-
公开(公告)号：CN120070176A
公开(公告)日：2025-05-30
申请号：CN202510046664.X
申请日：2025-01-13
Applicant: 东北大学秦皇岛分校
IPC: G06T3/4053 , G06T3/4046 , G06V40/16 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明提供基于先验信息的双分支人脸图像超分辩重构网络，涉及计算机视觉和图像处理技术领域。该基于先验信息的双分支人脸图像超分辩重构网络，包括以下内容：1)首先低分辨率图像ILR会通过一个卷积层和一个PFB模块，PFB模块包含两个PAFB模块；2)PAFB模块负责将先验信息(我们采用的是人脸解析图)和低分辨率原始特征F0相融合，得到特征F1，融合的方式是通过cross‑attent ion的方式。本发明，通过将先验信息与局部特征和全局特征分别融合，并将融合先验信息的局部特征与全局特征再次融合，从而充分利用先验信息；将不同深度层的特征融合起来，融合的方式是先相加后通过CRC序列，从而提升模型对语义特征的理解能力。
-
公开(公告)号：CN117176242B
公开(公告)日：2024-03-26
申请号：CN202311125252.2
申请日：2023-09-01
Applicant: 东北大学秦皇岛分校
Abstract: 本申请涉及一种基于多天线中继的反向散射系统物理层安全增强方法，包括以下步骤：部署多天线中继节点，并构建基于多天线中继节点的反向散射系统模型；确定所述反向散射系统的传输过程，计算阅读器和窃听节点的信干噪比解析表达式；基于所述的阅读器和窃听节点的信干噪比解析表达式，构造保密速率最大化的目标函数，其中，所述的保密速率最大化的目标函数是关于变量——协作波束成形向量、人工噪声以及功率分割因子联合优化的目标函数；对所述的保密速率最大化的目标函数进行优化，从而实现反向散射系统保密性能的增强。本申请可以提高反向散射系统的安全性，同时降低系统功耗。
-
公开(公告)号：CN102340296A
公开(公告)日：2012-02-01
申请号：CN201110204946.6
申请日：2011-07-21
Applicant: 东北大学秦皇岛分校
Abstract: 为解决高阶数字FIR滤波器并行处理效率的问题，提出了一种高效的、适合GPU体系结构的高阶数字FIR滤波器并行处理算法，该方法采用重叠保留方法结合GPU自身结构特点优化实现高阶数字FIR的频域并行化处理。通过计算FIR频率响应系数，将待处理的输入数据传送给GPU；数据重叠搬移；滤波计算处理；数据合并搬移；将合并搬移结果Y＝{Y0，Y1，....，Yk-1}传送到主机内存等步骤完成高阶数字FIR滤波器频域并行处理。对比在CPU上单线程所实现的FIR频域重叠保留方法，其吞吐率，即每秒处理样点的数量有着极大地提高，典型的加速比在100倍以上。
-
公开(公告)号：CN116704444A
公开(公告)日：2023-09-05
申请号：CN202310763676.5
申请日：2023-06-27
Applicant: 东北大学秦皇岛分校
IPC: G06V20/52 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于级联注意力U‑Net的视频异常事件检测方法，属于视频处理技术领域，由于深度神经网络具有强大的特征提取能力和表征能力，基于深度学习的视频异常事件检测方法被广泛应用。深度神经网络通过大量的实验数据进行训练，无须手工设计特征，将特征提取和模型构建整合在一起，实现端到端的异常事件检测方法。本发明提出了基于级联注意力U‑Net的视频异常事件检测方法，在第一个注意力U‑Net块中结合时间迁移模块作为帧预测模型，第二个和第三个注意力U‑Net级联模块作为帧重构模块，最后结合预测帧和重构帧计算异常分数完成异常事件识别，进一步提升检测性能。
-
公开(公告)号：CN102340296B
公开(公告)日：2013-12-25
申请号：CN201110204946.6
申请日：2011-07-21
Applicant: 东北大学秦皇岛分校
Abstract: 为解决高阶数字FIR滤波器并行处理效率的问题，提出了一种高效的、适合GPU体系结构的高阶数字FIR滤波器并行处理算法，该方法采用重叠保留方法结合GPU自身结构特点优化实现高阶数字FIR的频域并行化处理。通过计算FIR频率响应系数，将待处理的输入数据传送给GPU；数据重叠搬移；滤波计算处理；数据合并搬移；将合并搬移结果Y＝{Y0，Y1，....，Yk-1}传送到主机内存等步骤完成高阶数字FIR滤波器频域并行处理。对比在CPU上单线程所实现的FIR频域重叠保留方法，其吞吐率，即每秒处理样点的数量有着极大地提高，典型的加速比在100倍以上。
-
Patent Agency Ranking
