-
公开(公告)号:CN110163333B
公开(公告)日:2020-06-09
申请号:CN201810021291.0
申请日:2018-01-10
Applicant: 成都信息工程大学
IPC: G06N3/04
Abstract: 本发明涉及一种卷积神经网络的并行优化方法,其包括:用winograd算法f(2x2,3x3)进行卷积神经网络的卷积核运算,以降低时间复杂度并减少乘法运算次数;对不存在循环数据依赖的for循环结构部分,使用OpenMP开辟多个线程进行运算;对模式相同的数据运算部分进行向量化处理,使其能够实现一次指令多次运算。采用本发明的方法改进的卷积神经网络程序能够大幅度提高并行的效率、减少运算的复杂度,从根本上降低运算开销,降低程序的运行时间。
-
公开(公告)号:CN108132872B
公开(公告)日:2020-04-03
申请号:CN201810021292.5
申请日:2018-01-10
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于并行超算网格云平台的GRAPES系统优化方法,其包括:S1)载入测试数据集并运行系统,分别进行系统级测试、通信级测试和函数级测试,其包括:S1.1)系统级测试;S1.2)通信级测试;S1.3)函数级测试:对调用的函数进行监控,获取函数的运行特征。S2)根据导出的系统特征文件进行测试结果分析,其包括:S2.1)系统测试结果分析;S2.2)MPI通信级测试结果分析;S2.3)函数级测试结果分析。S3)根据分析结果进行优化处理,优化处理包括:向量化、负载均衡、使用库函数替代GRAPES_GFS中的函数。本发明解决了Grapes在并行超算网格平台上的优化问题,提高了系统运行效率。
-
公开(公告)号:CN110162736A
公开(公告)日:2019-08-23
申请号:CN201810021260.5
申请日:2018-01-10
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于消去树的大型稀疏对称线性方程组并行处理方法,其包括以下步骤:步骤1:对A矩阵进行LU分解;步骤2:进行前推回代,计算Ly=b,求出y,然后Ux=y,求出x;采用基于消去树的双重任务划分法并行前推回代;步骤3:进行X数组重组,其包括:重组X数组,使得单个线程计算所需的数据位于内存中连续的空间;步骤4:进行循环合并,将除法运算与X数组重组等循环合并入前推回代过程,减小循环迭代开销与OpenMP线程创建开销。本发明通过基于消去树的双重任务划分法进行并行计算,充分利用了多核计算资源,显著提高了大型稀疏矩阵前推回代速度。
-
公开(公告)号:CN110046665A
公开(公告)日:2019-07-23
申请号:CN201910309830.5
申请日:2019-04-17
Applicant: 成都信息工程大学
IPC: G06K9/62
Abstract: 本发明属于通信控制及通信处理技术领域,公开了一种基于孤立森林二分类异常点检测方法、信息数据处理终端;将原始数据集进行初始的静态平均分块,计算块内密度和均值密度;计算出静态分块的各块内密度后,以原数据集的均值密度作为阈值将数据集进行精简;利用节点的递归方法构建孤立森林;对原始数据集进行相应特征的提取并数据化,计算聚类中心点与其他点的空间位置距离;将由基于密度和距离算出的异常分数及由基于特证信息计算出来的异常分数相加与相对应的阈值进行比较。本发明有效提高异常点检测算法的准确率,能大幅度减少异常检测过程中的实际数据量,节省计算资源,并且提高了异常检测效率;增强了异常检测算法的鲁棒性。
-
公开(公告)号:CN109102019A
公开(公告)日:2018-12-28
申请号:CN201810907142.4
申请日:2018-08-09
Applicant: 成都信息工程大学
Abstract: 本发明涉及图像处理技术领域,具体的说是基于HP-Net卷积神经网络的图像分类方法。本发明包括以下步骤:步骤1:读取输入图像I;步骤2:将输入图像I分为大小为m×m的图像块集合,每一块用Ii表示,i=1,2,...,n,n表示图像块的数量;步骤3:将Ii输入到卷积神经网络中进行训练;步骤4:经过若干次提取特征,再通过三层全连接层,得到一维的矩阵,然后使用丢弃正则化操作避免过拟合;步骤5:将卷积神经网络中的输出结果输入到softmax分类器里,最终得到分类结果。本发明所提出的网络模型表现出更好的性能,在RO-5和花卉数据集上比其他现有的网络模型要高。
-
公开(公告)号:CN108765332A
公开(公告)日:2018-11-06
申请号:CN201810502466.X
申请日:2018-05-23
