-
公开(公告)号：CN115861646A
公开(公告)日：2023-03-28
申请号：CN202211466939.8
申请日：2022-11-22
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提出了一种基于结构重参数化的轻量级目标检测方法及系统，包括：获取待目标检测的数据样本并进行预处理；将预处理后的数据样本输入至网络推理模型中输出目标检测结果，所述网络推理模型为是由训练好的多分支网络训练模块采用结构重参数转换成的单路结构的网络模型，其中，结构重参数转换的方式为分支合并和卷积序列合并。通过结构重参数化方式解耦训练和推理阶段，在训练阶段采用多分支结构获取更多语义信息和特征表示，迭代更新权重参数，同时在推理阶段采用带有训练权重信息的单路结构，在加快模型的推理速度的同时保证模型精度。
-
公开(公告)号：CN114387190B
公开(公告)日：2022-08-16
申请号：CN202210285072.X
申请日：2022-03-23
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明涉及数字图像处理技术领域，提供了一种基于复杂环境下的自适应图像增强方法及系统，包括采集原始水下图像并进行预处理；利用RGB直方图统计预处理后的水下图像的RGB通道信息数据集；基于RGB通道信息数据集，利用训练好的水下图像退化分类模型得到不同退化程度的图像样本；基于不同退化程度的图像样本，利用训练好的不同退化程度的水下修复网络进行修复，得到修复后的水下图像；本发明相较于现有的方法能够更好的解决在不同时间节点出现的不同退化情况，由于针对不同退化程度调用不同修复模型，所以本发明对于水下退化图像的修复效果更好更自然。
-
公开(公告)号：CN114385233A
公开(公告)日：2022-04-22
申请号：CN202210291811.6
申请日：2022-03-24
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本申请属于计算机系统技术领域，提供了一种跨平台自适应数据处理工作流系统及方法，包括客户端，被配置为基于应用程序编程接口调用和画布式拖拽构建工作流，将所构建的工作流通过Istio安全网关发送到服务端；服务端，被配置为基于服务器接口接收客户端所构建的工作流，基于运算符计算平台适配器进行工作流逻辑运算符的计算环境优化适配。本申请采用基于Kubernetes的微服务架构，采用Istio安全网关作为客户端与服务端的唯一通道，实现跨平台自适应数据工作流的处理。
-
公开(公告)号：CN112685950A
公开(公告)日：2021-04-20
申请号：CN202011391590.7
申请日：2020-12-02
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F30/27 , G06F119/02
Abstract: 本发明公开了海洋时序观测数据的异常检测方法、系统和设备，海洋时序观测数据的异常检测方法，包括以下步骤：采集海洋观测数据并进行预处理；计算CoDisp值；基于预测数据点序列得到的t时刻的海洋观测数据的预测值；将预测值与t时刻实际测量得到的目标数据点x值相减并计算绝对值，获得PredDiff值；对预设时长内CoDisp值和PredDiff值分别统计建模，获取CoDisp值、PredDiff值的概率分布，并基于得到的概率分布，计算检测窗口内各目标数据点的异常概率。基于滑窗的动态异常概率确定方法能解决人工设定的阈值缺乏科学依据的问题，在实际应用时发挥异常检测作用。
-
公开(公告)号：CN118519766B
公开(公告)日：2025-04-25
申请号：CN202410597016.9
申请日：2024-05-14
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F9/50
Abstract: 本公开提出一种面向国产异构算力集群的作业调度方法及系统，方法包括：在一个调度周期中，根据待调度作业的资源量、算力类型请求，及节点的算力类型标签，从异构算力集群中筛选出候选节点；考虑异构算力资源的性能差异，基于加权轮询计算候选节点权重，将权重最高的候选节点作为第一目标节点；根据异构算力集群及候选节点中各类资源占比对候选节点的资源使用空间进行评分，将评分最高的候选节点作为第二目标节点；随机选择最终目标节点，将待调度作业调度到最终目标节点。本公开通过在节点预选阶段添加初次筛选提升节点预选效率，在节点优选阶段，考虑异构算力资源性能差异和集群的整体性，克服了负载不均衡、异构算力不兼容的问题。
-
Patent Agency Ranking
公开(公告)号：CN119474555A
公开(公告)日：2025-02-18
申请号：CN202411478177.2
申请日：2024-10-22