公开(公告)号：CN117176242A
公开(公告)日：2023-12-05
申请号：CN202311125252.2
申请日：2023-09-01
Applicant: 东北大学秦皇岛分校
Abstract: 本申请涉及一种基于多天线中继的反向散射系统物理层安全增强方法，包括以下步骤：部署多天线中继节点，并构建基于多天线中继节点的反向散射系统模型；确定所述反向散射系统的传输过程，计算阅读器和窃听节点的信干噪比解析表达式；基于所述的阅读器和窃听节点的信干噪比解析表达式，构造保密速率最大化的目标函数，其中，所述的保密速率最大化的目标函数是关于变量——协作波束成形向量、人工噪声以及功率分割因子联合优化的目标函数；对所述的保密速率最大化的目标函数进行优化，从而实现反向散射系统保密性能的增强。本申请可以提高反向散射系统的安全性，同时降低系统功耗。
-
公开(公告)号：CN120075899A
公开(公告)日：2025-05-30
申请号：CN202510215618.8
申请日：2025-02-26
Applicant: 东北大学秦皇岛分校
IPC: H04W28/084 , H04W4/02 , G06Q50/02 , H04W84/06
Abstract: 本申请提出一种智慧农业无人机的动态任务卸载方法，属于智慧农业和边缘计算技术领域，包括：采用边缘计算无人机中部署的预先训练好的任务卸载模型，根据动态最优的用户调度策略与多架数据无人机中的一架数据无人机建立通信链路，将数据无人机卸载比发送到已建立通信链路的数据无人机中；已经建立通信链路的数据无人机根据数据无人机卸载比卸载害虫图像的计算任务到已经调整位置后的边缘计算无人机中；已经调整位置后的边缘计算无人机根据边缘计算无人机的卸载比，将害虫图像的计算任务以边缘计算无人机的发射功率卸载到云端服务器中。本申请解决了因环境变化和静态参数导致模型性能下降的问题，提高了模型的适应性和收敛性，降低了系统成本。
-
公开(公告)号：CN117014867B
公开(公告)日：2024-12-27
申请号：CN202311124217.9
申请日：2023-09-01
Applicant: 东北大学秦皇岛分校
Abstract: 本申请涉及一种基于无人机中继系统的协作干扰方法，其包括建立基于无人机中继系统的协作干扰模型，所述协作干扰模型包括源节点S、无人机中继节点R、无人机干扰机节点J、合法目的节点D以及窃听者E，所述无人机干扰机节点J用于发射干扰信号对抗窃听者；基于所述协作干扰模型，构建最大化平均保密率目标函数；对所述最大化平均保密率目标函数进行优化，从而实现无人机协作干扰辅助中继网络系统保密性能的增强。本申请具有降低保密率过度依赖信道质量，提高无人机中继系统物理层安全性的效果。
-
公开(公告)号：CN118915780A
公开(公告)日：2024-11-08
申请号：CN202410960286.1
申请日：2024-07-17
Applicant: 东北大学秦皇岛分校
IPC: G05D1/46 , G05D109/20
Abstract: 一种基于多级边缘计算的无人机轨迹优化方法、系统、存储介质及电子设备。其中，方法包括：获取无人机基于目标轨迹执行任务中的任务参数，其中，无人机设置有边缘服务器，用于辅助至少一个地面用户和地面边缘服务器进行边缘计算；根据任务参数建立模型，根据模型确定随机优化问题，并定义随机优化问题的优化目标和约束条件；根据随机优化问题的优化目标和约束条件，将随机优化问题转换为时隙问题，并求解所述时隙问题；根据时隙问题的解，优化目标轨迹，并根据优化后的目标轨迹控制无人机执行任务。实施本申请提供的技术方案，可以在用户需求动态变化的情况下，实时优化无人机的飞行轨迹以适应不断变化的任务环境。
-
公开(公告)号：CN118574156A
公开(公告)日：2024-08-30
申请号：CN202410620860.9
申请日：2024-05-20
Applicant: 东北大学秦皇岛分校
Abstract: 本发明涉及海洋无线通信技术领域，公开了基于深度强化学习的无人机辅助无人艇任务卸载方法，包括以下步骤：建立移动边缘计算的三维无线通信网络系统模型，所述系统模型包括K个USV，其集合表示为k∈{1,2,....,K}，k表示该集合中的某一个USV，1架搭载MEC边缘服务器的无人机U＝{u}，通过无人机对USVk进行计算卸载以节省USVk的计算的能耗并缩减任务执行延迟；建立时延模型与能耗模型；无人机调度和卸载策略联合优化问题；提出基于深度强化学习的OU‑TD3算法。本发明中，采用深度强化学习相比传统算法在无人机辅助USV进行边缘计算的任务卸载中能够更好地适应复杂、实时的任务需求，提高了系统的智能化和效率。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.019 seconds)
