-
-
公开(公告)号：CN119127514B
公开(公告)日：2025-04-22
申请号：CN202411614716.0
申请日：2024-11-13
Applicant: 之江实验室
Abstract: 本发明公开了一种脉冲星傅立叶域加速搜索流水线并行方法和装置，包括：将接收的天文数据分配到多个并行进程；每个进程中包括三个串行子线程，利用第一CPU子线程对分配到的天文数据进行预处理，利用GPU子线程读取预处理后的数据并在GPU上执行加速计算得到候选信号数据，利用第二CPU子线程读取候选信号数据并进行后处理和结果汇总，同时利用多个并行进程架构的队列和队列阻塞锁来同步各子线程之间的任务状态；通过监控反馈动态调整处理流程中的进程数量；实时记录任务状态和各进程计算结果并处理异常情况。本发明能够有效提升脉冲双星搜索进程，并支持利用多GPU并行加速，大幅提升从FAST天文数据中搜索该类型天体的速度。
-
公开(公告)号：CN118760736A
公开(公告)日：2024-10-11
申请号：CN202410956784.9
申请日：2024-07-17
Applicant: 之江实验室
IPC: G06F16/33 , G06F16/332 , G06F18/214 , G06F18/22 , G06F18/24 , G06F21/60 , G06F21/62
Abstract: 本发明公开了一种基于混合专家LLM的标签计算方法，所述方法包括：设计一种混合专家LLM系统模型架构的标签计算方法，采用多个LLM并行计算与模型集成。设计基于向量相似性的标签语义扩展、基于LLM+小样本先验知识的先验计算、基于LLM+RAG的后验计算、基于多LLM联合软判决的标签过滤、基于知识蒸馏的二次标签召回等技术实现对标签的精准计算。本法方法区别于传统的标签计算方案，大大提升了标签计算的准确性和可靠性，有效解决了模型幻觉问题同时并保证了标签计算的准确性。
-
公开(公告)号：CN118053052A
公开(公告)日：2024-05-17
申请号：CN202410457517.7
申请日：2024-04-16
Applicant: 之江实验室
IPC: G06V10/764 , G06V10/762 , G06V10/26 , G06V20/70 , G06V10/42 , G06V10/44 , G06V20/56 , G06V20/64
Abstract: 本说明书公开了一种无监督的高精矢量地图元素异常检测方法，可以将高精地图中各矢量元素分为线段元素、长线元素以及不规则元素，并基于三类元素构建空间检索树KD‑Tree，而后可以针对每类元素，根据KD‑Tree构建该类元素对应的相对空间关系特征，最后，可以根据各类元素对应的相对空间关系特征，通过预设的离群点检测方法，对各矢量元素进行异常元素检测，本发明提出了一种自动化的针对高精矢量地图的异常检测算法，可以在已构建好的高精矢量地图中无监督、自动化地检测出可能存在错误的异常元素，相较于人工的地图核准工作，能够利用自动化算法降低重复性劳动，同时能够大大提升自动驾驶地图部署效率，降低错误元素的漏检率。
-
公开(公告)号：CN117746193B
公开(公告)日：2024-05-10
申请号：CN202410194170.1
申请日：2024-02-21
Applicant: 之江实验室
IPC: G06V10/774 , G06V10/764 , G06V10/75 , G06V20/13
Abstract: 本说明书公开了一种标签优化方法、装置、存储介质及电子设备。所述标签优化方法包括：获取样本图像的各基础标签，将样本图像和各基础标签输入到预先训练的细粒度遥感目标检测模型中，得到样本图像的预测标签以及预测标签对应的置信度，针对每个基础标签，根据该基础标签和该基础标签对应的匹配标签集中的预测标签之间一致程度，以及，该基础标签对应的匹配标签集中包含的各预测标签的置信度，确定该基础标签对应的质量权重，以根据质量权重从各基础标签中筛选出待优化基础标签，并根据匹配标签集对待优化基础标签进行优化，得到优化后标签，根据优化后标签以及其他基础标签，对细粒度遥感目标检测模型进行训练。
-
Patent Agency Ranking
公开(公告)号：CN117744726A
公开(公告)日：2024-03-22
申请号：CN202311698790.0
申请日：2023-12-12
Applicant: 之江实验室
IPC: G06N3/063 , G06F9/50 , G06F15/173
Abstract: 本发明公开了一种面向芯粒故障感知的神经网络开销估计方法和系统，该方法包括以下步骤：获取芯粒故障后的不规则芯粒拓扑结构、不规则芯粒路由表、芯粒参数信息和算子参数信息；基于不规则芯粒拓扑结构和不规则芯粒路由表获取神经网络计算图在芯粒系统上的故障感知的调度策略，包括计算图、算子划分与资源数量分配策略和算子映射策略；对深度学习并行训练系统进行神经网络推理开销估计，包括获取计算开销、争用开销、算子内通信开销和算子间通信开销。本发明方法能够通过对故障芯粒的建模实现对神经网络在芯粒上的性能开销进行准确估计，为芯粒的设计和优化提供指导，为开发更高效的神经网络加速器提供有力支持。
