-
公开(公告)号：CN114327811A
公开(公告)日：2022-04-12
申请号：CN202111401382.5
申请日：2021-11-19
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本申请公开了一种任务调度方法、装置、设备及可读存储介质。本申请将充分考虑考虑任务特性和资源特征，能够基于一个任务的任务特性将其分配给最为合适的空闲模块，且同时保障获得的效能最优，针对每个任务如此处理，那么可获得最大的总效能之和，既实现了计算资源的合理分配，提高了任务分配的准确性和效率，还保证了任务实际被执行时的效能最优，有利于当前服务系统的平稳运行。相应地，本申请提供的一种任务调度装置、设备及可读存储介质，也同样具有上述技术效果。
-
公开(公告)号：CN113850916A
公开(公告)日：2021-12-28
申请号：CN202111129999.6
申请日：2021-09-26
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本申请公开了模型训练、点云缺失补全方法、装置、电子设备及计算机可读存储介质，模型训练方法包括：获取训练缺失点云数据；将训练缺失点云数据输入初始模型，得到训练修复点云数据，并基于训练修复点云数据和训练缺失点云数据对应的原始点云数据调整初始模型的参数；若检测到满足训练完成条件，则确定初始模型为点云补全模型；其中，初始模型包括目标重构网络和初始生成网络，目标重构网络包括目标编码网络，目标编码网络利用训练缺失点云数据进行对比学习，训练缺失点云数据输入目标编码网络得到输入特征，输入特征输入初始生成网络得到缺失点云数据，缺失点云数据用于生成训练修复点云数据；提高了补全处理后的处理后点云数据的准确性。
-
公开(公告)号：CN111722799A
公开(公告)日：2020-09-29
申请号：CN202010469856.9
申请日：2020-05-28
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F3/06
Abstract: 本发明公开了一种数据存储方法、装置、设备及可读存储介质，该方法包括：在易失性存储器上电后，获取待存入易失性存储器中固定存储地址的目标数据；从比特值变化传输模式和比特值固定传输模式中，确定出目标传输模式；目标传输模式与易失性存储器上一次上电后所确定出的历史传输模式不同；按照目标传输模式，与易失性存储器互传目标数据。该方法可保证目标数据在掉电后，避免发生数据被盗取，保障了数据的安全。
-
公开(公告)号：CN110717913A
公开(公告)日：2020-01-21
申请号：CN201910844438.0
申请日：2019-09-06
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明提供一种图像分割方法及装置，利用预设的3D卷积神经网络模型确定获取的待分割图像进行参数调整后的每个目标物的分割图像，利用3D卷积神经网络模型中的提取模块提取待分割图像的至少一个目标物的第一特征图矩阵，像素级显著性增强模块对每个目标物的第一特征图矩阵的参数进行调整，确定每个目标物的像素级的加权矩阵，根据通道级显著性增强模块增强每个目标物的第一特征图矩阵的矩阵通道，确定每个目标物的通道级的加权矩阵，3D残差反卷积模块对增大每个目标物的像素级的加权矩阵和通道级的加权矩阵的和得到目标物的目标矩阵的尺寸进行还原处理，确定进行参数调整后的每个目标物的分割图像。基于本发明，能够得到高精度的分割图像。
-
公开(公告)号：CN110533165A
公开(公告)日：2019-12-03
申请号：CN201910760134.6
申请日：2019-08-16
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开了一种图像处理方法，由于本发明中对于通过饱和映射法得到的第一量化阈值以及通过非饱和映射法得到的第二量化阈值进行了加权计算，相当于对两个量化阈值进行了融合，得到的最佳量化阈值可以适用于大多数的激活输出层，因此也就能够更加有效的保留激活输出层的有效信息，并用于后续的图像处理工作，提高了量化后的深度神经网络在低位宽硬件平台上，进行推理计算的精度。本发明还公开了一种图像处理装置及设备，具有如上图像处理方法相同的有益效果。
-
Patent Agency Ranking
公开(公告)号：CN104636492A
公开(公告)日：2015-05-20
申请号：CN201510095450.8
申请日：2015-03-04
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F17/30
CPC classification number: G06F17/30589 , G06F17/30598
