-
公开(公告)号：CN117409217B
公开(公告)日：2025-03-28
申请号：CN202311013494.2
申请日：2023-08-11
Applicant: 北京邮电大学
IPC: G06V10/74 , G06V10/77 , G06F16/583
Abstract: 本发明提出一种面向图像数据集的域间差异度量方法，包括，对图像数据集进行数学特征分析，实现对图像数据集的差异度量的数学抽象；基于数学抽象建立具有图像特征针对性的数学度量方法；对数学度量方法进行优化；获取待处理图像数据集，根据优化后的数学度量方法对待处理图像数据集进行差异度量。本发明可以通过客观的定量方式计算图像数据集间的差异，提高了图像任务域自适应的泛化性，也节省了计算资源和运行时间。
-
公开(公告)号：CN116362287B
公开(公告)日：2025-03-25
申请号：CN202310102989.6
申请日：2023-01-29
Applicant: 北京邮电大学 , 四方联盟(北京)科技发展有限公司 , 联洋国融(北京)科技有限公司
Abstract: 本发明提出一种支持多种硬件平台的神经网络模型量化部署方法，包括，获取待量化神经网络模型；针对待部署硬件平台配置网络量化参数；根据待部署硬件平台使用基准量化方法对待量化神经网络模型进行预量化；使用跨层权重均衡与偏差吸收相结合的思想对预量化神经网络模型参数进行均匀分布调整，获取调整后神经网络模型；根据待部署硬件平台使用自适应图调度策略找到调整后神经网络模型精度和速度间的最佳平衡点，根据最佳平衡点计算并导出量化后神经网络模型和量化后神经网络模型参数；将量化后神经网络模型参数写入到待部署硬件平台。通过本发明提出的方法，用于提升模型在端侧的推理速度，使模型可以部署在计算资源受限设备或时延敏感的应用中。
-
公开(公告)号：CN119648741A
公开(公告)日：2025-03-18
申请号：CN202411695700.7
申请日：2024-11-25
Applicant: 北京邮电大学
IPC: G06T7/246 , G06T7/73 , G06N3/0442 , G06N3/0455 , G06N3/045 , G06N3/0464 , G06N3/0499 , G06N3/08
Abstract: 本发明提供一种目标跟踪器训练方法和目标跟踪方法，所述训练方法包括：基于多个设有各自标签的模板与搜索图像对训练神经网络模型，其中，每个模板与搜索图像对包括目标模板帧和搜索帧，所述标签用于表示各个模板与搜索图像对中目标模板帧和搜索帧是否匹配以及真实目标位置，所述神经网络模型包括编码器、解码器和原型记忆网络；将训练后的神经网络模型确定为用于输出模板与搜索图像对中搜索帧对应的目标跟踪结果的目标跟踪器，所述目标跟踪结果包括用于表示匹配结果的置信度和在匹配情况下的目标位置预测结果。本发明能够通过利用定位不确定性进行精确的目标状态推理，在目标外观发生剧烈变化的情况下仍能保证可靠的目标外观匹配和目标跟踪结果。
-
公开(公告)号：CN116362287A
公开(公告)日：2023-06-30
申请号：CN202310102989.6
申请日：2023-01-29
Applicant: 北京邮电大学 , 四方联盟(北京)科技发展有限公司 , 联洋国融(北京)科技有限公司
Abstract: 本发明提出一种支持多种硬件平台的神经网络模型量化部署方法，包括，获取待量化神经网络模型；针对待部署硬件平台配置网络量化参数；根据待部署硬件平台使用基准量化方法对待量化神经网络模型进行预量化；使用跨层权重均衡与偏差吸收相结合的思想对预量化神经网络模型参数进行均匀分布调整，获取调整后神经网络模型；根据待部署硬件平台使用自适应图调度策略找到调整后神经网络模型精度和速度间的最佳平衡点，根据最佳平衡点计算并导出量化后神经网络模型和量化后神经网络模型参数；将量化后神经网络模型参数写入到待部署硬件平台。通过本发明提出的方法，用于提升模型在端侧的推理速度，使模型可以部署在计算资源受限设备或时延敏感的应用中。
-
公开(公告)号：CN115729699B
公开(公告)日：2025-04-11
申请号：CN202211415309.8
申请日：2022-11-11
Applicant: 北京邮电大学 , 四方联盟(北京)科技发展有限公司 , 中网数安(北京)科技有限公司
IPC: G06F9/50 , G06N5/04 , G06F16/901
Abstract: 本发明提出一种基于模型服务自动化的多机部署调度方法,包括：通过客户端获取表示模型服务工作流的JSON描述文件并发出服务初始化请求，由调度服务器接收所述请求并分配推理服务器资源；通过调度服务器基于动态加权最少连接算法为每个客户端分配能满足其需求的推理服务器资源；将所述推理服务器资源对应的推理服务器的请求调用IP和端口返回给所述客户端，通过所述客户端对所述请求调用服务实例进行推理，返回推理结果。本发明的方法通过多机部署、负载均衡的方式为客户端动态分配推理服务器资源，提升了推理服务的稳定性。
