其他参数由混合密度网络训练获得；最后针对不同大小的数据包，预测时延小于(或大于)某给定值的概率。经多次实验结果验证，与现有技术相比，使用本发明技术获得的端到端时延拖尾概率(大于给定时延的概率)分布的准确性有显著提升。

公开(公告)号：CN119109644A

公开(公告)日：2024-12-10

申请号：CN202411193642.8

申请日：2024-08-28

Applicant: 桂林电子科技大学

Inventor： 曹建宇 ,  黄舒萍 ,  何坤明 ,  李嘉年 ,  陈子仪 ,  覃青玲 ,  张明和

IPC: H04L9/40 ,  H04L67/12

Abstract: 本发明涉及隐私保护技术领域，具体涉及一种面向智能家居的用户行为隐私保护方法，通过发送端与接收端的传输实现，具体为发送端在OSI五层模型中的传输层部署感知链路质量模块和动态调整流量混淆技术模块，接收端在传输层部署解混淆模块；发送端的应用数据传递到传输层，感知链路质量模块通过监测TCP的传输状况，将当前网络链路质量反馈给动态调整流量混淆技术模块；动态调整流量混淆技术模块根据反馈选择合适的流量混淆技术及混淆强度，对应用数据进行流量混淆，然后封装成数据包传到网络层；在接收端的传输层，通过解混淆模块对接收到的数据包进行解混淆，还原出混淆前的原始数据，使应用层能够获得准确的应用数据。

公开(公告)号：CN116543157A

公开(公告)日：2023-08-04

申请号：CN202310516832.8

申请日：2023-05-09

Applicant: 桂林电子科技大学

Inventor： 刘建明 ,  郑钊豪 ,  黄光轮 ,  张明和 ,  甘镇

IPC: G06V10/26 ,  G06V10/42 ,  G06V10/80 ,  G06N3/0895

Abstract: 本发明公开了一种基于注意力机制的等变弱监督语义分割方法，包括步骤如下：步骤1生成类激活图；步骤2将生成的类激活图输入到AffinityNet模型中进一步细化，获得伪标签；步骤3使用全监督方式即DeepLab v1模型对生成的伪标签进行训练，其中将DeepLab v1模型中的VGGNet网络替换为Resnet网络，DeepLab v1模型得到的预测结果作为最终分割结果。这种方法减少了人工标注所耗费的大量人力和物力，分割结果准确性高。