-
公开(公告)号：CN113537110B
公开(公告)日：2024-04-26
申请号：CN202110841550.6
申请日：2021-07-26
Applicant: 北京计算机技术及应用研究所
IPC: G06V20/40 , G06V10/56 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种融合帧内帧间差异的虚假视频检测方法，属于模式识别、人工智能领域。本发明采用基于高频特征流和RGB特征流的帧内特征提取模块提取帧内特征，然后将连续视频帧每帧的特征送入GRU提取帧间特征，在整个特征提取过程中融合了帧内、帧间差异，即考虑了语义一致性，又考虑了时序一致性，有助于提升虚假视频检测效果。本发明提出的融合帧内帧间差异的虚假视频检测方法有助于提升虚假视频检测算法的多样性。本发明面向常见的虚假视频检测任务，主要是用于视频中虚假人脸的检测，也可用于其他通用物体的虚假视频检测。
-
公开(公告)号：CN114039921B
公开(公告)日：2024-04-19
申请号：CN202111382668.3
申请日：2021-11-22
Applicant: 北京计算机技术及应用研究所
IPC: H04L47/125
Abstract: 本发明涉及一种适用于异构计算平台的ICE负载均衡系统，属于负载均衡领域。本发明实时采集节点服务器上GPU或NPU协处理器负载信息，根据任务类型和自定义负载均衡算法，选取特定协处理器作为响应客户端请求的节点，从而增强了系统的稳定性和鲁棒性，扩展了ICE对异构计算平台的负载均衡管理能力。本发明结合GPU、NPU等协处理器资源实时负载信息自定义ICE负载均衡方法，实现对ICE负载均衡模块的扩展。ICE注册中心通过调用扩展的负载均衡方法筛选目标对象适配器，从而实现对GPU、NPU等协处理器算力资源的负载均衡管理。
-
公开(公告)号：CN116935126A
公开(公告)日：2023-10-24
申请号：CN202310910976.1
申请日：2023-07-24
Applicant: 北京计算机技术及应用研究所
IPC: G06V10/764 , G06V10/77 , G06V10/774 , G06N10/20 , G06N10/60 , G16H50/20
Abstract: 本发明涉及一种基于经典—量子混合机器学习的医学图像分类方法，属于计算机视觉领域。本发明经典预处理将输入的图像都经过主成分分析法(PCA)粗略压缩到低维，将输入的低维向量经量子编码器编码为量子初态，构建参数化的量子纠缠网络作为量子分类器完成分类任务，输出量子态的期望值需要将每个量子比特线路中添加泡利算子集进行测量，由泡利算子集构建的输出函数，将输出量子态转变为经典概率预测值，通过计算均方误差(MSE)损失函数，并使用基于梯度的优化方法更新量子分类器的参数。本发明极大地降低了增加神经网络深度的成本。
-
公开(公告)号：CN116403036A
公开(公告)日：2023-07-07
申请号：CN202310343586.0
申请日：2023-04-03
Applicant: 北京计算机技术及应用研究所
IPC: G06V10/764 , G06V10/82 , G06N5/04 , G06N3/08 , G06V10/774 , G06N10/00 , G06F17/11
Abstract: 本发明涉及一种基于量子随机行走算法的图像分类方法，属于图像识别领域。本发明使用量子随机行走算法对图像进行色域压缩，使图像的RGB值收敛到指定五种颜色，并保留最基本的信息，作为数据集用于训练图像分类和语义分割模型，并最终用于引擎完成推理。本发明使用的色域压缩方法基于量子随机行走算法，具有高度并行计算的优势，大幅减少了计算量。本发明使用的色域压缩方法用于处理深度学习分类模型的训练集、验证集及测试集，可以在保留基本信息的前提下减少计算量，提升推理效率。
-
公开(公告)号：CN114756364B
公开(公告)日：2023-06-09
申请号：CN202210312276.8
申请日：2022-03-28
Applicant: 北京计算机技术及应用研究所
IPC: G06F9/50 , G06F9/451 , H04L69/164
Abstract: 本发明涉及一种基于MPICH+OPENMP的国产化并行计算架构和方法，属于并行计算领域。本发明基于MPICH+OpenMP混合架构构建，通过实现对于计算算法的混合并行加速达到提高计算效率的效果。基于MPICH并行架构的粗粒并行实现节点间的并行计算，包含节点间的任务分发，数据汇集同步等功能。基于OpenMP并行架构的细粒并行计算实现节点内部CPU核之间的算法层面的并行计算。并行加速平台可灵活应用于飞腾、龙芯等国产硬件平台，中标麒麟、银河麒麟等国产操作系统。本发明可以根据并行计算节点系统资源自动调整并行线程数量实现分配并行线程实现算力的最大化利用，相比传统MPI并行拥有更好的稳定性与灵活性，同时弥补了OpenMP只支持单一计算节点的缺点。
