-
公开(公告)号：CN113113916A
公开(公告)日：2021-07-13
申请号：CN202110420889.9
申请日：2021-04-19
Applicant: 西安交通大学
Abstract: 一种舰船综合电力系统多目标能量调控方法，包括以下步骤：通过求解舰船综合电力系统的预设优化模型，确定系统能量分配方案，其中，所述预设优化模型的目标函数为最大化脉冲负载总效能、舰船最大续航时长与航行速度的加权和；根据系统能量分配方案，调控发电功率分配至加速、克服阻力以及脉冲负载工作部分的功率值，对各脉冲负载并联的设备级储能装置的充放电过程进行控制，实现兼顾多个运行目标的能量调控。本发明中对各脉冲负载并联的设备级储能装置的充放电过程进行控制，实现兼顾多个运行目标的能量调控，达到整体性能最优的系统能量调控，有效提升舰船生存性能。
-
公开(公告)号：CN109671063B
公开(公告)日：2020-08-18
申请号：CN201811512050.2
申请日：2018-12-11
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于深度网络特征间重要性的图像质量评估方法，该方法在端到端的神经网络模型训练中加入了判别特征图间重要性关系的模块，能够更准确的预测图像质量，并且在各个图像质量评估(IQA)数据集上展现出较强的泛化能力。具体包括步骤：1)准备训练测试网络模型所用的图像质量评估数据集，将图像质量评估数据集按照图像内容随机划分为训练集和测试集；2)将SeNet模块加入VGG‑16网络以搭建用于图像质量评估的多个不同组合方式的神经网络模型VGG*‑SE，使用训练数据集分别对其进行训练，当训练的模型在测试数据集上达到预期的精度，选择此模型作为最终模型，并保存网络模型训练后的参数；3)使用选取的最终模型计算测试集的预测精度。
-
公开(公告)号：CN103313063B
公开(公告)日：2016-04-27
申请号：CN201310180282.3
申请日：2013-05-15
Applicant: 西安交通大学
IPC: H04N19/89
Abstract: 本发明公开了一种基于双解码模拟的H.264/AVC视频调度方法：（1）对每个待发送的H.264/AVC视频包计算其包质量贡献指数PQCI，PQCI由两类失真计算得到，每类失真包括两部分：视频包对当前帧的质量贡献和视频包对后续帧的质量贡献。（2）计算视频包对自身的质量贡献时，采用基于双解码模拟的方法，在发送端纳入两个解码器进行失真估计，并求得质量贡献。（3）计算视频包对后续帧的质量贡献时，采用扩散因子加权的方法进行求解。（4）按照PQCI的大小对待发送视频包进行排序调度后进行视频包的发送。本发明提高了接收端解码后的视频质量，提升了无线网络中视频传输的性能，并最终改善接收端的用户体验。
-
公开(公告)号：CN103269457A
公开(公告)日：2013-08-28
申请号：CN201310180283.8
申请日：2013-05-15
Applicant: 西安交通大学
IPC: H04N21/647 , H04N7/26
Abstract: 本发明提供一种基于失真估计的H.264/AVC视频包优先级调度方法：（1）对每个待发送的H.264/AVC视频包计算其包优先级指数PPI，其中，PPI由两类失真计算得到，每类失真包括两部分：视频包对当前帧造成的失真和视频包对后续帧的造成的失真；（2）计算视频包对当前帧造成的失真时，采用了一种基于失真估计模型的预测方法；（3）计算视频包对后续帧的造成的失真时，采用了利用扩散失真因子对失真估计模型所得失真进行加权的方法来求解；（4）在调度时，按照PPI的大小对待发送视频包进行排序调度后进行视频包的发送，本发明提高了接收端解码后的视频质量，提升了无线网络中视频传输的性能。
-
-
Patent Agency Ranking
公开(公告)号：CN118331742A
公开(公告)日：2024-07-12
申请号：CN202410563416.8
申请日：2024-05-08
Applicant: 西安交通大学
Abstract: 本发明智慧农业中基于多任务数据共享的MADDPG资源协同优化方法及装置，该方法包括：1)构建智慧农业场景中多任务数据共享数学模型；多任务数据共享数学模型包括：多个采集不同类型数据的采集设备、存在数据共享的多个农业任务、信道传输条件以及农业物联网中的边缘服务器集群；2)根据多任务数据共享数学模型构建优化问题的目标函数以及优化问题的约束条件；3)利用基于分层奖励函数的多智能体深度确定性策略梯度算法，求解得到优化问题的最优解。该装置包括依次连接的模型构建模块、优化问题构建模块和求解模块。本发明研究智慧农业场景中基于多任务数据共享和多智能体深度强化学习的系统资源协同优化方案，能够减少数据的重复传输，达到减少时延和能耗、提高服务器存储资源利用率的目的。