Abstract: 本发明公开一种基于模糊积分特征融合的动态数据分级方法，属于计算机存储技术领域，步骤为：①对训练集数据进行数据特征提取，形成初始数据特征集合，根据数据应用和存储特性提取数据特征；②数据特征融合；③对融合后的数据特征进行约简；④数据分级模型生成；⑤数据存储层次映射；本发明提高数据分级的准确性，充分考虑了数据特征间彼此关联的特性，利用模糊积分进行特征融合，建立更为合理的数据分级模型，适用于各种动态数据管理的存储层次决策，提高数据分级的处理速度，提升存储效率。
-
公开(公告)号：CN114022639B
公开(公告)日：2025-05-27
申请号：CN202111255424.9
申请日：2021-10-27
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本申请公开了一种三维重建模型的生成方法，所述方法包括：获取相机采集的目标图像，并计算每一所述目标图像对应的相机位姿；根据所述相机位姿确定所述目标图像对应的三维点云数据，并将所有所述目标图像对应的三维点云数据进行合并得到中间重建模型；利用虚拟相机对所述中间重建模型进行模拟成像；通过比对所述目标图像和所述模拟成像结果确定所述中间重建模型的模型误差，并利用所述模型误差对所述中间重建模型进行调整得到三维重建模型，本申请能够提高三维重建模型的生成精度。本申请还公开了一种三维重建模型的生成系统、一种电子设备及一种存储介质，具有以上有益效果。
-
公开(公告)号：CN117873931B
公开(公告)日：2024-06-07
申请号：CN202410270572.5
申请日：2024-03-11
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F13/16
Abstract: 本申请公开了计算机技术领域内的一种数据处理系统、方法及介质。在本申请中，数据处理系统包括多个内存器件和至少一个主机；主机接收到访问请求后，若确定自身缓存组件中未存储访问请求要访问的目标数据，则当前主机将访问请求传输至多个内存器件，以使多个内存器件响应访问请求，并利用缓存预取决策器确定预缓存数据，将预缓存数据传输至当前主机中的缓存组件进行存储，由此将缓存预取决策器由主机端转移至内存端，降低主机负载，提高主机处理访问请求的效率；并且，内存端可以将预缓存数据直接传输至当前主机中的缓存组件进行存储，而无需主机向内存端请求预缓存数据，可以提高预缓存效率。
-
公开(公告)号：CN117892140B
公开(公告)日：2024-05-31
申请号：CN202410295706.9
申请日：2024-03-15
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F18/214 , G06F16/332 , G06F18/25 , G06F18/22 , G06N5/04
Abstract: 本发明公开了一种视觉问答及其模型训练方法、装置、电子设备、存储介质，应用于人工智能领域。其中，方法包括获取视觉问答训练样本数据集；将问题‑图像对样本输入至视觉问答模型，图文编码器对问题‑图像对样本进行图文编码处理，交互解码器从接收到的图文编码特征中提取交互对象的语义特征，推理解码器融合接收到的图文编码特征和交互对象特征，并基于融合图文编码特征对应的正确答案‑正确事件知识标签、与从知识库检索的答案、事件知识间的损失不断地迭代更新，直至满足预设模型训练结束条件。本发明可以解决相关技术无法满足用户高精度问答需求和答案可解释需求的问题，提升了基于场景交互任务中的视觉问答精度，让答案更具有可解释性。
-
公开(公告)号：CN117808126B
公开(公告)日：2024-05-28
申请号：CN202410230008.0
申请日：2024-02-29
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06N20/00 , G06N5/04 , G06F18/22 , G06V10/764 , G06Q10/04
Abstract: 本发明公开了一种机器学习方法、装置、设备、联邦学习系统及存储介质，属于边缘计算领域，用于在模型聚合过程中识别并剔除恶意用户的模型数据，解决了恶意用户攻击导致模型精度下降的问题。一方面边缘计算设备可以在簇内选择与自身的相关性达标的边缘计算设备的模型参数对自身的模型参数进行更新，另一方面簇头在进行簇内聚合时可以排除异常的边缘计算设备的模型参数，通过两层的风险识别，可以精准的识别并忽略异常的模型参数，排除了风险，有利于提升最终得到的全局网络模型的性能，使中心服务器在工业设备故障预测、网络安全问题识别与图片分类时发挥最优的效果，也避免了全局网络模型学习到恶意用户希望的特定行为。
-
-
-
-
-
-
-
-
-
Search Results
277
records
(took 0.039 seconds)
