-
公开(公告)号：CN118446899B
公开(公告)日：2024-08-30
申请号：CN202410897395.3
申请日：2024-07-05
Applicant: 杭州电子科技大学 , 杭州电子科技大学舟山同博海洋电子信息研究院有限公司
IPC: G06T3/4053 , G06T3/4046 , G06N3/0464 , G06N3/045 , G06N3/096 , G06V10/44 , G06V10/42 , G06V10/80 , G06V10/82
Abstract: 本发明公开了基于层级感受野Transformer的图像超分辨率方法，该方法首先将低分辨率图像输入到浅层特征提取模块，通过卷积层提取得到浅层特征。其次将浅层特征输入到由若干个HRT模块级联而成的深层特征提取模块，得到深层特征。最后将浅层特征和深层特征分别输入图像重建模块，将两个重建模块的输出相加后得到高分辨率图像。本发明大幅提升了图像超分辨率重建的效果，具有广泛的应用前景和显著的实用价值。
-
公开(公告)号：CN110990155B
公开(公告)日：2022-03-22
申请号：CN201911197625.0
申请日：2019-11-29
Applicant: 杭州电子科技大学 , 杭州电子科技大学舟山同博海洋电子信息研究院有限公司 , 浙江曙光信息技术有限公司
Abstract: 本发明公开了一种面向大规模安全监控的参数通信方法。本发明首先利用监控图片作为数据集，采用多节点集群组成参数服务器系统，其中一个节点作为参数服务器，其他节点作为计算节点。其次部署性能监控模型，参数服务器通过性能监控模块获取计算节点的性能参数。然后参数服务器以收集到的性能参数为依据，使用性能聚类算法计算出参数服务器下次同步计算节点的数量。最后计算节点根据同步标记选择全局模型或本地模型进入下一次迭代训练。本发明动态限制参数服务器的同步屏障规模，减少了同步通信开销，并且保证了模型训练的准确率；在计算节点间实现了有限异步计算，充分发挥了集群整体性能，实现集群动态负载均衡。
-
公开(公告)号：CN118711044A
公开(公告)日：2024-09-27
申请号：CN202410749626.6
申请日：2024-06-12
Applicant: 杭州电子科技大学 , 杭州电子科技大学舟山同博海洋电子信息研究院有限公司
Abstract: 本发明公开了一种改进RPA机器人的验证码自动化识别方法，该方法首先采集滑动验证码的真实图像，对图像缺口进行标注，保存后混合开源的滑动验证码数据集，得到训练数据集。其次在YOLOv8中构建自注意力层，将训练数据集作为输入，完成验证码自动化识别，训练后得到最初的滑动验证码识别模型。然后将最初的滑动验证码模型封装成插件，调用插件完成验证码背景信息解析，返回滑块与缺口之间的距离，完成验证识别。最后插件自动记录通过验证码的数据对，利用数据对分别对最初的滑动验证码识别模型做增量训练。本发明显著提升了目标检测算法的识别率，并通过自适应增量训练，调整模型结构。
-
公开(公告)号：CN118709835A
公开(公告)日：2024-09-27
申请号：CN202410763953.7
申请日：2024-06-14
Applicant: 杭州电子科技大学 , 杭州电子科技大学舟山同博海洋电子信息研究院有限公司
IPC: G06Q10/04 , G06F18/10 , G06F18/213 , G06F18/2431 , G06F18/27 , G06N3/045 , G06N3/049 , G06N3/0442 , G06N3/0464 , G06N3/0499 , G06N3/096 , G06N20/20 , G06F123/02
Abstract: 本发明公开了一种基于集成学习的业务流程多任务预测方法，该方法首先获取系统运行产生的业务流程历史日志数据，并提取用于预测任务的信息构建成原始数据集，针对不同的任务，对原始数据集进行预处理。其次构建由输入层、嵌入层、特征提取层、多任务输出层组成的多任务预测模型，使用预处理后的原始数据集作为多任务预测模型输入，得到各任务的预测结果，并计算损失，对多任务预测模型进行训练。最后将训练后的多任务预测模型进行在线部署，根据系统产生的业务流程日志进行流程任务预测。本发明利用集成学习的思想，以提高任务预测精度和泛化能力，为预测性业务流程监控领域的研究提供了方法支持。
-
公开(公告)号：CN111079921A
公开(公告)日：2020-04-28
申请号：CN201911197354.9
申请日：2019-11-29
Applicant: 杭州电子科技大学舟山同博海洋电子信息研究院有限公司 , 杭州电子科技大学
Abstract: 本发明公开了一种基于异构分布式系统的高效神经网络训练调度方法。本发明首先通过资源探测系统探测并分析分布式系统中的资源动态变化；将训练过程分解为内迭代与外迭代作为任务调度系统的重要子集，并根据资源探测系统提供的分布式系统节点状态信息，随后任务调度系统自适应地修改环境参数并调度计算。在公开数据集下进行的相关实验表明，在保证高准确率、收敛率的前提下，本发明具有更好的鲁棒性和可扩展性。
-
Patent Agency Ranking