-
公开(公告)号：CN118196499A
公开(公告)日：2024-06-14
申请号：CN202410321799.8
申请日：2024-03-20
Applicant: 西安交通大学
IPC: G06V10/764 , G06V10/774
Abstract: 本发明公开了一种基于能量的点云目标检测方法及装置，该方法包括：获取待检测的点云目标数据；将待检测的点云目标数据输入至预设的目标检测模型中，得到点云中特定类别物体的三维边界框和类别分数；其中，预设的目标检测模型使用带标注的点云数据训练，带标注的点云数据，在第一次训练时通过随机选取从全量数据中获取并标注；在后续训练中，通过基于能量的主动学习方法全量数据中获取并标注；该装置包括数据获取模块和数据检测模块。本发明能够快速、准确地筛选出信息量最大的未标注点云数据供人工标注，为面向点云目标检测的主动学习方法提出了新的思路。
-
公开(公告)号：CN118038428A
公开(公告)日：2024-05-14
申请号：CN202410230733.8
申请日：2024-02-29
Applicant: 西安交通大学
Abstract: 本发明涉及目标检测领域，公开了一种基于通道和空间协同注意的小目标害虫检测方法和系统，所述方法包括：获取目标数据集：将所述目标数据集按8:1:1的比例划分为训练集、验证集和测试集；将YOLOv8模型作为基础模型，对所述YOLOv8模型进行改进，构建小目标害虫检测模型CSCA‑YOLO；分别利用训练集和验证集对所述CSCA‑YOLO模型进行训练和调参，直至模型的损失函数收敛，得到训练好的CSCA‑YOLO模型；将测试集图像输入到训练好的CSCA‑YOLO模型中进行目标检测，输出害虫目标的检测结果。所述系统包括：获取模块、构建模块、训练模块和检测模块。本发明通过对小目标害虫特点进行分析，基于这些特点对YOLOv8模型进行改进，构建出能够适用于对于害虫等小目标进行检测的CSCA‑YOLO模型，利用所述CSCA‑YOLO模型进行害虫目标检测，能够在较低的计算开销下，降低了小目标害虫的漏检率，提高小目标的检测能力，进一步提升检测精度。
-
公开(公告)号：CN117376575A
公开(公告)日：2024-01-09
申请号：CN202311343737.9
申请日：2023-10-17
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于条件扩散模型的压缩域视频异常检测方法，包括：对输入的压缩视频流进行稀疏采样；将1个I帧和其后3个P帧称为一组GoP；将重构MV与原始MV的均方误差MSE作为异常重构分数；将输入中的最后一个I帧作为目标I帧，对该帧进行扩散操作，然后进行加噪；以加噪后的目标I帧作为输入，重构MV与其时间顺序对应的I帧在通道上的拼接作为条件，输入进噪声预测器Unet中进行噪声预测；将上述步骤得到的异常重构分数和异常预测分数进行加权，即可得到最终的异常分数；对于数据集中不同视频流进行处理，从而得到整个数据集的异常分数，得到最终的压缩域视频的异常检测结果。本发明在保持高检测性能的同时降低了复杂性。
-
公开(公告)号：CN113726858B
公开(公告)日：2022-08-16
申请号：CN202110925610.2
申请日：2021-08-12
Applicant: 西安交通大学
IPC: H04L67/10 , H04L67/1023 , H04L67/101 , H04L41/14
Abstract: 本发明公开了一种基于强化学习的自适应AR任务卸载和资源分配方法，包括用户端选择不同视频帧分辨率的AR任务，同时得到对应的准确率；对AR任务进行部分卸载，计算所带来的时延、用户能耗及用户费用，建立用户体验模型，由此形成以提高用户体验为目标的联合优化问题；将优化问题转化为马尔科夫决策过程，初始化其状态空间、动作空间以及奖励设置，根据马尔科夫决策过程设计强化学习网络；训练强化学习网络直到网络收敛；网络训练好之后，将用户端和MEC服务器的状态输入网络，得到相应的策略。本发明综合考虑了用户端对准确率、用户能耗和用户费用的不同需求，在任务时延门限内，有效地提高用户体验，达到各用户体验的纳什均衡。
-
-
-
-
-
-
-
-
-
Search Results
101
records
(took 0.172 seconds)
