-
公开(公告)号：CN113361561A
公开(公告)日：2021-09-07
申请号：CN202110399033.8
申请日：2021-04-14
Applicant: 华瑞新智科技(北京)有限公司
Abstract: 本申请公开了一种基于数据模糊性的在线学习方法、设备及介质，用以解决输入在线学习模型的输入数据过多，且输入的数据中具有典型性的数据相对稀疏等技术问题。方法包括：服务器基于训练样本数据完成模糊分类器的训练，其中，模糊分类器的数量为2N+1个，N为正整数；将来自终端的数据流输入到模糊分类器中；确定数据流中各个输入数据的模糊度；根据预设选取方式和输入数据的模糊度，确定来自终端的数据流中具有典型性的输入数据，并将具有典型性的输入数据发送给终端，其中，具有典型性的输入数据用于使终端更新随机权神经网络的在线学习模型。本申请通过上述方法降低了输入在线学习模型的输入数据数量，同时保证了输入数据的典型性。
-
公开(公告)号：CN112131936A
公开(公告)日：2020-12-25
申请号：CN202010812180.9
申请日：2020-08-13
Applicant: 华瑞新智科技(北京)有限公司
Abstract: 本申请公开了一种巡检机器人图像识别方法及巡检机器人，包括采集变电站中若干设备的可见光图像与红外光图像；根据预先训练好的深度目标识别神经网络模型，从所述可见光图像中识别出相应设备，以及确定所述识别出的相应设备在所述可见光图像中的位置坐标，并确定所述可见光图像中是否包括第一隐患类别设备图像；在所述可见光图像中未包括所述第一隐患类别设备图像的情况下，基于所述设备的位置坐标，对所述可见光图像对应的红外光图像进行识别，以确定所述红外光图像是否包括第二隐患类别设备图像。本申请通过优先检测若干设备的可见光图像，再对红外光图像识别、定位、测温的方法，提高了巡检的效率及准确率。
-
公开(公告)号：CN111240866A
公开(公告)日：2020-06-05
申请号：CN202010039038.5
申请日：2020-01-14
Applicant: 华瑞新智科技(北京)有限公司
Abstract: 本申请实施例公开了一种业务数据处理方法，包括：业务中台调用预先建立的第一数据中台；第一数据中台采集第一业务数据，并对第一业务数据进行处理；基于第一数据中台的反馈，业务中台根据处理后的业务数据的类型，调用第二数据中台或第三数据中台。本申请实施例先通过第一数据中台对第一业务数据的采集与处理，之后，业务中台基于第一数据中台的反馈，是否将处理后的第一业务数据转由第二数据中台或第三数据中台处理，繁复多变的业务数据可以由不同的数据中台进行处理。
-
公开(公告)号：CN111178208A
公开(公告)日：2020-05-19
申请号：CN201911330299.6
申请日：2019-12-20
Applicant: 华瑞新智科技(北京)有限公司 , 清华大学
Abstract: 本发明提供了一种基于深度学习的行人检测方法、装置及介质包括：使用深度学习神经网络对图像进行处理，获取图像中的多个关键点及所述关键点的嵌入特征，其中，所述多个关键点至少包括人的脖颈部位、人的头部、人的肩部；所述嵌入特征与所述关键点的位置相关；基于所述关键点的嵌入特征之间的距离，将所述关键点进行分组，形成第一组合和第二组合，将一个或多个第一组合形成的集合与一个或多个第二组合形成的集合，进行级联匹配，匹配成功，获得检测区域。本发明解决了已有的深度学习行人检测模型中，误检漏检现象较多的问题，从而更加准确地完成监控视频下的行人检测分析这一任务，为相关的安防监控分析与应用提供更好的技术支持。
-
公开(公告)号：CN110555371A
公开(公告)日：2019-12-10
申请号：CN201910654873.7
申请日：2019-07-19
Applicant: 华瑞新智科技(北京)有限公司
Abstract: 本申请公开了一种基于无人机的野生动物信息获取方法和装置，方法包括：通过控制无人机获取野生动物的遥感图像数据；利用已训练的特征提取神经网络模型对遥感图像数据进行特征提取，其中特征提取神经网络模型的各个模块内的各层之间为密集连接；利用已训练的物体识别神经网络模型根据多个预设特征图像尺度，分别对特征提取神经网络模型得到的遥感图像数据的多个特征图像进行识别，多个预设特征图像尺度是指特征图像相对于遥感图像的压缩比例；根据物体识别神经网络模型得到识别结果，确定遥感图像数据中野生动物的物种数以及各种野生动物的数量。本申请提供的技术方案能够提高野生动物信息获取的效率。
-
Patent Agency Ranking
公开(公告)号：CN110348403A
公开(公告)日：2019-10-18
申请号：CN201910637834.6
申请日：2019-07-15
