-
公开(公告)号：CN113643212B
公开(公告)日：2024-04-05
申请号：CN202110994446.0
申请日：2021-08-27
Applicant: 复旦大学
IPC: G06T5/70 , G06T5/60 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明提供一种基于图神经网络的深度图降噪方法，包括如下步骤：步骤1，获取二维的RGB图像和深度图像并进行特征选择，得到相应的特征通道数据，而后将已选择的特征通道数据映射为向量形式，得到多个特征向量并进行拼接，得到特征矩阵，同时采用田字结构选择邻居节点，构造邻接表；步骤2，构造基于图卷积网络GCN和注意力机制层的网络模型；步骤3，对误差函数进行优化，而后与网络模型结合，得到优化后的网络模型；步骤4，将特征矩阵和邻接表输入优化后的网络模型，得到降噪后的深度图像。采用本发明的方法降低了网络模型的参数量，无需对图像进行裁剪，有效地提高了端到端网络的深度图降噪的性能。
-
公开(公告)号：CN114314574B
公开(公告)日：2023-08-22
申请号：CN202210000661.9
申请日：2022-01-04
Applicant: 复旦大学
IPC: C01B32/19
Abstract: 本发明为一种核黄素磷酸钠辅助的大尺寸石墨烯水相制备方法。将膨胀石墨浸泡在核黄素磷酸钠的水溶液中进行搅拌，使其插层进入石墨烯片层之间；对得插层后的膨胀石墨进行水相剥离后即得到大尺寸石墨烯水相分散液；对得到的分散液进行离心、过滤或冷冻干燥得到大尺寸石墨烯滤饼或粉末，该粉末可再次分散于水或有机溶剂中。本发明水相剥离得到的石墨烯平均尺寸大于5微米，甚至50微米以上，产率接近100%，石墨烯片层晶体结构保留完整，由其制得的薄膜电导率可达105 S/m以上，且滤饼或粉体易再次均匀分散在水或有机溶剂中，便于运输和使用。本发明制备过程环保安全，适合大规模工业生产，有效解决了大尺寸石墨烯规模化制备的环保、生产效率和与下游应用的衔接等问题。
-
公开(公告)号：CN113422155B
公开(公告)日：2022-06-21
申请号：CN202110569815.1
申请日：2021-05-25
Applicant: 复旦大学
IPC: H01M50/403 , H01M50/449 , H01M50/431
Abstract: 本发明涉及一种锂硫电池用多功能隔膜涂层的制备方法，该多功能隔膜涂层由硒化镍铁/石墨烯复合物组成。采用抽滤的方法将石墨烯/原位生长的纳米立方笼硒化镍铁复合物修饰到朝向正极隔膜一侧，解决传统隔膜不能有效阻止多硫化物向锂金属负极扩散这一难题。具有催化活性的硒化镍铁可加速多硫化物和硫化锂之间的相互转化，提高活性物质的利用率的同时防止放电产物硫化锂阻塞孔道。此外，笼状镍铁硒化物的多孔结构有利于锂离子快速传输。此种复合设计使得具备硒化镍铁隔膜涂层的电池表现出高的比容量和出色的倍率性能。
-
公开(公告)号：CN113643212A
公开(公告)日：2021-11-12
申请号：CN202110994446.0
申请日：2021-08-27
Applicant: 复旦大学
Abstract: 本发明提供一种基于图神经网络的深度图降噪方法，包括如下步骤：步骤1，获取二维的RGB图像和深度图像并进行特征选择，得到相应的特征通道数据，而后将已选择的特征通道数据映射为向量形式，得到多个特征向量并进行拼接，得到特征矩阵，同时采用田字结构选择邻居节点，构造邻接表；步骤2，构造基于图卷积网络GCN和注意力机制层的网络模型；步骤3，对误差函数进行优化，而后与网络模型结合，得到优化后的网络模型；步骤4，将特征矩阵和邻接表输入优化后的网络模型，得到降噪后的深度图像。采用本发明的方法降低了网络模型的参数量，无需对图像进行裁剪，有效地提高了端到端网络的深度图降噪的性能。
-
公开(公告)号：CN109584213A
公开(公告)日：2019-04-05
申请号：CN201811316393.1
申请日：2018-11-07
Applicant: 复旦大学
CPC classification number: G06T7/0002 , G06N3/0454 , G06T2207/10016 , G06T2207/20081 , G06T2207/20104
Abstract: 本发明涉及一种基于深度学习的实时自主跟踪方法，提出了基于深度学习的人工神经网络的计算机视觉目标检测与计算机视觉目标跟踪算法，可利用高性能计算单元运行神经网络的运算单元检测目标，而后运行目标跟踪算法对所有目标同时实现跟踪，并可以手工介入选择特定目标专注单人跟踪。相比较传统的单目标跟踪算法，传统单目标跟踪需要手动框选目标，但对于移动目标，框选时往往会因为操作延时导致框选失效。本算法避免了人工框选目标的操作延时导致的框选不准和目标偏离。本发明构建了“摄像头-服务器”的架构，将摄像头中所有目标数据同时处理，实现全区域的多人跟踪和单人持续跟踪，实验结果表明，本发明能够实现实时的神经网络运算，进而结合目标跟踪算法，实现“检测、选人”两步跟踪效果。
