-
公开(公告)号：CN116980419A
公开(公告)日：2023-10-31
申请号：CN202311041668.6
申请日：2023-08-18
Applicant: 湖南大学
IPC: H04L67/1001 , H04L67/61 , H04L45/00
Abstract: 本发明公开了一种算力网络下的分布式算力调度方法，包括：从客户端接收对某应用程序的资源分配请求，并对该资源分配请求进行解析，以获取业务算力需求以及业务网络需求，从当前网络节点获取算力网络的算力负载分担表，并对该算力负载分担表进行解析，以获取算力网络中各个站点的算力信息、以及算力网络的网络状态，根据业务算力需求、以及算力网络中各个站点的算力信息，对算力网络中的所有站点进行筛选，以获取算力状态值最佳的站点，根据业务网络需求以及算力网络的网络状态，对算力状态值最佳的站点进行网络服务质量QoS约束分布式路由计算。本发明能够解决现有基于算力路由层的集中式算力调度方案容易出现网络和算力两者分离的技术问题。
-
公开(公告)号：CN116775380A
公开(公告)日：2023-09-19
申请号：CN202310875372.8
申请日：2023-07-17
Applicant: 湖南大学
Abstract: 本申请涉及一种机器人故障数据恢复方法、装置、计算机设备和介质。方法包括：接收未故障节点发送的故障数据恢复请求，从多个未故障节点中选取目标未故障节点；发送第一指令给目标未故障节点，第一指令中携带有故障节点的主密钥及加密空间标识；获取目标未故障节点响应第一指令反馈的解密成功信息、并发送第二指令给目标未故障节点；获取目标未故障节点响应第二指令反馈的重加密成功信息、并发送第三指令给所述目标未故障节点；根据新的加密空间密钥及故障节点的加密空间标识，发送故障节点的文件数据操作权限给目标未故障节点。采用本方案能够提高故障修复效率。
-
公开(公告)号：CN113434874B
公开(公告)日：2022-05-20
申请号：CN202110650645.X
申请日：2021-06-11
Applicant: 湖南大学 , 中电金信软件有限公司
Abstract: 本发明公开了一种基于pyc加密的python源代码保护方法，包括：获取待运行的Python源代码文件中由用户导入的自定义Python文件，对该自定义Python文件进行字节码转化处理，以生成相应的pyc文件，并删除这些自定义Python文件；对pyc文件进行加密处理，以得到加密后的pyc文件，获取Python解释器源代码，对Python解释器源代码进行修改，以得到修改后的Python解释器源代码，对修改后的Python解释器源代码进行重新编译，以生成Python解释器二进制文件，使用生成的Python解释器二进制文件执行待运行的Python源代码文件，以解密得到的加密pyc文件，并得到运行结果。本发明能够解决现有Python源代码混淆方法和Python源代码打包方法存在的对源代码的防护性较低的技术问题。
-
公开(公告)号：CN113282215A
公开(公告)日：2021-08-20
申请号：CN202110564542.1
申请日：2021-05-24
Applicant: 湖南大学 , 中电金信软件有限公司
Abstract: 本发明公开了一种RPA系统中基于目标检测技术的UI元素拾取方法，包括步骤：获取用户界面窗口的截图，将得到的用户界面窗口的截图输入训练好的UI元素目标检测模型，以拾取该用户界面窗口的截图中的UI元素，UI元素目标检测模型包括顺次连接的特征提取模块、特征聚合模块、以及特征预测模块，特征提取模块采用CSPDarkNet53网络，特征聚合模块包括特征金字塔池化SSP、以及路径聚合网络PANet，特征预测模块采用YoloHead网络。本发明能够解决现有UI元素拾取方法由于必须依赖于操作系统与应用程序的接口，导致对于某些缺乏相关接口的操作系统和应用程序而言，无法拾取UI元素的类型、位置、大小等信息，因此限制了RPA系统的应用范围的技术问题。
-
公开(公告)号：CN113268236A
公开(公告)日：2021-08-17
申请号：CN202110549139.1
申请日：2021-05-20
Applicant: 湖南大学
Abstract: 本发明公开了一种RPA系统中基于功能增强技术的UI元素拾取方法，包括：获取操作系统所新创建的进程，对该进程进行功能增强处理，以得到按QT方式增强处理后的进程或按GTK方式增强处理后的进程；获取按QT方式增强处理后的进程或按GTK方式增强处理后的进程中所有UI元素的信息；根据UI元素的信息，维护以操作系统的桌面为根节点的UI元素树，获取用户当前鼠标的位置信息，并从UI元素树中获取其矩形边界中包含该位置、且位于操作系统最顶层的UI元素，将UI元素以高亮方式显示给用户。本发明能够解决由于Linux操作系统不提供获取UI元素信息的服务，导致无法利用操作系统提供的服务直接进行UI元素拾取操作的问题。
-
