-
公开(公告)号：CN105656614A
公开(公告)日：2016-06-08
申请号：CN201610191138.3
申请日：2016-03-30
申请人： 北京邮电大学
CPC分类号： H04L5/0048 , H04B7/0413
摘要： 本发明实施例提供了一种基于大规模多输入多输出系统的导频序列分配方法及装置。所述方法的具体实施方式包括：在设定时间间隔内，针对每个终端用户，根据获取的每个终端用户的大尺度衰落因子值，判断所述终端用户是否属于边缘用户；如果是，则从第一集合中选取一个导频序列分配给所述终端用户；否则，从第二集合中选取一个导频序列作为初始导频序列，根据所述初始导频序列和保存的线性相移因子，获得目标导频序列，并将目标导频序列分配给所述终端用户；第一集合和第二集合中的导频序列不同，每个第一基站保存的第一集合中的导频序列不同，每个第一基站保存的线性相移因子不同。本实施例能够减少小区之间的导频污染。
-
公开(公告)号：CN105656614B
公开(公告)日：2019-01-25
申请号：CN201610191138.3
申请日：2016-03-30
申请人： 北京邮电大学
IPC分类号： H04L5/00 , H04B7/0413
摘要： 本发明实施例提供了一种基于大规模多输入多输出系统的导频序列分配方法及装置。所述方法的具体实施方式包括：在设定时间间隔内，针对每个终端用户，根据获取的每个终端用户的大尺度衰落因子值，判断所述终端用户是否属于边缘用户；如果是，则从第一集合中选取一个导频序列分配给所述终端用户；否则，从第二集合中选取一个导频序列作为初始导频序列，根据所述初始导频序列和保存的线性相移因子，获得目标导频序列，并将目标导频序列分配给所述终端用户；第一集合和第二集合中的导频序列不同，每个第一基站保存的第一集合中的导频序列不同，每个第一基站保存的线性相移因子不同。本实施例能够减少小区之间的导频污染。
-
公开(公告)号：CN113343707B
公开(公告)日：2022-04-08
申请号：CN202110625864.2
申请日：2021-06-04
申请人： 北京邮电大学
摘要： 本发明提供了一种基于鲁棒性表征学习的场景文本识别方法。该方法包括：将待识别的图像输入文本矫正网络，得到矫正图像；将矫正图像输入编码器，编码器利用坐标编码模块提取图像的空间纹理信息，利用上下文建模网络提取文本的语义建模特征，输出文本的语义建模特征给全局语义提取模块和解码器；全局语义提取模块对输入的文本的语义建模特征进行文本语义表征提取并输出给解码器；解码器根据接收的全局语义信息和文本的语义建模特征利用注意力机制进行串行分类预测，输出待识别的图像的文本识别结果。本发明通过文本表征网络和表征学习机制优化文本表征的提取和分布，有效提升文本识别中对于复杂背景干扰、多种字体风格与文本排布的鲁棒性。
-
公开(公告)号：CN115131797B
公开(公告)日：2023-06-09
申请号：CN202210742861.1
申请日：2022-06-28
申请人： 北京邮电大学
摘要： 本发明提供了一种基于特征增强金字塔网络的场景文本检测方法。该方法包括：将待检测图像输入到特征增强金字塔网络，特征增强金字塔网络对待检测图像经过不同的卷积阶段生成不同尺度的特征图，将不同尺度的特征图进行拼接得到富含尺度信息的高级特征图；将高级特征图输入到通道注意力机制模块中，输出经过权重选择的各个通道权重不同的特征图；将经过权重选择的各个通道权重不同的特征图输入到后处理模块，后处理模块输出待检测图像的文本检测结果。本发明使用Res2Net与特征增强金字塔网络作为骨架网络，在特征金字塔网络的基础上新增下采样路径，只对邻近层进行采样后融合，使用通道注意力机制增强文本特征的权重，使算法检测到更加精确的文本边界。
-
公开(公告)号：CN115131797A
公开(公告)日：2022-09-30
申请号：CN202210742861.1
申请日：2022-06-28
申请人： 北京邮电大学
摘要： 本发明提供了一种基于特征增强金字塔网络的场景文本检测方法。该方法包括：将待检测图像输入到特征增强金字塔网络，特征增强金字塔网络对待检测图像经过不同的卷积阶段生成不同尺度的特征图，将不同尺度的特征图进行拼接得到富含尺度信息的高级特征图；将高级特征图输入到通道注意力机制模块中，输出经过权重选择的各个通道权重不同的特征图；将经过权重选择的各个通道权重不同的特征图输入到后处理模块，后处理模块输出待检测图像的文本检测结果。本发明使用Res2Net与特征增强金字塔网络作为骨架网络，在特征金字塔网络的基础上新增下采样路径，只对邻近层进行采样后融合，使用通道注意力机制增强文本特征的权重，使算法检测到更加精确的文本边界。
-
公开(公告)号：CN113343707A
公开(公告)日：2021-09-03
申请号：CN202110625864.2
申请日：2021-06-04
申请人： 北京邮电大学
摘要： 本发明提供了一种基于鲁棒性表征学习的场景文本识别方法。该方法包括：将待识别的图像输入文本矫正网络，得到矫正图像；将矫正图像输入编码器，编码器利用坐标编码模块提取图像的空间纹理信息，利用上下文建模网络提取文本的语义建模特征，输出文本的语义建模特征给全局语义提取模块和解码器；全局语义提取模对输入的文本的语义建模特征进行文本语义表征提取并输出给解码器；解码器根据接收的全局语义信息和文本的语义建模特征利用注意力机制进行串行分类预测，输出待识别的图像的文本识别结果。本发明通过文本表征网络和表征学习机制优化文本表征的提取和分布，有效提升文本识别中对于复杂背景干扰、多种字体风格与文本排布的鲁棒性。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.088 秒)
