-
公开(公告)号：CN114039921A
公开(公告)日：2022-02-11
申请号：CN202111382668.3
申请日：2021-11-22
Applicant: 北京计算机技术及应用研究所
IPC: H04L47/125
Abstract: 本发明涉及一种适用于异构计算平台的ICE负载均衡系统，属于负载均衡领域。本发明实时采集节点服务器上GPU或NPU协处理器负载信息，根据任务类型和自定义负载均衡算法，选取特定协处理器作为响应客户端请求的节点，从而增强了系统的稳定性和鲁棒性，扩展了ICE对异构计算平台的负载均衡管理能力。本发明结合GPU、NPU等协处理器资源实时负载信息自定义ICE负载均衡方法，实现对ICE负载均衡模块的扩展。ICE注册中心通过调用扩展的负载均衡方法筛选目标对象适配器，从而实现对GPU、NPU等协处理器算力资源的负载均衡管理。
-
公开(公告)号：CN113537472A
公开(公告)日：2021-10-22
申请号：CN202110841564.8
申请日：2021-07-26
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明涉及一种低计算和存储消耗的双向递归神经网络，属于人工智能技术领域。本发明的正向时序特征识别阶段正向地接收输入的时间序列，并在每个时刻计算相应时刻的输出，生成输出序列；逆向时序特征识别阶段，这个阶段以第一个阶段为基础，逆向地接收输入的时间序列以及第一个阶段的输出序列，并在每个时刻计算相应的结果；最终根据第二个阶段输出的结果进行时间序列的分类。本发明所述双层双向递归神经网络的相比于普通的双向双层递归神经网络存储开销较小，可应用于多种时间序列处理的任务，对相关算法设计起指导作用，有助于相关算法在端侧低功耗限制的硬件上的实现。
-
公开(公告)号：CN113537110A
公开(公告)日：2021-10-22
申请号：CN202110841550.6
申请日：2021-07-26
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明涉及一种融合帧内帧间差异的虚假视频检测方法，属于模式识别、人工智能领域。本发明采用基于高频特征流和RGB特征流的帧内特征提取模块提取帧内特征，然后将连续视频帧每帧的特征送入GRU提取帧间特征，在整个特征提取过程中融合了帧内、帧间差异，即考虑了语义一致性，又考虑了时序一致性，有助于提升虚假视频检测效果。本发明提出的融合帧内帧间差异的虚假视频检测方法有助于提升虚假视频检测算法的多样性。本发明面向常见的虚假视频检测任务，主要是用于视频中虚假人脸的检测，也可用于其他通用物体的虚假视频检测。
-
公开(公告)号：CN112543092A
公开(公告)日：2021-03-23
申请号：CN202011157911.7
申请日：2020-10-26
Applicant: 北京计算机技术及应用研究所
IPC: H04L9/00 , H04N19/176 , H04N19/85
Abstract: 本发明涉及一种基于图像压缩感知加密的混沌二进制序列族矩阵构造方法，其中，包括：(1)根据图像分块大小的信息维度，判断相关参数的奇偶性，选择相应的迹表示函数；(2)对步骤(1)中选择的迹表示函数，产生组成相应二进制序列族的二进制伪随机序列集合，进行数值转换得到相应的双极性序列族，从得到的双极性序列族中选出一部分序列作为列向量进行排列，得到相应的初始测量矩阵；(3)引入混沌序列对步骤(2)得到的初始测量矩阵的列向量做相应置换得到所需要的混沌二进制序列族矩阵。本发明可用于构造具有硬件友好、感知性能高和加密性质良好的压缩感知测量矩阵，实现对灰白图像和彩色图像等图像信号的压缩加密采集。
-
公开(公告)号：CN119783846A
公开(公告)日：2025-04-08
申请号：CN202411611427.5
申请日：2024-11-12
Applicant: 北京计算机技术及应用研究所
IPC: G06N20/00 , G06N5/01 , G06V10/22 , G06V10/764 , G06V10/774
Abstract: 本发明涉及一种基于机器学习的阵列编码深度估计方法，属于机器学习和计算机视觉领域。本发明基于阵列编码基本原理，设计阵列编码图案，并制定精确表示基元图案位置的亚像素值坐标表示方法；基于决策树对基元图案进行分类预测，通过机器学习的方式使用白平衡板对决策树进行训练，得到满足要求的决策树；使用决策树获取实际采集的图像中的基元图案的分类，进而获得基元图案的亚像素定位坐标；基于三角测量原理求解深度信息，最后将获得的深度信息转化成三维点云信息图。本发明实现简单，精度较高，满足了动态目标的深度估计要求。
-
Patent Agency Ranking
公开(公告)号：CN119692413A
公开(公告)日：2025-03-25
申请号：CN202411621410.8
申请日：2024-11-14
Applicant: 北京计算机技术及应用研究所
IPC: G06N3/082 , G06F9/455 , G06N3/0985
