-
公开(公告)号：CN117710267A
公开(公告)日：2024-03-15
申请号：CN202311732834.7
申请日：2023-12-15
Applicant: 中南大学
IPC: G06T5/90 , G06V10/764 , G06T7/70 , G06N3/0464 , G06N3/048 , G06N3/08 , G06T5/60
Abstract: 本发明涉及工业环境下安全监控技术领域，公开了一种面向工业环境的图像处理方法及系统，该方法将视频帧中的弱光图像作为输入图像增强网络框架进行训练，在训练时将弱光图像输入初始化模块，获取初始化模块输出的初始反射率和初始光照；将初始反射率和初始光照以及正常光照输入优化模块以迭代细化反射层和光照层，得到目标光照；将目标光照输入图像增强模块，获取输出的增强图像；将实时采集的工业环境的图像帧输入图像增强模型得到增强后的图像。可以解决现有的实时监控技术由于一些工业环境下照明条件不良、粉尘烟雾浓度过高导致监控视频获取的视频图像质量低进而影响最终识别结果的问题。
-
公开(公告)号：CN117291780A
公开(公告)日：2023-12-26
申请号：CN202311244200.7
申请日：2023-09-25
Applicant: 中南大学 , 禾麦科技开发(深圳)有限公司
Abstract: 本发明公开了一种周期自适应图卷积循环网络交通流预测方法，通过预训练模型的多个不同周期子模块获得的周期序列表征来学习交通流的周期特性，并利用自适应图卷积模块挖掘交通流之间的空间相关性，最后通过周期捕获来进行交通流预测，能大大提高交通流的预测精度。
-
公开(公告)号：CN117037269A
公开(公告)日：2023-11-10
申请号：CN202310959020.0
申请日：2023-08-01
Applicant: 中南大学 , 禾麦科技开发(深圳)有限公司
IPC: G06V40/20 , G06V20/40 , G06V20/52 , G06V10/25 , G06V10/62 , G06V10/82 , G06V10/94 , G06T7/246 , G06T7/269
Abstract: 本发明公开了一种轻量级政务大厅中人员异常行为监测方法，包括：S1、在边缘服务器中创建人员异常行为有效数据集和危险区域范围信息集；S2、采集预设区域范围的视频流发送至边缘计算服务器；S3、边缘计算服务器将接收到的视频流进行逐帧分解得到图像，将图像进行尺寸调整后输入目标检测模型，得到每个预测框的位置坐标、类别信息和置信度值；S4、进行目标跟踪；将每个预测框的位置坐标进行处理得到归一化位置坐标；对置信度值满足预设阈值的预测框的边界框进行非极大值抑制处理；S5、模型输出预测目标及目标行为结果，与人员异常行为有效数据集和危险区域范围信息集进行对比分析，输出监测结果。本发明还公开了用于本发明方法的系统。
-
公开(公告)号：CN116580563B
公开(公告)日：2023-09-22
申请号：CN202310835672.3
申请日：2023-07-10
Applicant: 中南大学
Abstract: 本发明公开了一种基于马尔可夫链的区域拥堵车源预测方法、装置及设备，方法包括：获取拥堵路段所在区域的公路路网情况和历史公路OD数据；对历史公路OD数据进行交通流分配，得到车辆行驶路径和各路段交通量；筛选途经拥堵路段的车辆行驶路径，并将路径起点确定为拥堵路段的车源；统计各车源对拥堵路段贡献量，根据贡献量占比时间序列，对各车源进行马尔可夫性的检验；对具有马尔可夫性的每个车源，利用其对待研究拥堵路段的贡献量占比时间序列，构建一步状态转移概率矩阵，进而建立马尔可夫车源预测模型；基于马尔可夫车源预测模型，预测待研究拥堵路段在目标时段的主要车源。本发明能够便捷、快速、客观地对拥堵路段主要车源进行精准预测。
-
公开(公告)号：CN113160585B
公开(公告)日：2022-09-06
申请号：CN202110312268.9
申请日：2021-03-24
Applicant: 中南大学 , 禾麦科技开发(深圳)有限公司
Abstract: 本发明公开了交通灯配时优化方法、系统及存储介质，通过将路口的历史车辆数据输入交通灯配时优化模型中，得到历史车辆数据对应的初步调控动作；计算并根据交通灯各个相位对应方向的车道压力确定历史车辆数据对应的辅助调控动作；再根据初步调控动作和辅助调控动作确定历史车辆数据对应的最优调控动作，使用最优调控动作对历史车辆数据进行标记，使用标记后的历史车辆数据对交通灯配时优化模型进行再次训练，获取交通灯各个相位对应方向的实时车辆数据，将实时车辆数据输入再次训练好的交通灯配时优化模型中，得到交通灯实时最优控制动作。通过路口的车道压力对交通灯配时优化模型进行辅助训练，使得该模型制定动作能有效缓解路口拥堵车道压力。
