-
公开(公告)号：CN106294169B
公开(公告)日：2018-08-03
申请号：CN201610679571.1
申请日：2016-08-17
Applicant: 华中科技大学
IPC: G06F11/36
Abstract: 本发明公开了一种嵌入式环境下并行程序数据竞争检测与重放的方法，结合软件调试与测试的需求，采用符号执行虚拟机方案，动态地监测程序的运行，收集程序的执行信息，并分析数据竞争。并且还能通过执行信息对程序进行确定性重放，使得程序的执行轨迹能够重现。功能包括：基于符号执行虚拟机的数据竞争检测、基于符号执行虚拟机的数据竞争重放功能。本发明可以发掘隐藏在程序中的数据竞争，防止多线程程序在运行时发生错误。
-
公开(公告)号：CN106326378B
公开(公告)日：2018-05-11
申请号：CN201610671127.5
申请日：2016-08-16
Applicant: 华中科技大学
IPC: G06F17/30
Abstract: 本发明公开了一种实时数据库的截止期分配方法，其步骤包括：获取单位执行长度Csum，将任务按照有效时间间隔长度递增的顺序排序，并为每个任务分配截止期；判断是否每个任务均满足给定的条件；若是，则判定分配的周期和截止期有效；若否，则采用MLDM方法按照排序对每个任务进行周期、截止期分配；根据调用MLDM方法是否成功分为两种情况，若成功，则计算每个任务的截止期取值区间，并在该区间内找到每个任务的截止期，否则，对前(k－1)个任务采用MLDM方法分配截止期，从第k个任务开始采用确定取值区间的方法计算截止期；本发明提供的实时数据库的截止期分配方法具有高效性，当快速计算失败时，通过降低开销保证截止期分配的完备性。
-
公开(公告)号：CN106293009B
公开(公告)日：2018-01-26
申请号：CN201610675752.7
申请日：2016-08-16
Applicant: 华中科技大学
CPC classification number: Y02D10/24
Abstract: 本发明公开了一种基于区域划分的嵌入式节能调度方法，包括如下步骤：采用任务实例修订方法对待调度的任务集进行修订；根据任务运行周期及任务集的利用率，为每个任务设置执行阈值；根据执行阈值进行任务调度：当任务的周期区间与垛区间的重叠区域的长度大于任务的执行阈值，则调度该任务使之在当前的垛区间中完成；否则，将该任务调度到下一个垛区间中执行；本发明提供的这种调调方法，将系统中小的空闲时间片段合并，以增加空闲时间片段的平均长度，进而获得足够长的空闲时间用于完成嵌入式处理器的休眠状态转换，从而有效降低处理器的工作负载以达到节能目的。
-
公开(公告)号：CN101730260B
公开(公告)日：2011-11-30
申请号：CN200910272681.6
申请日：2009-11-06
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于梯度划分的媒体访问控制方法，该方法考虑到无线传感器网络中传感器节点的空间相关性问题，能够在事件源区域合理选择上报节点，以提高目标跟踪应用的重建精度。该方法是对Sift MAC的一种改进，在Sift MAC中加入自适应的梯度划分算法(依接收信号强度划分传感器节点的分布区域，选用接收信号强度大的传感器节点进行数据上报，提高目标重建精度)、梯度收缩和扩张过程及传感器节点空间相关性的控制策略，并改进了无线信道竞争过程。该方法以控制目标位置重建误差为主要设计目标，同时该方法有着良好的灵活性和对传感器节点的数量及拓扑结构变化的适应能力，并能实现低延迟和低能耗。
-
公开(公告)号：CN113779361B
公开(公告)日：2024-09-10
申请号：CN202110995974.8
申请日：2021-08-27
Applicant: 华中科技大学 , 武汉烽火技术服务有限公司
IPC: G06F16/953 , G06F16/9538 , G06N3/0455 , G06N3/0499 , G06N3/082
Abstract: 本发明公开了一种基于多层注意力机制的跨模态检索模型的构建方法及应用，包括：S1、搭建跨模态检索模型；S2、计算图像模态和文本模态间的不变性损失、标签空间损失、以及公共表示空间中不同模态间和各个模态内的判别损失，加以不同的权重，得到跨模态检索模型的损失函数；S3、通过最小化跨模态检索模型的损失函数对跨模态检索模型进行训练。本发明在训练过程中，通过考虑不同模态之间的相互影响，分别对各图像文本数据对基于多层注意力机制学习其文本特征和图像特征内细粒度的上下文局部信息，以及学习其文本特征和图像特征之间的全局特征对应关系，充分利用了原始数据中的语义信息，将多模态特征进行融合，大大提高了跨模态检索的准确度。
-
Patent Agency Ranking
公开(公告)号：CN113869189B
公开(公告)日：2024-08-09
申请号：CN202111126363.6
申请日：2021-09-24
