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 > 香港中文大学(深圳)缪一铭获国家专利权

香港中文大学(深圳)缪一铭获国家专利权

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!

龙图腾网获悉香港中文大学(深圳)申请的专利一种轻量级图像语义通信方法、系统及可读存储介质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:CN119495100B

龙图腾网通过国家知识产权局官网在2025-07-18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:202510074433.X,技术领域涉及:G06V20/70;该发明授权一种轻量级图像语义通信方法、系统及可读存储介质是由缪一铭;袁晨昕;薛浩楠;邱萌设计研发完成,并于2025-01-17向国家知识产权局提交的专利申请。

一种轻量级图像语义通信方法、系统及可读存储介质在说明书摘要公布了:本发明涉及语义通信技术领域,公开了一种轻量级图像语义通信方法、系统及可读存储介质,所述方法包括:发送端获取源图像,采用深度学习模型提取所述源图像的纹理语义,采用传统视觉算法提取所述源图像的颜色语义;发送端将所述颜色语义和所述纹理语义发送给接收端;接收端融合所述颜色语义和所述纹理语义,重建所述源图像。本发明通过拆分语义通信任务,引入简单的传统计算机视觉算法,代替现有技术在语义通信过程中使用的部分深度学习模型,避免了过度依赖深度模型可能会导致显著的高延迟,解决了现有技术的语义通信方法完全依赖神经网络模型,导致需要的算力过大,难以在现有硬件条件下在全场景下真机部署使用的问题。

本发明授权一种轻量级图像语义通信方法、系统及可读存储介质在权利要求书中公布了:1.一种轻量级图像语义通信方法,其特征在于,所述轻量级图像语义通信方法,包括: 发送端获取源图像,采用深度学习模型提取所述源图像的纹理语义,采用传统视觉算法提取所述源图像的颜色语义; 发送端将所述颜色语义和所述纹理语义发送给接收端; 接收端融合所述颜色语义和所述纹理语义,重建所述源图像; 所述发送端将所述颜色语义和所述纹理语义发送给接收端,具体包括: 发送端将所述颜色语义量化为量化颜色语义,将所述纹理语义量化为量化纹理语义; 发送端将所述量化颜色语义和量化纹理语义传输给接收端; 接收端对所述量化颜色语义采用传统视觉算法还原得到所述颜色语义,采用纹理还原模型处理所述量化纹理语义还原得到所述纹理语义; 所述传统视觉算法具体为高斯滤波器算法; 所述发送端和接收端均包括多个辅助设备,所述深度学习模型包括纹理提取模型和浅层神经网络,所述采用深度学习模型提取所述源图像的纹理语义,具体包括: 将所述源图像输入浅层神经网路提取源图像的浅层特征; 将所述浅层特征分割成若干特征块; 将若干所述特征块分配给多个辅助设备,每个辅助设备采用纹理提取模型分别对所述特征块进行处理,得到所述纹理语义; 所述采用纹理还原模型处理所述量化纹理语义还原得到所述纹理语义,具体包括: 将所述量化纹理语义分割成若干语义块; 将若干所述语义块分配给多个辅助设备,每个辅助设备采用纹理还原模型分别对所述语义块进行处理,还原得到所述纹理语义; 所述将所述浅层特征分割成若干特征块,具体包括: 获取分割消耗模型,根据分割消耗模型,以总耗时最低为目标计算每个辅助设备的分割大小: ; ; ; ; 其中,为总耗时,表示约束,表示第个辅助设备在对应的分割大小下的内存消耗,表示第个辅助设备的可用内存上限,是可用设备的最大数量,是辅助设备数量; 根据各个所述分割大小,将所述浅层特征分割成若干特征块; 所述将所述量化纹理语义分割成若干语义块,具体包括: 获取分割消耗模型,根据分割消耗模型,以总耗时最低为目标计算每个辅助设备的分割大小: 根据各个所述分割大小,将所述量化纹理语义分割成若干语义块; 所述获取分割消耗模型,具体包括: 建立同构系统的真实协议下的并行耗时模型: ; 其中,为同构系统的实际协议并行耗时,为完成单位输入数据的推理计算所需的CPU周期数,是接收端与辅助设备之间的传输数据速率,是辅助设备的数据速率,表示辅助设备在单位时间内能完成的CPU周期数,为额外需传输数据的大小,为量化纹理语义大小,为可用的辅助设备的数量; 建立异构系统的真实协议下的并行耗时模型: ; 其中,表示异构系统的实际协议并行耗时,代表辅助设备处理的数据块大小,代表主设备和辅助设备之间的传输速率,代表辅助设备的数据速率,代表辅助设备在单位时间内能完成的CPU周期数; 建立辅助设备的内存消耗模型: ; 其中,为完成单位输入数据的推理计算所需占用的内存,为加载模型参数权重所需占用的内存; 将所述同构系统的真实协议下的并行耗时模型、所述内存消耗模型和所述异构系统的真实协议下的并行耗时模型的集合作为所述消耗模型。

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香港中文大学(深圳),其通讯地址为:518172 广东省深圳市龙岗区龙城街道龙翔大道2001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”。

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。