-
Patent Agency Ranking
公开(公告)号：CN113641920B
公开(公告)日：2022-02-18
申请号：CN202111189859.8
申请日：2021-10-13
Applicant: 中南大学
IPC: G06F16/9536 , G06Q30/06 , G06N3/04 , G06N3/08 , G06Q50/00
Abstract: 本发明公开了一种基于社区发现和图神经网络的商品个性化推荐方法及系统，该方法包括：获取用户和商品的交互信息，以用户和商品映射为节点，交互信息映射为边，构建用户交互网络；在构建的用户交互网络中进行社区发现，根据用户所属社区重新赋予用户节点的属性；将具有属性的用户节点与商品交互信息重新构建二部图，将用户节点和商品节点映射为向量表示；将用户向量表示和商品向量表示及构建的二部图输入嵌入传播层进行图表示学习，优化用户向量表示和商品向量表示；对优化后的用户向量和商品向量进行内积操作，根据内积结果，预测用户点击商品的概率；得到针对用户的个性化商品推荐序列。本发明能缓解推荐的冷启动问题，达到较好的推荐效果。
-
公开(公告)号：CN109831343B
公开(公告)日：2021-11-30
申请号：CN201910219920.5
申请日：2019-03-22
Applicant: 中南大学
Abstract: 本发明公开了一种基于过往策略的对等网络合作促进方法及系统，该方法包括以下步骤：将对等网络中的节点每次同意提供资源或拒绝提供资源的策略记录到对应节点的记忆区，节点的过往策略；节点在共享资源或请求资源时，将本节点的过往策略同本节点的邻居节点的过往策略的对应位置进行比较，偏向于选择和本节点的过往策略的相似度符合偏向选择策略的邻居节点作为博弈对象，共享资源或请求资源。本发明避免了节点通过反馈虚假信息来达到增加自身利益的现象，同时不需要中心节点的监管，避免微支付激励机制的单点故障问题。
-
公开(公告)号：CN109922152B
公开(公告)日：2021-08-31
申请号：CN201910190642.5
申请日：2019-03-13
Applicant: 中南大学
Abstract: 本发明涉及大数据计算技术领域，公开了一种移动边缘计算中的计算卸载方法及系统，以实现移动设备与提供计算服务的云服务器在物理意义上的真正接近，降低应用的访问延迟；本发明的方法包括：计算任务在本地运行时的第一所需时间和第一所需能量，计算任务进行卸载运行的第二所需时间和第二所需能量，根据第一所需时间、第一所需能量、第二所需时间、以及第二所需能量设定卸载条件，并根据卸载条件确定是否需要进行卸载计算，若需要，则设定服务器评价指标，根据服务器评价指标构建计算模型，根据计算模型确定卸载目标服务器。
-
公开(公告)号：CN113011699A
公开(公告)日：2021-06-22
申请号：CN202110129667.1
申请日：2021-01-29
Applicant: 中南大学 , 禾麦科技开发(深圳)有限公司
Abstract: 本发明公开了基于关键交叉口识别的交通网络动态子区划分方法及系统，通过获取并根据交通网络中各个交叉口的全局特性指标、局部特性指标以及实时交通特性指标识别交通网络的实时关键交叉口；根据实时关键交叉口对交通网络进行初步划分，得到交通网络的初步子区；构建细分目标函数，以各个初步子区的交通效益及网络划分指标全局最优为目标，使用所述细分目标函数分别对各个初步子区进一步细分，得到所述交通网络的实时动态子区，本发明在划分子区时引入了交通网络中各个交叉口的全局特性指标、局部特性指标以及实时交通特性指标识别交通网络的实时关键交叉口，能解决以关键交叉口为核心的子区内的交通拥堵问题。
-
公开(公告)号：CN108390775B
公开(公告)日：2021-03-30
申请号：CN201810111479.4
申请日：2018-02-05
Applicant: 中南大学
Abstract: 本发明涉及计算机虚拟化领域，公开了一种基于SPICE的用户体验质量评价方法及系统，以增强自适应能力，减少误差，针对不同用户不同场景的用户体验需求和反馈，改善服务质量，提高用户的使用效益；该方法包括：采集有关用户体验的平均主观得分差作为实际用户体验质量；通过SPICE协议采集服务端、网络层以及客户端在不同场景中与实际用户体验质量对应的相关数据指标；建立相关数据指标与实际用户体验质量之间的映射关系，根据映射关系得到预测用户体验质量，采用DBN与BP神经网络计算预测用户体验质量与实际用户体验质量之间的损失函数，基于损失函数，对映射关系进行优化，进一步完成对用户体验质量的自动评价。
-
-
-
-
-
-
-
-
-
Search Results
145
records
(took 0.094 seconds)
