-
公开(公告)号：CN119883591A
公开(公告)日：2025-04-25
申请号：CN202411607118.0
申请日：2025-03-31
Applicant: 杭州联汇科技股份有限公司
Abstract: 本发明公开了一种基于kubernetes的一种GPU虚拟化系统，包括：Kubernets集群模块，与GPU虚拟化集群通信连接，用于调度GPU虚拟化集群的资源；GPUManager模块，与Kubernets集群模块通信连接，还与GPU虚拟化集群通信连接，用于限制Kubernets集群模块对于GPU和显存的使用。本发明的基于kubernetes的一种GPU虚拟化系统，通过GPUManager模块的设置可以有效的限制资源使用，提高了资源利用率。
-
公开(公告)号：CN119625453A
公开(公告)日：2025-03-14
申请号：CN202411537800.7
申请日：2024-10-31
Applicant: 杭州联汇科技股份有限公司
IPC: G06V10/774 , G06V10/26 , G06V10/44
Abstract: 本发明公开了一种基于RAM、SAM、internVL和OMchat的预训练数据制备方法，包括如下步骤：步骤一，将数据来源固定，按照每个来源设定特定比例，最终组合成100万数据；步骤二，使用万物识别RAM对原始图片进行预标注；步骤三，在经过步骤二预标注后的图片基础上使用internVL预标注；步骤四，将步骤三internVL预标注后的图片进行人工核对校准；步骤五，将步骤四人工核对校准后的图片通过万物分割SAM获得目标边缘mask信息；步骤六，使用OMchat多模态大模型训练目标的特征和mask信息进行多轮训练处理；步骤七，最后将处理后的数据作为OMdet多模态大模型的预训练数据。本发明的基于RAM、SAM、internVL和OMchat的预训练数据制备方法，高效地生成预训练数据从而提升算法泛化性能。
-
公开(公告)号：CN119445074A
公开(公告)日：2025-02-14
申请号：CN202411492889.X
申请日：2024-10-24
Applicant: 杭州联汇科技股份有限公司 , 宏龙科技(杭州)有限公司
IPC: G06V10/25 , G06V10/44 , G06V10/774 , G06V20/70 , G06F40/16
Abstract: 本发明公开了一种基于多模态大语言模型的开放目标检测模型优化方法。该方法包括以下步骤：1)利用多模态大语言模型(Vision Large Language Model，VLM)描述图片中的环境；2)利用图片环境的文本描述辅助开放目标检测的训练；3)在推理过程中，将图片环境作为条件优化开放目标检测的输出标签。通过这一优化方案，可以在保持原模型性能的同时，利用多模态大语言模型的开放环境描述能力，提升目标标签的识别准确性。这一方法适用于视觉语言多模态领域的研究和实践。
-
公开(公告)号：CN119415072A
公开(公告)日：2025-02-11
申请号：CN202411358866.X
申请日：2024-09-27
Applicant: 杭州联汇科技股份有限公司
Abstract: 本发明公开了一种创建动态场景模型的系统，包括：服务器端，用于配置各种数据库驱动，通过对参数化SQL语句微调实现统一系统API接口；可视化流程图模块，用于整合常量定义、API接口数据定义、第三方接口定义，并将定义进行可视化展示；服务端，用于提供跨语言驱动的各类函数供外部客户端调用；开发调试模块，用于带入实际参数值，实时计算出真实数据，以实现开发调试一步到位。本发明的创建动态场景模型的系统，通过服务器端、可视化流程图模块、服务端和开发调试模块的设置，便可有效的实现动态场景模型的创建了。
-
公开(公告)号：CN119398100A
公开(公告)日：2025-02-07
申请号：CN202411422516.5
申请日：2024-10-12
Applicant: 杭州联汇科技股份有限公司
IPC: G06N3/045 , G06N3/0475 , G06N3/10 , G06F18/214
Abstract: 本发明公开了一种基于多级提示词引导的电力行业调度票生成模型训练方法，其特征在于：包括如下步骤：步骤一，对模型进行基础指令预训练，得到一个能够遵循基础指令的预训练大模型M1；步骤二，对步骤一中得到的大模型M1进行多级指令训练，获得一个能够遵循多级指令的模型M2；步骤三，对步骤二中获得的模型M2进行调度指令票编写模型训练，获得最终的电力行业调度票生成模型M3。本发明的基于多级提示词引导的电力行业调度票生成模型训练方法，通过步骤一至步骤三的设置，便可有效的增强了调度票编写的规范性和一致性，降低了编写的错误率。
-
Patent Agency Ranking
公开(公告)号：CN119382874A
公开(公告)日：2025-01-28
申请号：CN202411444371.9