-
Patent Agency Ranking
公开(公告)号：CN117409217A
公开(公告)日：2024-01-16
申请号：CN202311013494.2
申请日：2023-08-11
Applicant: 北京邮电大学
IPC: G06V10/74 , G06V10/77 , G06F16/583
Abstract: 本发明提出一种面向图像数据集的域间差异度量方法，包括，对图像数据集进行数学特征分析，实现对图像数据集的差异度量的数学抽象；基于数学抽象建立具有图像特征针对性的数学度量方法；对数学度量方法进行优化；获取待处理图像数据集，根据优化后的数学度量方法对待处理图像数据集进行差异度量。本发明可以通过客观的定量方式计算图像数据集间的差异，提高了图像任务域自适应的泛化性，也节省了计算资源和运行时间。
-
公开(公告)号：CN115729699A
公开(公告)日：2023-03-03
申请号：CN202211415309.8
申请日：2022-11-11
Applicant: 北京邮电大学 , 四方联盟(北京)科技发展有限公司 , 中网数安(北京)科技有限公司
IPC: G06F9/50 , G06N5/04 , G06F16/901
Abstract: 本发明提出一种基于模型服务自动化的多机部署调度方法,包括：通过客户端获取表示模型服务工作流的JSON描述文件并发出服务初始化请求，由调度服务器接收所述请求并分配推理服务器资源；通过调度服务器基于动态加权最少连接算法为每个客户端分配能满足其需求的推理服务器资源；将所述推理服务器资源对应的推理服务器的请求调用IP和端口返回给所述客户端，通过所述客户端对所述请求调用服务实例进行推理，返回推理结果。本发明的方法通过多机部署、负载均衡的方式为客户端动态分配推理服务器资源，提升了推理服务的稳定性。
-
公开(公告)号：CN119832422A
公开(公告)日：2025-04-15
申请号：CN202411894317.4
申请日：2024-12-20
Applicant: 北京邮电大学
Abstract: 本发明提供一种基于协作编码器和不确定性聚合解码器的建筑物提取方法及系统，包括：将预处理后的遥感图像输入建筑物提取模型，先由协作编码器在多个阶段捕捉遥感图像的局部、全局特征，得到多尺度特征，再输入全局‑局部融合模块，按阶段进行特征融合，得到局部聚合特征和全局聚合特征；再由不确定性聚合解码器分别得到局部聚合特征的局部不确定性和全局聚合特征的全局不确定性；将局部不确定性和全局不确定性作为权重，将局部聚合特征和全局聚合特征整合得到最终特征图，以提取遥感图像中的建筑物。本发明提供的提取方法能够构建高质量的全局‑局部表征，缩小多层次特征之间的差距，充分利用互补的全局‑局部表征进行特征整合，提取精度高。
-
公开(公告)号：CN117392560B
公开(公告)日：2025-03-21
申请号：CN202311188934.8
申请日：2023-09-14
Applicant: 北京邮电大学
Abstract: 本发明提出一种面向无人机航拍图像的前景增强端到端小目标检测方法，包括，将无人机拍摄的图像输入轻量化的骨干网络ShuffleNetV2中，得到不同尺寸的特征图；在特征图后添加FPN特征金字塔结构，进行多尺度特征的融合，得到融合后的多尺度特征图；将多尺度特征图输入单阶段检测头中，得到粗糙检测结果，从粗糙检测结果中获得前景图；将前景图通过一层卷积得到前景增强的多尺度特征图；将前景增强的多尺度特征图再次输入单阶段检测头中，得到精细检测框；使用动态软权重的冗余检测框抑制算法，将精细检测框中相同目标的多余冗余框进行消除，得到最终的检测结果。本发明提出的方法，对局部目标密集和全局前景稀疏的无人机航拍场景，具备良好的检测效果。
-
公开(公告)号：CN119399593A
公开(公告)日：2025-02-07
申请号：CN202411229248.5
申请日：2024-09-03
Applicant: 北京邮电大学
IPC: G06V10/82 , G06V10/80 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明提供一种多模态融合模型的对抗样本生成方法及装置，所述方法包括：获取多模态图像，将多模态图像输入至多模态融合模型得到初始融合图像，多模态图像包括多张单模态图像；基于多模态图像确定多个初始对抗样本；将各所述初始对抗样本注入各所述单模态图像中得到各单模态扰动图像，基于各所述单模态扰动图像以及各单模态图像通过多模态融合模型得到各单模态扰动图像对应的半扰动融合图像，基于各半扰动融合图像以及初始融合图像确定各所述单模态图像对应的最优初始对抗样本；基于各最优初始对抗样本生成多个子对抗样本，从多个子对抗样本中确定所述多模态融合模型的最优对抗样本。本发明能够提高多模态融合模型在对抗攻击中的鲁棒性和安全性。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.016 seconds)