-
公开(公告)号：CN117078985B
公开(公告)日：2024-01-30
申请号：CN202311344161.8
申请日：2023-10-17
Applicant: 之江实验室
IPC: G06V10/75 , G06V10/764 , G06V10/774 , G06V10/26 , G06V20/10
Abstract: 本说明书公开了一种景象匹配方法、装置、存储介质及电子设备。在本说明书提供的景象匹配方法中，获取实测图像与基准图像；将所述实测图像与所述基准图像输入预先训练的预测模型，所述预测模型至少包括分类子网、匹配子网、输出子网；通过所述分类子网对所述实测图像与所述基准图像进行分类，得到所述实测图像的类别与所述基准图像的类别；通过所述匹配子网，根据所述实测图像与所述基准图像，以及所述实测图像的类别与所述基准图像的类别，确定所述实测图像在所述基准图像中的定位结果；通过所述输出子网，根据所述匹配子网确定出的定位结(56)对比文件CN 116797948 A,2023.09.22蔡美玉 等.基于注意力机制和多粒度特征融合的跨视角匹配模型《.计算机应用》.2023,1-12.Chang-Dong Xu et al..ExploringCategorical Regularization for DomainAdaptive Object Detection《.arXiv》.2020,1-10.郭泽添.基于量化与深度特征融合的图像检索研究《.中国优秀硕士学位论文全文数据库》.2023,1-64.
-
公开(公告)号：CN117237675A
公开(公告)日：2023-12-15
申请号：CN202311389334.8
申请日：2023-10-24
Applicant: 之江实验室
IPC: G06V10/74 , G06V10/774 , G06V10/42 , G06V10/26 , G06V20/17
Abstract: 本说明书公开了一种无人机自主定位的方法、装置、存储介质及电子设备，本方法先在获取实时图像之前，通过预先训练好的图像处理模型，得到子基准图的全局特征，当无人机需要进行自主定位时，再通过图像处理模型，得到实时图像的全局特征，并根据实时图像的全局特征及子基准图的全局特征，确定实时图像与子基准图的相似度，最后，根据相似度，确定无人机的位置。由于在确定相似度时，即在进行图像匹配时，是根据全局特征确定的，不需要进行特征筛选，提高了图像匹配的效率，从而提高了无人机自主定位的效率。
-
公开(公告)号：CN117173438A
公开(公告)日：2023-12-05
申请号：CN202311134283.4
申请日：2023-09-04
Applicant: 之江实验室
IPC: G06V10/75 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/084 , G06N3/0895 , G06N3/0475 , G01C21/20 , G01C21/00
Abstract: 本说明书公开了一种深度耦合多源传感特性的景象匹配方法，针对不同类型的传感器分别采集的每个类型的实时景象，通过该类型的差异特征提取模型，得到该类型的而精细特征图，进而基于各类型的精细特征图，通过差异计算及生成器，抽象化不同类型的精细特征图的特征信息分离出可用精细特征，实现细粒度特征寻优，生成寻优实时图，进而基于寻优实时图和预存的寻优基准图进行多尺度景象匹配，得到匹配结果。可见，通过抽象不同类型的精细特征图的特征信息，挖掘不同类型的实时景象的共性化特征，并进行融合与精细寻优，可以获得比原始特征更加丰富、精细的特征，从而提升景象匹配的准确性。
-
公开(公告)号：CN113094246A
公开(公告)日：2021-07-09
申请号：CN202110338640.3
申请日：2021-03-30
Applicant: 之江实验室 , 中国科学院计算技术研究所
Abstract: 本发明公开了一种边缘异构计算环境仿真系统，包括Core模块和Algorithm模块，所述Core模块包括Task、Application、Broker、Cluster、Machine、Scheduler角色，以及Simulation、Monitor、Algorithm组件，所述Algorithm模块用于保存用户自定义的一组迁移调度决策算法；系统采用松耦合的模块设计，降低各模块间的依赖性；采用多组向量刻画任务资源需求与设备计算能力，使系统能够对复杂的边缘计算场景进行有效表示；设计了完整的任务生命周期，并支持自定义算法的实现与替换，增强了系统的可定制化能力，有助于系统后续的持续更新与维护。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.03 seconds)