Abstract: 本发明涉及一种智能感知算法训练框架统一支撑方法，属于深度学习领域。本发明包括主流国产框架转换兼容技术；统一训练系统；训练框架多硬件兼容技术；多类型计算资源虚拟化技术。本发明集成国产主流训练框架PaddlePaddle，通过X2Paddle工具实现对PyTorch训练框架在训练代码层和模型层的统一转换兼容能力；并以计算资源虚拟化技术进行训练环境管理，以镜像的方式实现对不同训练框架的兼容支持，实现主流国产硬件计算设备的接入；通过模型资源管理和构建场景开发套件，实现算法资源集成，以实现对不同任务常场景的快速开发能力；通过分布式训练技术，支持对单机多卡和多机多卡资源的调度使用。通过超参数调优和模型压缩技术，实现对训练模型效果和训练效率寻优。
-
公开(公告)号：CN119670832A
公开(公告)日：2025-03-21
申请号：CN202411621205.1
申请日：2024-11-14
Applicant: 北京计算机技术及应用研究所
IPC: G06N3/08 , G06F18/213 , G06F18/214 , G06N20/20 , G06N20/00 , G06F21/62 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种通信受限条件下的边云协同训练方法，属于边云协同领域。本发明融合了联邦学习和分割学习两种分布式机器学习算法，解决了传统的联邦学习因边缘设备算力限制而造成的无法训练或训练过慢的问题，能够充分利用边缘设备和云端设备的算力资源。同时模型分割后，通过对边缘设备侧特征提取器获取的中间层特征进行1bit量化操作和加噪声处理，缓解了边云协同训练时易造成的数据隐私安全问题。边缘设备侧的特征提取器无需在训练过程中进行参数更新，因此不需要进行边云之间多轮梯度的交换传输，且中间层特征经过量化操作后特征大小被极大压缩，这些都减小了边云协同训练时的通信占用，适用于通信受限的场景。
-
公开(公告)号：CN118313610B
公开(公告)日：2024-12-27
申请号：CN202410482864.5
申请日：2024-04-22
Applicant: 北京计算机技术及应用研究所
IPC: G06Q10/0631 , G06Q10/10 , G06N3/006
Abstract: 本发明涉及一种基于贪心算法的无人机序列目标分配方法，属于无人机技术领域。本发明从矩阵M1n×m中选择最小值m1kl，将目标l分配给无人机k，表示目标l在无人机k的任务序列中；将矩阵M1n×m的第k行设置为等于矩阵M2m×m的第l行；再对M1n×m的第k行的每个元素加上s＝M1n×m[k][l]；然后对矩阵M1n×m的第l列赋值为∞；重复上述步骤，直到所有目标均被分配完成。本发明采用基于贪心算法的无人机序列目标分配方法，相比于传统的枚举法和新兴的强化学习算法，本算法的精度和速度都具有明显优势，能够更好地适应无人机领域的实时性和准确性要求。
-
公开(公告)号：CN114462612B
公开(公告)日：2024-08-13
申请号：CN202110923716.9
申请日：2021-08-12
Applicant: 北京计算机技术及应用研究所
IPC: G06N10/40
Abstract: 本发明涉及一种基于高性能异构集群的量子计算仿真原理验证方法，属于量子计算仿真领域。本发明的主节点与客户端建立连接，获取客户端发送的量子线路信息；主节点将获得的信息分发给其它节点，然后各个节点启动GPU设备，检测可用的GPU数量；根据其量子寄存器的大小信息分配CPU端内存空间和GPU端设备内存空间，根据其寄存器初态初始化量子寄存器；将CPU端数据分发给其每个GPU设备，对GPU内存空间中缓存区数据进行初始化；根据量子线路仿真其每个量子门，对于每个量子门，仿真结束后进行线程级同步及概率幅更新，每个节点将GPU上的数据拷贝到CPU内存中，主节点返回仿真结果。本发明能有效解决量子计算仿真的瓶颈—时间和空间开销，提升仿真规模和仿真效率。
-
公开(公告)号：CN112543092B
公开(公告)日：2024-06-28
申请号：CN202011157911.7
申请日：2020-10-26
Applicant: 北京计算机技术及应用研究所
IPC: H04L9/00 , H04N19/176 , H04N19/85
Abstract: 本发明涉及一种基于图像压缩感知加密的混沌二进制序列族矩阵构造方法，其中，包括：(1)根据图像分块大小的信息维度，判断相关参数的奇偶性，选择相应的迹表示函数；(2)对步骤(1)中选择的迹表示函数，产生组成相应二进制序列族的二进制伪随机序列集合，进行数值转换得到相应的双极性序列族，从得到的双极性序列族中选出一部分序列作为列向量进行排列，得到相应的初始测量矩阵；(3)引入混沌序列对步骤(2)得到的初始测量矩阵的列向量做相应置换得到所需要的混沌二进制序列族矩阵。本发明可用于构造具有硬件友好、感知性能高和加密性质良好的压缩感知测量矩阵，实现对灰白图像和彩色图像等图像信号的压缩加密采集。
-
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.036 seconds)