Patent Agency Ranking
公开(公告)号：CN102629189B
公开(公告)日：2014-12-10
申请号：CN201210069005.0
申请日：2012-03-15
Applicant: 湖南大学
Abstract: 一种基于FPGA的流水浮点乘累加方法，其步骤为：(1)输入需要进行乘累加计算的数量M；(2)将需要计算的M对32位二进制浮点数A、B依次输入浮点乘法器进行乘法运算，直至完成所有M对数据的运算；同时，将浮点乘法器的乘积结果与第一浮点加法器自身的加法结果连续输入到第一浮点加法器完成部分累加运算得到累加结果；(3)将所述步骤(2)得到的累加结果中的最后N级流水线的数据输入至第二浮点加法器中进行运算以得到整个乘累加过程的结果。本发明具有原理简单、通用性好、可提高运算速度等优点。
-
公开(公告)号：CN119888350A
公开(公告)日：2025-04-25
申请号：CN202510042044.9
申请日：2025-01-10
Applicant: 湖南大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/042 , G06N3/047 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本申请实施例提供了一种多模型不平衡节点分类方法和装置。该方法包括：获取图数据集，所述图数据集包括训练集和测试集；基于所述训练集中的各节点信息，生成合成节点，以使得所述训练集中每个类别的节点数达到均衡分布；将生成的所有合成节点加入到所述训练集中形成新的训练集，并将所述新的训练集分成多个训练子集分别输入到图神经网络模型中的多个子模型中进行训练，直到所述图神经网络模型的性能收敛；将所述测试集输入至所述性能收敛的图神经网络模型中进行节点分类。本申请实施例的方法和装置，能够提高节点分类的性能。
-
公开(公告)号：CN119172152A
公开(公告)日：2024-12-20
申请号：CN202411354306.7
申请日：2024-09-26
Applicant: 湖南大学
IPC: H04L9/40
Abstract: 本申请涉及一种网络流量分类方法，通过获取训练集，所述训练集包括新类别样本和代表性记忆中存储的旧类别示例；将所述训练集输入增量学习模型进行训练；更新所述代表性记忆；输入待分类网络流量至训练后的增量学习模型，得到分类结果。解决了现有技术中通过增量学习进行网络流量分类性能不足，有效模型更新能力较低的问题；达到了在动态变化的网络环境中有效地识别新型威胁，同时保持对已知威胁的高识别率，从而提升网络安全防护能力的技术效果。
-
公开(公告)号：CN118607526A
公开(公告)日：2024-09-06
申请号：CN202410719064.0
申请日：2024-06-05
Applicant: 湖南大学
IPC: G06F40/295 , G06F40/284 , G06F40/30 , G06V20/62 , G06V10/40 , G06N20/00
Abstract: 本发明公开了一种基于细粒度适配器的视觉问答方法，其从三个方面提升视觉问答的效果，一方面利用Spacy进行命名实体识别以获取问题中的特殊信息，同时利用Ground‑Dino模型能捕获到图片中与特殊信息相关的细粒度区域；另一方面，利用图文匹配预训练大模型CLIP提取图片的多粒度语义特征，利用语言预训练大模型llama‑7B提取文本语义特征，并利用视觉语义特征提取模块将视觉域迁移到语义域，实现了视觉和语义对齐，使模型兼具视觉感知能力与语义理解能力；最后，利用基于细粒度适配器微调llama‑7B预训练语言模型所得到的多模态模型生成问题的答案，由于适配器体量小，能够轻量级而高效地迁移预训练模型中的知识到具体的视觉问答任务上。
-
公开(公告)号：CN118570607A
公开(公告)日：2024-08-30
申请号：CN202410721232.X
申请日：2024-06-05
Applicant: 湖南大学
IPC: G06V10/82 , G06V10/20 , G06N3/0464 , G06N3/08 , G06V10/774
Abstract: 本发明公开了一种复杂天气下基于YOLO的目标检测方法，包括：获取待检测图像，并对获取的待检测图像进行预处理，以得到预处理后的图像，将预处理后的图像输入预先训练好的图像处理模型进行图像增强处理，以得到图像增强后的图像，将图像增强后的图像输入预先训练好的目标检测模型，以得到最终的目标检测结果。本发明能够解决现有基于区域提议的方法虽然检测准确度较高，但速度较慢，导致实时检测效率低的技术问题，以及现有基于单阶段回归的方法具有较快的识别速度，但在面对复杂环境、伪装目标等问题时，检测性能明显下降的技术问题。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.037 seconds)
