本发明涉及一种重复编码块的信道分级联合译码器及其译码方法，属于移动通信技术领域。发送端将需要发送的数据块进行信道编码之后，在不同的物理资源上进行传输。接收端在不同物理资源上接收的数据块，采用两个相同的信道译码器进行交替迭代译码，其中第一个信道译码器使用第二个信道译码器的外信息，第二个信道译码器使用第一个信道译码器的外信息。为了增加通信可靠性，采用物理层重复传输方法，重复传输数据块之后没有关联，每个数据块自行解码。虽能够提供通信抗强干扰能力，无法获得重传数据块的传输分集增益。本发明将两个数据块送入一个分集联合译码器中进行译码，不仅能够抗强干扰，同时能够获得两个重传传输信道的分集合并增益。
📄 2023105016058
📂 H04L1_00
👤 重庆邮电大学
📅 2023-05-06
本发明提供了一种基于分离‑挤压‑瓶颈‑联合编解码器的息肉图像分割技术，以下步骤：步骤1:对于给定的的息肉图像#imgabs0#，从基于res2net()主干网中提取五个层级的特征；将特征#imgabs1#分为低层特征和高层特征；步骤2:使用带有分离‑挤压‑瓶颈‑联合编码器对不同层级进行编码；步骤3:在编码阶段，使用编码器对不同层级特征进行融合;步骤4:在细化阶段，使用分离‑挤压‑瓶颈‑联合块编码器提取的信息对初始预测图逐级地细化特征；步骤5:在整个网络的训练中，采用交叉熵损失函数和交并比损失函数来指导网络的学习;应用本技术方案可实现从不同的角度挖掘几何上下文信息，同时计算通道相关关系，增强特征的表征能力，以解决息肉分割问题。
📄 2022103113504
📂 G06T7_11
👤 闽江学院
📅 2022-03-28
一种基于信息互补的双流解码器的图像显著性检测方法，包括：步骤S1、将标签图像分解得到对应的主体标签图和轮廓细节标签图；步骤S2、对训练数据集图像做随机裁剪、随机旋转、归一化、灰度化处理以增强样本的多样性；步骤S3、输入图像，使用VGG16框架预先处理，并使用一组不同维度的编码块，分别收集不同大小的图像特征；步骤S4、对通过编码器得到的五层输出特征图输入Embedding层，进行统一维度；步骤S5、将目标主体图编码后的特征和轮廓细节图编码后的特征，分别传入显著性支路和轮廓图支路，同时在各自支路上分别用获得的主体特征图和轮廓特征图进行监督；步骤S6、将两个主支路上所得到的目标主体特征和轮廓细节特征进行相加融合后，得到最终的预测图像。
📄 2021113040647
📂 G06V10_25
👤 浙江工业大学
📅 2021-11-05
本发明公开了一种基于编码器解码器的次路引导主路学习交互检测方法，包括取已标注的交互图片输入特征提取模块，得到由特征提取模块输出的图片特征；将图片特征分别输入所述双路学习模块的主路和次路，得到主路和次路分别输出的用于人、物和交互的特征；将主路和次路输出的用于人、物和交互的特征输入所述交互预测模块，得到分别对应于主路和次路的预测结果；根据对应于主路和次路的预测结果进行一致性学习，并对主路和次路进行损失监督，更新深度学习模型的网络参数；取训练后最优的深度学习模型对待检测的交互图片输出预测结果。本发明引入多层感知机进行全局感受野编码，以克服上述背景技术中所提出的技术问题。
📄 2022111759072
📂 G06V10_82
👤 浙江工业大学
📅 2022-09-26
本发明公开了一种基于级联解码器的语义人物交互检测方法，将待检测图像输入到骨干网络提取特征，将提取的特征展平为一维向量，作为后续处理的图像视觉特征，然后将图像视觉特征输入到共享编码器，得到编码特征，之后采用人‑物解码器和动词解码器进行解码，采用语义分支得到置信度分数，采用置信度分数来约束输出，得到最终的检测结果。本发明使用级联解码器的结构来更好的获取人‑物与动作的特征，并通过预训练的语义模块来约束预测结果的输出，最后输出交互结果，提高了人‑物交互检测的精度。
📄 2022108030601
📂 G06V40_20
👤 浙江工业大学
📅 2022-07-07
本发明公开了一种基于编码器解码器结构的增强样本和增强查询的交互检测方法，包括取已标注的交互图片输入特征提取模块，得到由特征提取模块输出的图片特征；将图片特征分别输入所述动态语言信息生成查询模块和掩码真值去噪模块，得到两组用于查询人、物和交互的查询；将两组查询输入到解码器得到两组用于预测交互三元组的特征；再将两组特征输入交互预测模块得到预测结果。根据多标签Focal损失和交互损失，监督预测结果，更新深度学习模型的网络参数；取训练后最优的深度学习模型对待检测的交互图片输出预测结果。本发明引入动态语言信息生成查询模块和掩码真值去噪模块，以克服上述背景技术中所提出的技术问题。
