-
公开(公告)号：CN116894843B
公开(公告)日：2023-11-17
申请号：CN202311161710.8
申请日：2023-09-11
Applicant: 西南林业大学
Abstract: 本发明涉及图像处理技术领域，尤其涉及一种基于感知哈希算法和区块链的普洱茶信息溯源方法。所述方法包括：在接收到校验请求时，基于感知哈希算法，识别待校验茶饼图像上的待校验纹理码；将所述的待校验纹理码与存储于区块链上的参考纹理码进行比对，确定是否存在与所述待校验茶饼图像相匹配的目标茶饼信息；若存在，向请求发送端输出所述目标茶饼信息。基于图像处理的区块链技术，利用计算机视觉的方法调节和分割图像，区块链的去中心化、不可篡改、可追溯等特性，提高了普洱茶的溯源效率和可信度，解决了如何提高普洱茶信息溯源的可靠性的问题。
-
公开(公告)号：CN116894469B
公开(公告)日：2023-12-15
申请号：CN202311163761.4
申请日：2023-09-11
Applicant: 西南林业大学
Abstract: 本发明涉及深度学习技术领域，尤其涉及一种端边云计算环境中的DNN协同推理加速方法、设备及介质。根据多分支DNN的层类型和计算平台的计算资源，构建目标时延预测模型；基于目标时延预测模型，预测DNN层的执行时延；获取目标平台当前可用带宽资源和可用计算资源，并将可用带宽资源、可用计算资源、截止时延和网络类型，输入最佳退出点预测模型，预测最佳退出点；根据最佳退出点提取多分支DNN，并确定提取后的多分支DNN中的节点划分结果；根据节点划分结果，将提取后的所述多分支DNN中的各个节点，分配至节点划分结果对应的目标平台，目标平台包括终端设备、云服务器和边缘服务器中的(56)对比文件CN 115841590 A,2023.03.24CN 116187429 A,2023.05.30CN 116227558 A,2023.06.06CN 116341624 A,2023.06.27US 2021056357 A1,2021.02.25US 2021247246 A1,2021.08.12US 2021289456 A1,2021.09.16US 2022358358 A1,2022.11.10WO 2022111002 A1,2022.06.02WO 2022252713 A1,2022.12.08WO 2023091019 A1,2023.05.25刘国志等“.车辆边缘计算环境下基于深度强化学习的服务卸载方法”《.计算机集成制造系统》.2022,第28卷(第10期),第3304-3315.guozhi liu等“.An adaptive DNNinference acceleration framework withend-edge-cloud collaborative computing”.《Future Generation Computer Systems》.2023,第140卷第422-435页.Hsu TzHeng等“.A Cloud-Edge-Smart IoTArchitecture for Speeding Up theDeployment of Neural Network Models withTransfer Learning Techniques”.《Electronics》.2022,第11卷(第14期),第1-12页.Enzo Baccarelli等.“Learning-in-the-Fog(LiFo)：Deep Learning Meets FogComputing for the Minimum-EnergyDistributed Early-Exit of Inference inDelay-Critical IoT Realms”《.IEEE Access》.2021,第9卷第25716-25757页.郭永安等“.基于边端协同的CNN推理加速框架”《.南京邮电大学学报(自然科学版)》.2023,第43卷(第3期),第68-77页.
-
公开(公告)号：CN116894843A
公开(公告)日：2023-10-17
申请号：CN202311161710.8
申请日：2023-09-11
Applicant: 西南林业大学
Abstract: 本发明涉及图像处理技术领域，尤其涉及一种基于感知哈希算法和区块链的普洱茶信息溯源方法。所述方法包括：在接收到校验请求时，基于感知哈希算法，识别待校验茶饼图像上的待校验纹理码；将所述的待校验纹理码与存储于区块链上的参考纹理码进行比对，确定是否存在与所述待校验茶饼图像相匹配的目标茶饼信息；若存在，向请求发送端输出所述目标茶饼信息。基于图像处理的区块链技术，利用计算机视觉的方法调节和分割图像，区块链的去中心化、不可篡改、可追溯等特性，提高了普洱茶的溯源效率和可信度，解决了如何提高普洱茶信息溯源的可靠性的问题。
-
公开(公告)号：CN116894469A
公开(公告)日：2023-10-17
申请号：CN202311163761.4
申请日：2023-09-11
Applicant: 西南林业大学
Abstract: 本发明涉及深度学习技术领域，尤其涉及一种端边云计算环境中的DNN协同推理加速方法、设备及介质。根据多分支DNN的层类型和计算平台的计算资源，构建目标时延预测模型；基于目标时延预测模型，预测DNN层的执行时延；获取目标平台当前可用带宽资源和可用计算资源，并将可用带宽资源、可用计算资源、截止时延和网络类型，输入最佳退出点预测模型，预测最佳退出点；根据最佳退出点提取多分支DNN，并确定提取后的多分支DNN中的节点划分结果；根据节点划分结果，将提取后的所述多分支DNN中的各个节点，分配至节点划分结果对应的目标平台，目标平台包括终端设备、云服务器和边缘服务器中的至少一个。解决了如何提高端边云计算环境中的DNN协同推理速度的问题。
-
-
-
Search Results
4
records
(took 0.032 seconds)