Applicant: 华瑞新智科技(北京)有限公司
Abstract: 本发明属于统计技术领域，公开了一种树木数量实时测量统计方法、系统及无人机，所述方法包括模型训练：离线采集森林图像；对森林图像进行实例分割标注，获得森林样本图像；基于森林样本图像，通过深度学习网络训练获得用于树木数量统计的图像实例分割算法模型；实时测量统计：接收用户发出的控制指令；基于控制指令控制无人机升空飞行至待统计区域上空并定位；接收用户发出的统计指令；基于统计指令采集所述待统计区域的森林实时图像信息；将森林实时图像信息输入所述图像实例分割算法模型进行分割标注，获得所述待统计区域的树木数量信息；输出树木数量信息。本发明能够快速准确地计算出森林树木数量，达到实时效果。
-
公开(公告)号：CN109978036A
公开(公告)日：2019-07-05
申请号：CN201910202433.8
申请日：2019-03-11
Applicant: 华瑞新智科技(北京)有限公司
Abstract: 本发明公开了一种基于深度学习的目标检测中对深度学习模型进行训练的方法，包括，建立模型训练图片集，其中包括由不包含检测目标的实际场景图片构成的负样本训练集和由包含检测目标的非实际场景图片构成的正样本训练集；使用所述模型训练图片集以及其中的图片与检测目标相关的信息，对深度学习模型进行训练。本发明计算损失时考虑进了背景图片的损失，极大地降低了模型对实际检测场景中背景的误检率；对光照变化、场景改变有较强鲁棒性；运行速度快且能在cpu上实时运行检测，稳定而高效；硬件要求简单，易于大规模推广。
-
公开(公告)号：CN109934148A
公开(公告)日：2019-06-25
申请号：CN201910167914.X
申请日：2019-03-06
Applicant: 华瑞新智科技(北京)有限公司
IPC: G06K9/00
Abstract: 本发明提供一种基于无人机的实时人群计数方法，能快速统计室内室外场景下大范围人群数量。使用先进的深度学习技术，通过计算人群密度分布图的方式计算人群数量，极大地提高了密集人群场景下的计算准确度。无人机代替了固定式服务器，固定式监控设备，极大增强了应用场景，灵活，方便。本发明使用嵌入式GPU计算模块，运用GPU加速，计算能力大幅提升，能快速计算出人群数量，并能够实时回传地面站，达到实时统计、实时演示的要求。
-
公开(公告)号：CN114170475B
公开(公告)日：2025-04-11
申请号：CN202111283546.9
申请日：2021-11-01
Applicant: 华瑞新智科技(北京)有限公司 , 绿盟科技集团股份有限公司
IPC: G06V10/774 , G06V10/764 , G06V10/77 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本申请公开了一种用于图像分类的模型训练方法、设备及存储介质，用以解决现有的模型训练方法得到的模型无法取得较好的图像分类效果的技术问题。方法包括：获取样本图片的视觉特征向量；基于预设算法提取所述视觉特征向量中的浅层语义特征以及深层语义特征，并将浅层语义特征以及深层语义特征进行整合，得到联合语义特征；对联合语义特征进行语义空间对齐，以得到语义对齐损失函数；对视觉特征进行重构，并根据重构后的视觉特征确定自编码器损失函数；基于语义对齐损失函数、自编码器损失函数以及预设参数正则项，确定目标函数训练神经网络模型。本申请通过上述方法实现了提升语义嵌入空间的判别性，缓解了零样本学习模型的域偏置问题。
-
公开(公告)号：CN117056020A
公开(公告)日：2023-11-14
申请号：CN202311020295.4
申请日：2023-08-14
Applicant: 国网河北省电力有限公司信息通信分公司 , 华瑞新智科技(北京)有限公司 , 国家电网有限公司
IPC: G06F9/455 , G06N3/0455 , G06N3/092
Abstract: 本发明提供一种容器伸缩方法、系统、电子设备及存储介质。该方法包括：获取集群中容器当前时刻和至少一个历史时刻的状态信息；状态信息包括容器数量、负载数据和并发请求数量；负载数据包括CPU负载、GPU负载和内存占用数据；将状态信息输入到负载预测模型中，得到下一时刻的集群中容器的负载预测数据，其中，负载预测模型用于对状态信息进行相似融合，并将融合后的状态信息以及每个状态的发生时刻进行编码，得到总状态向量的表征向量；并根据总状态向量的表征向量，得到下一时刻的集群中容器的负载预测数据；根据集群容器当前时刻的负载数据和负载预测数据，对集群中容器进行伸缩控制。本发明能够提高集群中容器负载预测的准确率。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.059 seconds)