📄 2023101822500
📂 G06V10_40
👤 浙江工业大学
📅 2023-03-01
本发明公开了一种基于Transformer解码器的3D人体模型重建方法，对原始RGB图像进行预处理，将其输入卷积神经网络进行特征提取，获得图像网格特征；将模板3D人体模型的顶点坐标输入一个线性层，获得编码后的模板顶点特征，将图像网格特征融入当前状态的顶点特征，并最终形成变换后的顶点特征，将变换后的顶点特征通过上采样层进行上采样，并通过逆向线性层将顶点特征解码为最终预测的3D人体模型顶点坐标。本发明更加充分地利用了图像网格特征中的局部信息，同时对顶点特征变换过程施加严格的语义一致性约束，帮助网络忽略不必要的语义转换，聚焦于预测更精准的人体模型。
📄 2021115439219
📂 G06T17_20
👤 浙江工业大学
📅 2021-12-16
一种基于深度神经网络的图像编解码器的训练方法，所述训练方法包括以下步骤：第一步、空间解耦：用于解除编解码器和生成模型的耦合，并解除隐变量编码与重建模块的耦合；第二步，时间分治：在训练编解码器的不同阶段优化不同的损失函数并使用不同的学习速率来提高训练的速度与稳定性。本发明提供了一种有效避免多个误差函数相互干扰的基于深度神经网络的图像编解码器的训练方法。
📄 2018104462794
📂 G06K9_62
👤 浙江工业大学
📅 2018-05-11
本发明请求保护一种基于C-RAN平台的下行多模信道编码系统及方法，包括：多模高速CRC编码、下行多模信道编码，其中下行多模信道编码根据不同的标准采用卷积编码、Turbo编码。本发明在GSM/TD-SCDMA/LTE三大标准框架下，采用资源合理共享和综合优化，设计了在不断电的情况下即可根据模式转换信号进行三个标准间下行信道编码切换的方案。该方案中多模信道编码采用8比特并行高速算法，不仅能实现多模且计算速度较传统速度提高8倍，还可节省C-RAN架构下紧张的资源，减小延时，提高系统性能。
📄 2014107281805
📂 H04L1_00
👤 重庆邮电大学
📅 2014-12-03
本发明公开了一种基于多时间步金字塔编解码器的目标跟踪方法。本发明方法首先对含有模板帧的视频帧序列通过编码器获取时序编码特征，并对时序编码特征进行卷积与池化操作获得时序卷积核；然后构建全局卷积模块获得帧序列的长短期特征，并将时序编码特征与长短期特征输入构建的多尺度特征生成模型以捕获多尺度特征；最后通过分类支路与回归支路获得目标中心点及其所在区域信息，并据此获得最终的目标边界框。本发明方法利用多时间步编码器并行地快速处理连续的多个视频帧，通过全卷积模块刻画视频帧间的长短期时序关系，并充分融合不同尺度下的目标特征，能够有效捕捉跨度时间长、尺度变化大的目标，提高了目标跟踪的准确率和效率。
📄 2020111549662
📂 G06T7_246
👤 杭州电子科技大学
📅 2020-10-26
本发明涉及一种多中继无线网络编码缓存与信道编码联合优化方法，包括以下步骤：步骤一、用户缓存文件数据：采用去中心化编码缓存，用户独立随机缓存文件的一部分数据，以改进的分组缓存方法，存储在用户终端，不缓存剩余部分文件，来获得传输阶段编码多播增益；步骤二、用户向中继服务器发送请求索引数据：用户将索引数据，经编码、调制等处理后，得到发送信号，经天线发送到中继服务器；然后，同一簇中的中继服务器协同检测接收信号，经解调、译码处理后，得到用户文件请求的索引，协作传输给用户；该发明方法将编码缓存用于多中继干扰应用，提高了信道吞吐量和传输效率，减少了链路负载，保证了系统误码率，可有效提高传输有效性和可靠性。
📄 2020116041454
📂 H04W28_08
👤 杭州电子科技大学
📅 2020-12-29
本发明公开了一种联合均匀量化和理想信道编码的平均失真理论值的推导方法及系统，方法按如下步骤进行：步骤1.在均匀量化的BSC信道下推导平均失真D；步骤2.推导联合均匀量化和理想信道编码的衰落信道下的平均失真D；步骤3.推导衰落信道下单发单收天线系统的平均失真D1；步骤4.推导衰落信道下双发单收天线系统的平均失真D2。本发明能有效推导出两种天线系统情况下平均失真的理论值。
📄 2022107181638
📂 H04B17_391
👤 杭州电子科技大学
📅 2022-06-23
柿子坊 · 知识产权运营
柿子坊知识产权运营平台