公开(公告)号：CN110990155A
公开(公告)日：2020-04-10
申请号：CN201911197625.0
申请日：2019-11-29
Applicant: 杭州电子科技大学 , 杭州电子科技大学舟山同博海洋电子信息研究院有限公司 , 浙江曙光信息技术有限公司
Abstract: 本发明公开了一种面向大规模安全监控的参数通信方法。本发明首先利用监控图片作为数据集，采用多节点集群组成参数服务器系统，其中一个节点作为参数服务器，其他节点作为计算节点。其次部署性能监控模型，参数服务器通过性能监控模块获取计算节点的性能参数。然后参数服务器以收集到的性能参数为依据，使用性能聚类算法计算出参数服务器下次同步计算节点的数量。最后计算节点根据同步标记选择全局模型或本地模型进入下一次迭代训练。本发明动态限制参数服务器的同步屏障规模，减少了同步通信开销，并且保证了模型训练的准确率；在计算节点间实现了有限异步计算，充分发挥了集群整体性能，实现集群动态负载均衡。
-
公开(公告)号：CN118521862A
公开(公告)日：2024-08-20
申请号：CN202410745161.7
申请日：2024-06-11
Applicant: 杭州电子科技大学 , 杭州电子科技大学舟山同博海洋电子信息研究院有限公司
IPC: G06V10/80 , G06V10/44 , G06V10/25 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于重参数化卷积的目标检测位置编码方法，该方法首先将图像向量进行滑动窗口上采样处理，获得扩充后的图像向量Wout。其次提取滑动窗口上采样后的Wout的卷积位置编码信息，以及提取图像掩码的绝对位置信息。最后将卷积位置编码信息和绝对位置信息，通过融合位置编码再提取模块，获得融合后的图像位置编码特征，完成目标检测位置编码。本发明充分利用图像特征信息和掩码，更好的利用图像原本的特征，从而提高整个模型的检测能力。
-
公开(公告)号：CN118446899A
公开(公告)日：2024-08-06
申请号：CN202410897395.3
申请日：2024-07-05
Applicant: 杭州电子科技大学 , 杭州电子科技大学舟山同博海洋电子信息研究院有限公司
IPC: G06T3/4053 , G06T3/4046 , G06N3/0464 , G06N3/045 , G06N3/096 , G06V10/44 , G06V10/42 , G06V10/80 , G06V10/82
Abstract: 本发明公开了基于层级感受野Transformer的图像超分辨率方法，该方法首先将低分辨率图像输入到浅层特征提取模块，通过卷积层提取得到浅层特征。其次将浅层特征输入到由若干个HRT模块级联而成的深层特征提取模块，得到深层特征。最后将浅层特征和深层特征分别输入图像重建模块，将两个重建模块的输出相加后得到高分辨率图像。本发明大幅提升了图像超分辨率重建的效果，具有广泛的应用前景和显著的实用价值。
-
公开(公告)号：CN111027708A
公开(公告)日：2020-04-17
申请号：CN201911197591.5
申请日：2019-11-29
Applicant: 杭州电子科技大学舟山同博海洋电子信息研究院有限公司 , 杭州电子科技大学 , 浙江曙光信息技术有限公司
Abstract: 本发明公布一种面向分布式机器学习的参数通信优化方法。本发明将机器学习迭代-收敛算法的容错特性进行扩展，提出了动态有限容错特性，并基于动态有限容错性实现了一种分布式机器学习参数通信优化策略，通过动态调节各计算节点与参数服务器的同步策略结合性能检测模型，充分利用各计算节点的性能，保证机器学习模型准确率；保证计算资源充足，模型的训练过程不受分布式计算资源动态变化的影响；将训练算法和系统硬件资源进行解耦，解放了开发人员凭经验手工进行计算资源的分配以及数据通信调优的过程，有效的提高了程序在各种集群环境下的扩展性和较高的执行效率。本发明可应用于分布式机器学习参数通信的优化、集群计算性能的优化等领域中。
-
公开(公告)号：CN118710933A
公开(公告)日：2024-09-27
申请号：CN202410749741.3
申请日：2024-06-12
Applicant: 杭州电子科技大学 , 杭州电子科技大学舟山同博海洋电子信息研究院有限公司
IPC: G06V10/72 , G06V10/77 , G06V10/62 , G06V10/82 , G06N3/0464 , G06N3/0499
Abstract: 本发明公开了一种基于交互二维卷积的多变量时间序列数据预测方法，属于时序数据预测领域，该方法首先定时或持续记录，收集时序数据。其次构建多变量时间序列数据预测模型，输入收集的时序数据，得到预测结果。最后对多变量时间序列数据预测模型进行训练，并测试。本发明有效捕获长期时间变量，提升预测精度，打破变量空间连续性，帮助充分捕获变量间相关性，提升模型鲁棒性，适用于多变量时序数据预测任务。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.055 seconds)
