Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南京航空航天大学宋熙获国家专利权

南京航空航天大学宋熙获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉南京航空航天大学申请的专利一种面向多视觉任务的信道自适应语义通信方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN118691937B

龙图腾网通过国家知识产权局官网在2025-09-30发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202410688178.3,技术领域涉及:G06V10/82;该发明授权一种面向多视觉任务的信道自适应语义通信方法及系统是由宋熙;周福辉;屠冉;陆志宏;渠智渤;丁锐;吴启晖设计研发完成,并于2024-05-30向国家知识产权局提交的专利申请。

一种面向多视觉任务的信道自适应语义通信方法及系统在说明书摘要公布了:本发明公开了一种面向多视觉任务的信道自适应语义通信方法及系统,包括:多尺度视觉语义特征提取;信道自适应模块级联增强语义;非对称多尺度语义编码器压缩编码;带噪物理信道语义传输;非对称多尺度语义解码器解码;通过特征金字塔结构进一步增加多尺度语义特征尺度与关联性,得到多尺度语义特征;将多尺度语义特征输入任务头执行对应的视觉任务。本发明通过基于通道注意力方法的信道自适应模块,构建具备提取信道自适应视觉语义的语义提取网络,支撑面向图像分类、目标检测、语义分割等任务的语义通信系统,提升动态干扰场景下语义通信鲁棒性及实时性,以保证多视觉任务精度和效率。

本发明授权一种面向多视觉任务的信道自适应语义通信方法及系统在权利要求书中公布了:1.一种面向多视觉任务的信道自适应语义通信方法,其特征在于,所述信道自适应语义通信方法包括以下步骤: 步骤1,输入视觉任务图像,对输入的视觉任务图像进行预处理后送入由深度卷积神经网络构成的特征提取模块,提取得到初步多尺度语义特征O=O2,O3,O4,O5; 步骤2,将提取到的初步多尺度视觉语义特征O=O2,O3,O4,O5全局平均池化为多尺度视觉语义特征池化向量p,融合信道信噪比信息μ与多尺度视觉语义特征池化向量p生成融合向量pμ,联合输入两层全连接网络生成权重因子si;依赖权重因子si对初步多尺度视觉语义特征O=O2,O3,O4,O5赋予权重生成增强语义F=F2,F3,F4,F5; 步骤3,通过四个并行压缩模块压缩对应尺度的增强语义特征F=F2,F3,F4,F5为C={C2,C3,C4,C5},将压缩后的多尺度语义特征C={C2,C3,C4,C5}维度变换为一维向量并转换为复数信号向量对复数信号向量执行标准化,得到消息z; 步骤4,通过带噪物理信道语义传输消息z得到经过信道噪音干扰的复数信号向量; 步骤5,接收经过信道噪音干扰的复数信号向量,将其维度变换为和压缩多尺度语义特征一致;通过四个与编码模块不对称的并行残差解码模块重建发送端提取的语义特征步骤6,通过特征金字塔结构增加多尺度语义特征尺度与关联性,输出步骤7,将多尺度语义特征输入任务头执行对应的视觉任务; 步骤8,输入特定视觉任务训练集,包括图像分类、目标检测、语义分割任务,迭代训练面向多视觉任务的信道自适应语义通信系统; 步骤9,输入特定视觉任务测试集,包括图像分类、目标检测、语义分割任务,验证面向多视觉任务的信道自适应语义通信系统; 步骤2进一步包括以下步骤: 通过传输信道估计获取信道信噪比信息SNR=μ,获取多层深度残差卷积网络提取的初步多尺度视觉语义特征O=O2,O3,O4,O5; 将多尺度视觉语义特征通过全局平均池化转变为一维向量p,结合信噪比信息μ通过concatenate函数与向量p融合生成向量pμ: pμ=concatenatep,μ将向量pμ输入两层全连接网络,经过非线性变换生成权重因子si,权重因子生成结果在训练中不断迭代调整,以突出强调更有效的语义特征信息; 依赖于权重因子si,对初步多尺度视觉语义特征O=O2,O3,O4,O5赋予权重: Fi,:,:I=si·Oi,:,:I其中Fi,:,:I表示赋权后语义特征集合,Oi,:,:I表示赋权前语义特征集合,最终生成信道自适应的增强语义F=F2,F3,F4,F5进行语义通信传输; 步骤3进一步包括以下步骤: 采用四个并行的单尺度语义编码器构建非对称多尺度语义编码器网络,四个并行的单尺度语义编码器对应处理四个尺度,每个单尺度语义编码器仅包含两层变换特征通道数的卷积,将特征变换为符合特定带宽压缩比R的压缩特征,其中R的定义为: R=k其中k是信道输入字节数,n是视觉图像字节数; 非对称多尺度语义编码器对多尺度语义特征压缩过程表示为: C=M EF;βT其中C表示压缩后多尺度语义特征C={C2,C3,C4,C5},βT为非对称多尺度语义编码器可训练参数; 将压缩后多尺度语义特征C={C2,C3,C4,C5}维度变换为一维向量并转换为复数信号向量对复数信号向量执行标准化: 其中K表示向量长度,P表示平均传输功率限制,表示的转置。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人南京航空航天大学,其通讯地址为:211106 江苏省南京市江宁区将军大道29号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。