-
Patent Agency Ranking
公开(公告)号：CN113703772A
公开(公告)日：2021-11-26
申请号：CN202110965708.0
申请日：2021-08-23
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明涉及一种基于ICE的异构平台高效智能计算应用架构及其构建方法，属于人工智能领域。本发明基于ICE微服务平台构建，将通信模块从智能应用中分离开来，降低服务之间的耦合度，层次清楚便于维护，ICE使用远程过程调用协议实现远程通信；使用ICE的中立语言Slice统一服务接口定义，并使用ICE的编译工具将Slice语言翻译成各学习框架支持的语言，实现智能应用系统跨语言支持。基于IceGrid插件实现智能应用服务自动化治理，包括大规模服务的注册、定位、部署等功能。基于本架构模型构建智能应用系统可以屏蔽底层框架差异，当底层框架更新升级时，客户端应用不受影响，从而使上层用户摆脱对单一框架厂商的依赖。
-
公开(公告)号：CN112418417A
公开(公告)日：2021-02-26
申请号：CN202011015325.9
申请日：2020-09-24
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明涉及一种基于SIMD技术的卷积神经网络加速装置及方法，属于嵌入式卷积神经网络加速硬件技术领域。本发明针对当前神经网络应用中的突出矛盾，提出一种基于SIMD技术的神经网络推理加速装置。本发明首先设计一个运算流程，以满足神经网络算法中的全部算子功能，然后面向该计算流程，进行硬件功能单元设计，以软件定义硬件的方式实现系统设计，同时提供较高的性能功耗比和综合运算能力。
-
公开(公告)号：CN112365555A
公开(公告)日：2021-02-12
申请号：CN202011157907.0
申请日：2020-10-26
Applicant: 北京计算机技术及应用研究所
IPC: G06T11/00
Abstract: 本发明涉及一种基于组稀疏正则化的全变分高能闪光照相密度反演方法包括：步骤1.对于待重建客体的每一分层图像，获取相应的投影数据和系数矩阵；步骤2.根据步骤1中的投影数据和系数矩阵，使用全变分算法对初始图像为0的数据正向投影到图像域，获得相应二维图像切片；步骤3.对全变分算法重建的相应二维图像切片的左半部分图像和右半部分图像进行加权平均，得到加权平均后的图像；步骤4.对加权平均后的图像使用组稀疏正则化模型进行正则化处理，得到正则化处理后的结果；步骤5.把正则化处理后的结果利用左右对称性恢复出原始大小的图像，并作为下一次全变分算法迭代的初始图像，返回步骤2，直到满足停止准则为止。
-
公开(公告)号：CN119274539A
公开(公告)日：2025-01-07
申请号：CN202411397414.2
申请日：2024-10-09
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明涉及一种端到端的普通话和低资源粤语统一识别方法，属于语音识别领域。本发明应用于普通话和粤语同时识别的场景。该发明采用端到端的CTC‑Attention联合训练方法，且构建了普通话‑粤语统一识别字典，并结合语言识别LID模块缓解了多语言识别中存在的上下文识别混淆的问题。本发明通过构建端到端的语音识别神经网络模型架构实现普通话和低资源粤语的统一识别，并提出了一种建模单元的构建方式，提升模型的收敛性能。该端到端的语音识别方法能够在普通话和粤语同时出现的场景下的完成语音识别的需要，并达到较好的性能。
-
公开(公告)号：CN112364980B
公开(公告)日：2024-04-30
申请号：CN202011238536.9
申请日：2020-11-09
Applicant: 北京计算机技术及应用研究所
IPC: G06N3/092 , G06N3/0895 , G06N3/084
Abstract: 本发明公开了一种弱监督场景下基于强化学习的深度神经网络训练方法，包括：通过弱监督学习生成弱监督标注样本；合并弱监督标注样本与人工标注样本得到混合训练数据集；采用混合训练数据集对联合目标任务和数据源鉴别任务的深度神经网络进行预训练；采用强化学习进行样本加权，初始化代理器的参数并加载预训练环境的参数，代理器为所述强化学习模型，环境为所述联合目标任务和数据源鉴别任务的深度神经网络；代理器与环境进行若干轮交互训练，交互训练为马尔可夫决策过程，代理器与环境在交互训练中进行零和博弈。该方法通过在深度神经网络的训练过程中应用自适应样本加权策略，提升了深度神经网络对弱监督标注样本中的噪声和冗余信息的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.043 seconds)
