-
公开(公告)号：CN107247624B
公开(公告)日：2020-10-13
申请号：CN201710413186.7
申请日：2017-06-05
Applicant: 安徽大学
Abstract: 本发明公开了一种面向Key‑Value系统的协同优化方法及系统，所述方法包括：当主机端接收的读写请求需要调度compaction线程时，主机端向存储端发送compaction调度请求；存储端将compaction调度请求分割为主机端子任务和存储端子任务；主机端和存储端分别对主机端子任务和存储端子任务信息进行合并排序操作，得出第一结果和第二结果；存储端对第一结果和第二结果进行合并优化操作。本发明在靠近数据源的存储设备端进行计算操作，充分利用了主机端和存储设备端的计算能力，同时上述操作方法实现了compaction任务的动态分割并与主机端CPU协同的计算模式，对compaction任务的系统级并行性进行了挖掘并充分利用了存储设备端的计算能力、降低了compaction操作的延时，增加写入吞吐量，提高了系统性能。
-
公开(公告)号：CN106776361B
公开(公告)日：2020-07-10
申请号：CN201710141173.9
申请日：2017-03-10
Applicant: 安徽大学
IPC: G06F12/0802
Abstract: 本发明公开了一种面向大规模非易失性存储介质的缓存方法和系统，包括：获取命令请求，当命令请求为写命令请求时，将目标映射项根据逻辑地址前缀存入H‑Cache，当H‑Cache内剩余空间小于A时，将H‑Cache中最长时间没被访问的映射项迁移到C‑Cache，当C‑Cache内剩余空间小于B时，将C‑Cache中Block按照访问次数排序，检查访问次数最少Block中映射项标志位，若为0，将映射项写到Mapping中，将映射项标志位置为1，若为1，删除映射项；当命令请求为读命令请求时，获取目标映射项逻辑地址并在H‑Cache中检索逻辑地址对应的目标映射项，若有，输出目标映射项的物理地址；若无，在C‑Cache中搜索逻辑地址对应的目标映射项，若有，输出目标映射项的物理地址，若无，在Mapping区中检索并输出逻辑地址的对应的物理地址。
-
公开(公告)号：CN107197233A
公开(公告)日：2017-09-22
申请号：CN201710486709.0
申请日：2017-06-23
Applicant: 安徽大学
Abstract: 本发明提供一种基于边缘计算模型的监控视频数据质量评测方法，其特征在于，包括如下步骤：视频获取步骤，数据处理步骤以及质量检测步骤。质量检测步骤包括模糊检测步骤和/或颜色检测步骤；其中，模糊检测步骤对提取的监控视频背景图片进行分析计算，获得对应的模糊度值；并根据预设的模糊阈值判断图像是否清晰；颜色检测步骤依据颜色直方图算法对提取的背景图片进行分析计算，获得颜色占比值；并根据预设的颜色阈值判断图像颜色是否正常。本发明能够准确判断视频监控画面的质量，从根本上解决人工判断视频监控画面质量费时费力且主观标准不统一的技术缺陷，本发明还能够进一步智能识别网络离线故障，提高故障检测效率。
-
公开(公告)号：CN107291541B
公开(公告)日：2020-07-10
申请号：CN201710486056.6
申请日：2017-06-23
Applicant: 安徽大学
Abstract: 本发明公开了面向Key‑Value系统的compaction粗粒度进程级并行优化方法及系统，所述方法包括：主进程接收到读写请求后判断是否需要调度compaction线程，若是，主进程将compaction线程中的任务信息分割为主进程子任务和从进程子任务；主进程和从进程分别对主进程子任务和从进程子任务进行compaction操作；主进程在主进程完成主进程子任务compaction操作且从进程完成从进程子任务compaction操作后对Key‑Value系统的文件进行优化。本发明利用主进程完成Key‑Value系统中compaction任务的动态分割，并实现了与从进程协同compaction处理的新模式，挖掘了compaction任务的进程级并行性，充分利用了CPU的计算资源，提高了CPU资源的利用率，且优化了compaction消耗的时间，不仅提高了数据处理的实时性，而且提高了系统性能以及吞吐量。
-
公开(公告)号：CN110532890A
公开(公告)日：2019-12-03
申请号：CN201910716623.1
申请日：2019-08-05
Applicant: 安徽大学
Abstract: 本发明涉及电子通信技术领域，尤其为一种基于云端、边缘端和设备端的分布式孪生卷积神经网络行人重识别方法。本发明中，利用了一种分布式结构，使得在解决ReID问题时并非将所有输入数据上传至云端进行处理，尽量让ReID问题在本地端和边缘端解决。具体是通过在三端上设置退出点，进行联合训练从而得到一个满足本发明要求的优秀神经网络模型，本发明所提出的方法不仅在ReID的识别精度上有所提高，而且在数据通信代价上，有了很大改善，本发明可以适当改进拓展到多区域摄像机网络中，利用分布式实现ReID在现实中的应用，特别在城市安防和打击犯罪方面前景广阔。
-
Patent Agency Ranking
