公开(公告)号：CN117010450A

公开(公告)日：2023-11-07

申请号：CN202310914523.6

申请日：2023-07-25

Applicant: 南京邮电大学

Inventor： 李星宇 ,  刘林峰 ,  徐佳 ,  吴家皋

IPC: G06N3/0455 ,  G06N3/084 ,  G06N3/0895 ,  G06N20/00

Abstract: 本发明提供了一种无人机集群任务协作方法，包括以下步骤：模型拆分，将模型拆分为两部分，交付给不同组别的无人机进行训练，同时对拆分的模型增加了对应的辅助函数；模型训练，在特定的全局轮中，各无人机接收到上一轮全局聚合后的模型和辅助函数；组长选取，大小组长节点的选取即选取高信誉节点，由高信誉节点在联邦学习中负责聚合与分发参数；辅助函数，通过自编码器提取输入信息的潜在特征，将其用于重构出与输入数据相同尺寸且带有表征特征的输出结果。本发明通过在拆分后的模型中引入辅助函数，实现了拆分模型的并行训练，在提升集群任务协作准确率与集群抗毁性的同时，降低了节点间的通信负担。

公开(公告)号：CN113947542B

公开(公告)日：2024-12-03

申请号：CN202111196138.X

申请日：2021-10-14

Applicant: 南京邮电大学

Inventor： 闫星辰 ,  张文哲 ,  李星宇 ,  汤若聪 ,  刘林峰

IPC: G06T5/73 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种图像去雾方法，先获取公开数据集作为训练数据，公开数据集包括同一场景拍摄的有雾图像、去雾图像以及无雾图像，然后将训练数据输入包括生成器和判别器的对抗模型中进行训练，多次训练直到生成器和判别器达到纳什均衡状态，得到训练后对抗模型，最后将待去雾处理图像输入训练后对抗模型，得到优化去雾图像。本发明通过重复将包括同一场景拍摄的有雾图像、去雾图像以及无雾图像的公开数据集输入包括生成器和判别器的对抗模型中进行训练，直到生成器和判别器达到纳什均衡状态，得到能够使用并输出优化去雾图像的训练后对抗模型，解决现有图像去雾方法无法在高效去雾的同时，使去雾图像不会失真且具有良好的可见性的问题。

公开(公告)号：CN113947542A

公开(公告)日：2022-01-18

申请号：CN202111196138.X

申请日：2021-10-14

Applicant: 南京邮电大学

Inventor： 闫星辰 ,  张文哲 ,  李星宇 ,  汤若聪 ,  刘林峰

IPC: G06T5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种图像去雾方法，先获取公开数据集作为训练数据，公开数据集包括同一场景拍摄的有雾图像、去雾图像以及无雾图像，然后将训练数据输入包括生成器和判别器的对抗模型中进行训练，多次训练直到生成器和判别器达到纳什均衡状态，得到训练后对抗模型，最后将待去雾处理图像输入训练后对抗模型，得到优化去雾图像。本发明通过重复将包括同一场景拍摄的有雾图像、去雾图像以及无雾图像的公开数据集输入包括生成器和判别器的对抗模型中进行训练，直到生成器和判别器达到纳什均衡状态，得到能够使用并输出优化去雾图像的训练后对抗模型，解决现有图像去雾方法无法在高效去雾的同时，使去雾图像不会失真且具有良好的可见性的问题。

公开(公告)号：CN116755469A

公开(公告)日：2023-09-15

申请号：CN202310741099.X

申请日：2023-06-21

Applicant: 南京邮电大学

Inventor： 李星宇 ,  刘林峰 ,  徐佳 ,  吴家皋

IPC: G05D1/10

Abstract: 本发明提供了一种无人机集群容错控制方法，包括以下步骤：三维图着色算法，采用三维图着色算法来为集群内的各无人机节点实现三维空间内的分组；着色流程，已知无人机集群内各节点三维坐标，且所有无人机节点都是诚实的，利用自身所有可用数据集训练得到最佳模型；容错控制，利用图着色算法对集群进行三维空间内的分组，实现各组节点的空间合理发布，并在各组内进行数据冗余；组长选取，无人机集群通过三维图着色算法划分为若干小分组后，将若干小分组划分为集群的两个大分组，各小分组内部采用点对点的联邦学习框架来执行任务协作。相较于现有技术，本发明算法复杂度较低且准确率较高，对设备计算负担较小，鲁棒性较强。