-
Patent Agency Ranking
公开(公告)号：CN105959694B
公开(公告)日：2019-01-29
申请号：CN201610279509.3
申请日：2016-05-03
Applicant: 复旦大学
IPC: H04N19/30 , H04N19/36 , H04N21/647
Abstract: 本发明属于无线分布式缓存技术领域，具体为一种面向可伸缩视频流(SVC)的分布式毫微蜂窝缓存分配方法。为了缓解宏蜂窝网络覆盖的盲点，降低回程网络的压力，本发明结合毫微蜂窝技术和SVC可伸缩视频编码的特性，利用分布式缓存，提高用户视频观看的体验质量(QoE)，同时降低回程网络的负载。本发明首先给出了在分布式毫微蜂窝当中具体的SVC视频缓存与发送模式，然后对分布式毫微蜂窝缓存分配的方法进行了描述，最后进行了仿真实验。从仿真结果可以看到，分布式毫微蜂窝缓存技术的引入可以较大地提高用户QoE，并且与其他常用缓存算法相比，本发明所提出的缓存分配方法在用户QoE方面具有更好的性能。
-
公开(公告)号：CN105184301B
公开(公告)日：2018-06-26
申请号：CN201510562314.5
申请日：2015-09-07
Applicant: 复旦大学
Abstract: 本发明属于计算机视觉与模式分析技术领域，具体为一种利用四轴飞行器判别车辆方位的方法。本发明方法首先对无人机拍摄到的视频数据进行车辆识别，再检测识别到的车辆的车轮形状和两个车轮的相对位置，并以此为根据判断车辆与飞行器的相对方位，为飞行器自主对准车牌提供控制信息。大量飞行器实际拍摄的视频流的实验结果证实了本发明方法的有效性。
-
公开(公告)号：CN107817820A
公开(公告)日：2018-03-20
申请号：CN201710961301.4
申请日：2017-10-16
Applicant: 复旦大学
IPC: G05D1/12
CPC classification number: G05D1/0088 , G05D1/12
Abstract: 本发明公开了一种基于深度学习的无人机自主飞行控制方法与系统，提出了基于深度学习的人工神经网络的计算机视觉目标检测与朝向估计算法，利用搭载云台相机的多旋翼无人机采集图像，利用运行神经网络的运算单元检测目标并估计目标朝向，最后结合控制算法将控制指令反馈到无人机飞行控制器。本发明构建了“数据采集单元-深度学习运算单元-飞行控制单元”的分布式数据采集运算与控制回环，实验结果表明，本发明能够实现实时的神经网络运算，进而结合控制算法实现无人机快速自主发现目标、靠近目标并以特定姿态跟踪目标的效果。
-
公开(公告)号：CN105959694A
公开(公告)日：2016-09-21
申请号：CN201610279509.3
申请日：2016-05-03
Applicant: 复旦大学
IPC: H04N19/30 , H04N19/36 , H04N21/647
CPC classification number: H04N19/30 , H04N19/36 , H04N21/64784
Abstract: 本发明属于无线分布式缓存技术领域，具体为一种面向可伸缩视频流(SVC)的分布式毫微蜂窝缓存分配方法。为了缓解宏蜂窝网络覆盖的盲点，降低回程网络的压力，本发明结合毫微蜂窝技术和SVC可伸缩视频编码的特性，利用分布式缓存，提高用户视频观看的体验质量(QoE)，同时降低回程网络的负载。本发明首先给出了在分布式毫微蜂窝当中具体的SVC视频缓存与发送模式，然后对分布式毫微蜂窝缓存分配的方法进行了描述，最后进行了仿真实验。从仿真结果可以看到，分布式毫微蜂窝缓存技术的引入可以较大地提高用户QoE，并且与其他常用缓存算法相比，本发明所提出的缓存分配方法在用户QoE方面具有更好的性能。
-
公开(公告)号：CN102891816B
公开(公告)日：2016-08-03
申请号：CN201210411234.6
申请日：2012-10-25
Applicant: 复旦大学
Abstract: 本发明属于通信技术领域，具体为一种基于MIMO?OFDM相关信道的信道预测方法。本发明首先分析了信道相关函数可以去耦合写成时间、频率、相关性有关的独立函数之间，然后该方法利用AR模型建模，分三步经过三个滤波器，三个滤波器分别考虑时间、频率、空间相关特性。从仿真可以得出，有效的利用频率和空间相关性可以改善预测性能。本发明方法在降低计算复杂度的同时有效的提高了预测性能。
-
-
-
-
-
-
-
-
-
Search Results
158
records
(took 0.092 seconds)