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F16/9536 , G06F16/215 , G06F16/955 , G06F18/241 , G06F18/22 , G06N5/022
Abstract: 本发明提出了一种基于网页数据集构建语料库的方法及系统，通过质量过滤、去重、仇恨言论检测和困惑度计算系列操作，可以基于海量网页数据集构建大规模、高质量的语料库；质量过滤和数据去重步骤，大幅降低了语料库中的重复和低质量内容，提高了模型的泛化能力和输出的可靠性；此外，仇恨言论检测和困惑度计算进一步确保了语料库的高标准和多层次质量，减少了潜在的负面影响，使得模型在处理各种自然语言任务时更为精准和高效。
-
公开(公告)号：CN118381708B
公开(公告)日：2024-12-27
申请号：CN202410428516.X
申请日：2024-04-10
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04L41/042 , H04L41/0895 , H04L41/40 , H04L41/16
Abstract: 本发明提出了一种跨域异构存储集群的管理调度方法及系统，以总存储成本最小、总吞吐量最大以及待存储数据集与即将存储的存储系统的位置最近为优化目标，采用非支配排序的遗传算法进行约束条件求解，进行最优存储位置的选择，不仅提高了数据访问性能，减少延迟，并降低了对网络带宽和存储资源的不必要消耗。
-
公开(公告)号：CN118982074A
公开(公告)日：2024-11-19
申请号：CN202411463393.X
申请日：2024-10-21
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明提出一种基于高效微调和联邦学习的行业大模型训练方法及系统，涉及联邦学习领域。该方法由中心端执行，包括：获取原始全局模型，初始化可调低秩矩阵；所述可调低秩矩阵用于根据客户端资源量进行秩缩放；将模型结构和可调低秩矩阵发送给各客户端，以使各客户端基于本地数据对可调低秩矩阵进行微调训练，得到更新的可调低秩矩阵，并发送至中心端；将更新的可调低秩矩阵进行聚合，更新原始全局模型的权重文件，得到优化的全局模型。本发明客户端在微调训练时对预训练权重进行量化，并对具有秩缩放功能的可调低秩矩阵进行微调训练，以提取客户端本地数据有效特征，实现了模型参数的灵活调整与资源的高效利用。
-
公开(公告)号：CN117350171A
公开(公告)日：2024-01-05
申请号：CN202311638586.X
申请日：2023-12-04
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F30/27 , G06N3/0464 , G06N3/0455 , G06F119/08
Abstract: 本发明提出了基于双流模型的中尺度涡三维次表层结构反演方法及系统，涉及深度学习与海洋反演交叉领域，通过卫星采集待反演的中尺度涡海表面信息；将中尺度涡海表面信息输入到训练好的双流模型中，反演出中尺度涡不同深度下的温度结果，得到中尺度涡次表层温度剖图；其中，所述双流模型引入Triplet attention注意力机制，采用三分支结构融合通道注意力和空间注意力进行跨维度交互；本发明采用双流模型实现中尺度涡次表层结构反演，发掘海表面参数间的数据关联，分别建立不同参数与次表层温度的关系模型，融合多源信息特征关系，实现特征融合，有效融合了多源数据，提升了反演效果。
-
公开(公告)号：CN115908772A
公开(公告)日：2023-04-04
申请号：CN202211475396.6
申请日：2022-11-23
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06V10/20 , G06V10/42 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提出了一种基于Transformer和融合注意力机制的目标检测方法，包括：获取待检测图像进行预处理；将预处理后的待检测图像输入至训练好的目标检测模型中，输出检测结果；其中，所述目标检测模型包括Swin Transformer模块、注意力融合模块和检测模块，所述Swin Transformer模块用于提取待检测图像的全局特征，所述注意力融合模块用于局部特征提取，并将全局特征和局部特征采用跨层级联的方式进行融合，所述检测模块用于根据融合后的特征输出检测结果。融合局部感受野与Transformer的全局信息，以进一步提升局部特征与全局信息融合的能力，增强低信噪比目标的检测效果。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.097 seconds)