申请日：2024-10-16
Applicant: 杭州联汇科技股份有限公司
IPC: H04L9/08
Abstract: 本发明公开了一种基于固件发布日期的动态密码生成方法，包括如下步骤：步骤一，预设固定密码库，该固定密码库共12位字符；步骤二，根据固件发布日期的月份，确定固定密码库的起始位置，从起始位置开始，以循环方式从固定密码库中取出六位字符作为密码的前六位；步骤三，然后将固件发布日期的年份和日进行计算处理，确定数值；步骤四，再对固件发布日期的月份和周几进行计算处理，确定数值。本发明的基于固件发布日期的动态密码生成方法，通过结合固件发布日期和预设的固定密码库，生成具有高安全性的密码，有效提高了密码的复杂性和随机性，增强了系统的安全性。
-
公开(公告)号：CN119377437A
公开(公告)日：2025-01-28
申请号：CN202411389908.6
申请日：2024-10-08
Applicant: 杭州联汇科技股份有限公司
IPC: G06F16/61 , G06F16/635 , G06F16/638
Abstract: 本发明公开了一种基于歌曲音乐量化属性的广播节目编排方法，包括如下步骤：步骤一，对广播数字化系统中的所有歌曲进行音乐属性的量化标定；步骤二，构建歌曲库，之后将量化后的歌曲信息存储于歌曲库中，每个歌曲都有对应的量化属性标签；步骤三，根据广播节目的需求，基于步骤二歌曲库中的歌曲信息和歌曲预设多种编排策略；步骤四，在编排过程中，预先将歌曲信息及编排策略读入高速缓存，以提升编排效率；步骤五，根据编排策略，从歌曲库中智能抽取符合策略的歌曲，进行节目编排。本发明的基于歌曲音乐量化属性的广播节目编排方法，通过音乐属性的量化分析为广播节目编排提供了新的技术手段。
-
公开(公告)号：CN114723039B
公开(公告)日：2025-01-21
申请号：CN202210201838.1
申请日：2022-03-03
Applicant: 宏龙科技(杭州)有限公司 , 杭州联汇科技股份有限公司
IPC: G06N3/045 , G06N3/096 , G06N3/0455 , G06N3/0495 , G06N3/082 , G06N5/04 , G06F18/213
Abstract: 本发明公开了一种基于提升方法的向量编码方法，包括模型训练方法和编码方法，模型训练方法包括以下步骤：S1、将已经训练完成的原始模型作为老师模型T，将若干个轻量模型作为学生模型；S2、按照老师‑学生模式对S1进行蒸馏训练；并生成第一个遮罩；S3、训练第N个学生模型SN时，生成第N个遮罩，将训练数据输入老师模型所得到的结果和同样的训练数据分别输入前N‑1次训练得到的N‑1个学生模型后所得的结果的加和作差，再将所得残差加上第N个遮罩作为损失，然后按照老师‑学生模式对SN进行蒸馏训练；S4、将训练后的学生模型并联，得到最终模型。本方案最终模型可以并行处理，即有较高的处理速度也有可靠精度。
-
公开(公告)号：CN118981640A
公开(公告)日：2024-11-19
申请号：CN202411010790.1
申请日：2024-07-26
Applicant: 杭州联汇科技股份有限公司
IPC: G06F18/214 , G06F18/22 , G06F18/25 , G06N5/04
Abstract: 本发明公开了一种用于多模态大模型预训练的动态数据增强方法，其包括以下步骤：S1、验证集应用和相似度计算：预训练时，每经过若干个训练步数后，将当前模型应用于验证集，计算推理结果与标准答案的平均相似度分数；S2、动态调整触发判断：当平均相似度分数大于或等于阈值时，进入步骤S3，否则直接进入下一轮训练；S3、动态训练数据调整：对训练数据中的图像数据进行旋转、裁剪和/或缩放，对训练数据中的文本数据进行重组和/或改写，对训练数据中的语音数据进行变速和/或音调调整；S4、将动态调整后的训练数据重新用于模型训练，循环整个过程直至预训练结束。本方案可以显著提升模型的预训练效果，适用于多模态大模型的预训练。
-
公开(公告)号：CN118863056A
公开(公告)日：2024-10-29
申请号：CN202410842938.1
申请日：2024-06-27
Applicant: 杭州联汇科技股份有限公司
Abstract: 本发明公开了一种针对多模态目标检测大模型的推理加速方法，其包括以下步骤：S1、提取待部署模型的目标文本标签的文本语义向量；S2、依据文本语义向量构建文本语义线性层；S3、将待部署模型中的文本编码器部分替换为文本语义线性层，再将模型保存为一个完整的模型权重结构；S4、以新的多模态目标检测大模型进行推理。本方案可使多模态目标检测大模型在部署推理时显著提升推理效率并减少部署模型的显存资源消耗，且对模型推理时的精度不会造成影响。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.038 seconds)
