公开(公告)号：CN115481749A

公开(公告)日：2022-12-16

申请号：CN202211088268.6

申请日：2022-09-07

Applicant: 电子科技大学

Inventor： 陈爱国 ,  罗光春 ,  孙国林 ,  戴瑞婷 ,  隆雨佟 ,  刘德映

IPC: G06N20/00 ,  G06F9/50

Abstract: 本发明属于信息技术领域，具体提供一种面向异质性场景下的分布式机器学习方法，旨在解决现有联邦学习效率提升方法，受限于分布式场景中广泛存在的非独立同分布数据，以及存在的计算负担大、依赖经验等问题。本发明通过在训练过程中动态更新相关的矩阵，实现对参与方节点的动态选择，并有效地将分布式环境中存在的非独立同分布数据纳入到了节点的选择考虑中，同时也考虑到了节点的训练效果和历史训练信息，使得模型更快地学习未知的知识或者学习效果不好的知识，从而有效提升联邦学习在实际应用场景下的模型训练效率。

公开(公告)号：CN115482265A

公开(公告)日：2022-12-16

申请号：CN202211070899.5

申请日：2022-08-31

Applicant: 电子科技大学

Inventor： 卢国明 ,  罗光春 ,  秦科 ,  段贵多 ,  刘德映 ,  李冠举

IPC: G06T7/55 ,  G06T3/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于连续视频流的室外场景深度补全方法，包括：对传感器输入的数据进行预处理形成RGB‑D数据；深度补全模块的图像分支接收RGB数据，通过图像分支的编解码器提取图像特征，图像分支解码器的输出与深度分支的相同尺寸的编码器的输入对应级联；深度补全模块的深度分支接收D数据以及数据流中前一帧的导向图，通过深度分支的编解码器输出初始补全深度图、当前帧的导向图以及亲和度矩阵；深度图优化模块接收深度分支的编解码器输出的初始补全深度图以及亲和度矩阵，输出优化后的补全深度图用于室外场景深度补全。本发明有效利用连续视频流中的上下文信息，提升了深度补全预测的准确性。