公开(公告)号：CN107506432A
公开(公告)日：2017-12-22
申请号：CN201710725194.5
申请日：2017-08-22
Applicant: 安徽大学
CPC classification number: G06F17/30858 , G06F17/3082 , G06F21/604 , G06F21/6227
Abstract: 本发明公开了一种面向车载视频的基于边缘计算的目标检测方法，包括：获取车辆车牌信息，并基于上述车牌信息构建数据元组；根据数据元组中的车牌信息判断是否对数据元组进行存储，若是，将数据元组存储至本地边缘存储系统；接收向本地边缘存储系统发出的查询请求是否具有查询权限，若是，基于查询关键字查询已存储的数据元组并返回查询到的目标信息。本发明利用车载边缘计算能力对本车辆监控区域内的目标车辆的特征信息进行计算和信息处理并存储至本地边缘存储系统中，减少了将所有视频数据传输到云端执行检测操作所造成的网络通信开销和运中心计算负载，方便了目标信息的随时查询和记录，也方便了目标信息的事后处理。
-
公开(公告)号：CN107491728A
公开(公告)日：2017-12-19
申请号：CN201710560648.8
申请日：2017-07-11
Applicant: 安徽大学
CPC classification number: G06K9/00228 , G06K9/00288 , G06K9/00771 , G06K9/4604
Abstract: 本发明提供一种基于边缘计算模型的人脸侦测方法及装置，其中，人脸侦测方法包括如下步骤：图像获取步骤：从视频监控终端中采集获取人脸图像；预处理步骤：对采集的人脸图像进行预处理；边缘端对比查找步骤：针对预处理后的人脸图像，在边缘端预存的特定人员图像对比库中进行比对和查找近似图像，若查找成功，则向用户端发出警告。本发明能够准确判断视频监控画面中的人脸是否与数据库中的人脸图像相同，从根本上解决人工查找识别费时费力且不准确的技术缺陷。
-
公开(公告)号：CN107247624A
公开(公告)日：2017-10-13
申请号：CN201710413186.7
申请日：2017-06-05
Applicant: 安徽大学
Abstract: 本发明公开了一种面向Key‑Value系统的协同优化方法及系统，所述方法包括：当主机端接收的读写请求需要调度compaction线程时，主机端向存储端发送compaction调度请求；存储端将compaction调度请求分割为主机端子任务和存储端子任务；主机端和存储端分别对主机端子任务和存储端子任务信息进行合并排序操作，得出第一结果和第二结果；存储端对第一结果和第二结果进行合并优化操作。本发明在靠近数据源的存储设备端进行计算操作，充分利用了主机端和存储设备端的计算能力，同时上述操作方法实现了compaction任务的动态分割并与主机端CPU协同的计算模式，对compaction任务的系统级并行性进行了挖掘并充分利用了存储设备端的计算能力、降低了compaction操作的延时，增加写入吞吐量，提高了系统性能。
-
公开(公告)号：CN106776361A
公开(公告)日：2017-05-31
申请号：CN201710141173.9
申请日：2017-03-10
Applicant: 安徽大学
IPC: G06F12/0802
Abstract: 本发明公开了一种面向大规模非易失性存储介质的缓存方法和系统，包括：获取命令请求，当命令请求为写命令请求时，将目标映射项根据逻辑地址前缀存入H‑Cache，当H‑Cache内剩余空间小于A时，将H‑Cache中最长时间没被访问的映射项迁移到C‑Cache，当C‑Cache内剩余空间小于B时，将C‑Cache中Block按照访问次数排序，检查访问次数最少Block中映射项标志位，若为0，将映射项写到Mapping中，将映射项标志位置为1，若为1，删除映射项；当命令请求为读命令请求时，获取目标映射项逻辑地址并在H‑Cache中检索逻辑地址对应的目标映射项，若有，输出目标映射项的物理地址；若无，在C‑Cache中搜索逻辑地址对应的目标映射项，若有，输出目标映射项的物理地址，若无，在Mapping区中检索并输出逻辑地址的对应的物理地址。
-
公开(公告)号：CN110532890B
公开(公告)日：2021-10-22
申请号：CN201910716623.1
申请日：2019-08-05
Applicant: 安徽大学
Abstract: 本发明涉及电子通信技术领域，尤其为一种基于云端、边缘端和设备端的分布式孪生卷积神经网络行人重识别方法。本发明中，利用了一种分布式结构，使得在解决ReID问题时并非将所有输入数据上传至云端进行处理，尽量让ReID问题在本地端和边缘端解决。具体是通过在三端上设置退出点，进行联合训练从而得到一个满足本发明要求的优秀神经网络模型，本发明所提出的方法不仅在ReID的识别精度上有所提高，而且在数据通信代价上，有了很大改善，本发明可以适当改进拓展到多区域摄像机网络中，利用分布式实现ReID在现实中的应用，特别在城市安防和打击犯罪方面前景广阔。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.026 seconds)