Applicant: 华中科技大学 , 武汉烽火技术服务有限公司
IPC: G06V40/20 , G06V20/40 , G06V10/80 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种人体行为识别方法、系统、设备及介质，属于数据检索领域，方法包括：捕获目标区域内人体的RGB视频序列、加速度信号和角速度信号，提取RGB视频序列、加速度信号和角速度信号中与人体行为识别相关的视频特征、加速度特征和角速度特征；对加速度特征形成的循环矩阵和角速度特征形成的循环矩阵进行多传感器信号融合处理，得到惯性传感器融合特征向量；对惯性传感器融合特征向量与视频特征进行基于塔克分解的双模态融合，得到融合行为特征；将融合行为特征输入分类器进行人体行为识别，以预测并输出人体动作。多角度、多视角分析人体行为识别任务，解决单一模态信息缺失的问题。
-
公开(公告)号：CN118247410A
公开(公告)日：2024-06-25
申请号：CN202410667504.2
申请日：2024-05-28
Applicant: 华中科技大学
Abstract: 本发明属于建筑模型简化技术领域，公开了一种基于可微渲染的外观驱动的建筑模型简化方法，包括：采用包裹算法，生成原始建筑模型对应的封闭表面网格，在封闭表面网格的偏移表面上进行贪婪的细化和孔洞雕刻，得到原始建筑模型对应的包裹网格模型；简化包裹网格模型的面片数并进行初始纹理重映射，得到包含初始纹理的简化网格；将包含初始纹理的简化网格输入至可微分渲染模型中进行几何形状和纹理信息优化，得到所需的低多边形模型。本发明的方法能够弥补可微渲染中无法保持建筑模型的建筑特征和低视觉差异的不足之处，能够在低面片数的情况下保证建筑模型的建筑特征和低视觉差异，同时能够进行自动纹理化。
-
公开(公告)号：CN112214996B
公开(公告)日：2024-06-04
申请号：CN202011089609.2
申请日：2020-10-13
Applicant: 华中科技大学
IPC: G06F40/258 , G06F40/295 , G06F40/30
Abstract: 本发明公开了一种面向科技信息文本的文本摘要生成方法及系统，包括：S1、对待处理的科技信息文本进行实体识别和关系抽取，得到科技信息文本中所包含的实体及三元组；S2、判断科技信息文本是否为长文本，若是，则转至步骤S3；否则，将科技信息文本与实体及三元组进行融合构成模型输入信息，转至步骤S4；S3、基于科技信息文本的行文结构，并结合实体及三元组，确定科技信息文本中各个句子的影响力，并从科技信息文本中获取影响力最高的K个句子构成关键句群，将关键句群与实体及三元组进行融合构成模型输入信息；S4、将模型输入信息输入到预训练好的序列到序列模型中，得到文本摘要。所生成的摘要精确度高、可读性强，质量好。
-
公开(公告)号：CN116954851A
公开(公告)日：2023-10-27
申请号：CN202310703674.7
申请日：2023-06-14
Applicant: 华中科技大学
IPC: G06F9/48
Abstract: 本发明公开了一种混合实时任务集的可调度分析方法，属于实时调度技术领域，包括：按照优先级从高到低的顺序，对混合实时任务集中的各任务依次进行可调度分析；在分析AVR任务的可调度性时，将所有的参数统一在时间维度上，计算每个AVR实例的最坏响应时间，且在计算过程中考虑了AVR任务的角相位，在相同条件下，缩小了任务的最坏响应时间上限，总是能得出更准确的判断，是一种更精准的充分可调度性分析方法，可调度分析的准确性较高；与不考虑AVR任务角相位的混合实时任务模型相比，考虑AVR任务角相位的混合实时任务更加复杂也更加符合实际应用需求，本发明所提出方法具有很强的实际应用价值。
-
公开(公告)号：CN113779361A
公开(公告)日：2021-12-10
申请号：CN202110995974.8
申请日：2021-08-27
Applicant: 华中科技大学 , 武汉烽火技术服务有限公司
IPC: G06F16/953 , G06F16/9538 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多层注意力机制的跨模态检索模型的构建方法及应用，包括：S1、搭建跨模态检索模型；S2、计算图像模态和文本模态间的不变性损失、标签空间损失、以及公共表示空间中不同模态间和各个模态内的判别损失，加以不同的权重，得到跨模态检索模型的损失函数；S3、通过最小化跨模态检索模型的损失函数对跨模态检索模型进行训练。本发明在训练过程中，通过考虑不同模态之间的相互影响，分别对各图像文本数据对基于多层注意力机制学习其文本特征和图像特征内细粒度的上下文局部信息，以及学习其文本特征和图像特征之间的全局特征对应关系，充分利用了原始数据中的语义信息，将多模态特征进行融合，大大提高了跨模态检索的准确度。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.02 seconds)