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于非局部均值框架的图像去噪处理方法,涉及图像处理技术,采用与图像局部区域结构一致的椭圆搜索窗口,根据图像的局部结构,对椭圆搜索窗口的尺寸大小和去噪算法内平滑参数数值的进行自适应调整,以更好地对待去噪像素点的灰度值进行估计。本发明在不同噪声环境下的去噪效果有比较好的鲁棒性。本发明通过对图像局部区域的直方图信息和图像矩阵信息的分析,实现基于非局部均值算法的图像块大小自适应、平滑参数数值自适应以及搜索窗口形状自适应,从而有效地对图像细节部分进行噪声抑制并尽可能地保留住细节部分的纹理信息,实现对传统非局部均值算法的改进,实验效果证明改进算法在去噪效果和纹理部分提升明显。
-
公开(公告)号:CN107341515A
公开(公告)日:2017-11-10
申请号:CN201710548770.3
申请日:2017-07-07
Applicant: 成都信息工程大学
IPC: G06K9/62
CPC classification number: G06K9/6227 , G06K9/6218 , G06K9/6267
Abstract: 本发明涉及一种基于数据表达的特殊点检测方法,基于仿射组合中负值元素存在的位置,结合数据集中仿射组合理论,利用可逆不可达测度值NCi去判定样本点属于特殊点的程度,通过自动设定门限值γ来自动确定特殊点,提高了特殊点检测的精度和速度,更好的反应了数据集的结构特征,并同时检测到异常点和边缘点,另外本发明受数据分布和数据维度影响较弱,在实际应用中适用范围更广,解决了现有技术对特殊点的检测精度和对高维数据检测性能不佳的不足。
-
公开(公告)号:CN119888028A
公开(公告)日:2025-04-25
申请号:CN202510361546.8
申请日:2025-03-26
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种聚焦面部的数字人体重建方法,涉及数字人重建技术领域,包括对人脸识别到的人脸区域依次进行超分处理、语义分割,得到当前人脸RGB图像帧;根据初始化参数、当前RGB图像帧的表情参数,基于多层感知机得到当前RGB图像帧对应头部网格的高斯基元的新参数;通过最小化损失的训练策略,优化当前RGB图像帧对应头部网格的高斯基元的参数,迭代处理其他RGB图像帧,组合优化后的所有高斯基元,得到重建的数字头部;根据重建的数字头部和重建的数字人体渲染得到聚焦面部的人体图像。本发明不仅关注了人体整体的重建,而且对脸部的高精度重建进行了强化,在后续渲染中能够呈现出流畅且逼真的人体动画效果。
-
公开(公告)号:CN119785193A
公开(公告)日:2025-04-08
申请号:CN202510282109.7
申请日:2025-03-11
Applicant: 成都信息工程大学
IPC: G06V20/00 , G06V10/774 , G06V40/16 , G06V10/80 , G06V10/10 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了提出一种基于空频特征集成和动态边缘优化的深度伪造检测方法,通过空间‑频率特征集成模块和真实性感知边界损失函数显著提升了伪造内容的检测准确性和鲁棒性。本发明有效地结合了图像的空间域和频率域特征,使得模型能够更全面地识别伪造图像中的细微差别。此外,真实性感知边界损失函数通过动态调整边界,成功应对了类别不平衡问题,尤其在真实图像样本稀缺的情况下,显著提高了分类性能。本发明在多个具有挑战性的数据集上进行的实验验证了方法的有效性。
-
公开(公告)号:CN118052706A
公开(公告)日:2024-05-17
申请号:CN202410397562.8
申请日:2024-04-03
Applicant: 成都信息工程大学
IPC: G06T3/04 , G06V10/80 , G06V10/774 , G06V10/82 , G06V10/764
Abstract: 发明提出融合交互注意力机制的任意风格迁移方法和装置,构建的迁移网络主要包括:基于Transformer编码器和可逆神经网络的联合特征编码模块、融合通道和空间的交互注意力的风格转换模块和空间感知插值模块,首先利用联合特征编码器中的Transformer编码器提取内容图像和风格图像的全局特征,利用可逆神经网络提取内容图像和风格图像的细节特征,然后将内容图像和风格图像的全局和细节的特征分别送进通道和空间的交互注意力中进行融合,得到全局风格化的特征和细节风格化特征;最后,使用空间感知插值模块进行自适应插值融合。本发明方法捕捉序列数据中的长距离依赖关系和局部模式,具有较强的泛化能力,融合空间和通道细节信息,更好地维持了图像原本的结构。
-
-
-
-
-
-
-
-
-