-
公开(公告)号：CN114548237A
公开(公告)日：2022-05-27
申请号：CN202210105552.3
申请日：2022-01-28
Applicant: 广州杰赛科技股份有限公司 , 华南理工大学 , 广东工业大学
Abstract: 本发明公开了一种人机交互的多模态数据融合方法，该方法包括：获取智能生产线的人机物要素信息和多种输入模态数据；基于人机物要素信息，从交互层次、空间跨度和业务类型三个维度构建建模表征空间；基于人、机、物各类要素的时空逻辑关系和各类要素的组合关系，构建建模基准；定义各类要素的交互规则，构建人机交互行为抽象模型；根据人、机、物各类要素的时间特性构建决策信息系统；通过人机交互行为抽象模型提取多种输入模态数据的数据特征；通过决策信息系统生成多种输入模态数据对应的决策；通过混合融合的方法将传感数据、数据特征和决策进行融合。本发明能够对人机交互的多层次交互进行抽象和结构化描述，以实现多模态数据的有效融合。
-
公开(公告)号：CN114448599A
公开(公告)日：2022-05-06
申请号：CN202210151457.7
申请日：2022-02-18
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司 , 暨南大学
IPC: H04L9/00
Abstract: 本发明公开一种入侵检测方法及系统，其由边缘节点对边缘侧自身的设备特征数据进行边缘入侵检测模型的构造，由云节点基于所有边缘节点的边缘入侵检测模型的模型输入和模型输出训练云节点的全局模型参数，其中，所述全局模型为基于贝叶斯深度学习的模型；同时云节点基于全局模型预测的误差精度自适应调整全局模型输入的采样数据量，本发明不仅能减少云节点通信传输的压力，还提升了云节点响应服务的能力。同时，本发明每隔一检测周期进行入侵检测模型的更新，全局模型的参数更新会随着边缘节点的数据分布的变动而变动，从而能提高入侵检测的准确率。
-
公开(公告)号：CN114398160A
公开(公告)日：2022-04-26
申请号：CN202111550535.2
申请日：2021-12-17
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
Abstract: 本发明公开了一种基于自适应任务调度的全局感知模型构建方法及装置，该方法包括如下步骤：步骤S1，固定采样时间间隔，随机选择K个服务器；步骤S2，令K个服务器节点构建局部模型，利用边缘节点的分布式感知技术，并结合感知模型的任务分配方法，实现感知模型并行训练最小化和训练质量不断迭代校正的自适应任务分配，从而通过自适应任务分配选择合适的节点以实现局部模型的选取；步骤S3，定义一个智能体系统，基于局部模型的训练，采用最大估计效用的策略来选取执行参数传输，通过本地智能体与中心智能体参数的交互实现全局模型的构建。
-
公开(公告)号：CN113890795A
公开(公告)日：2022-01-04
申请号：CN202111057350.8
申请日：2021-09-09
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
IPC: H04L25/02 , H04B7/0413
Abstract: 本发明公开了一种大规模MIMO信道估计模型的构建方法、装置及介质，首先，接收n组在线信号数据；其次，通过深度学习提取预先获取的离线信号数据的高层语义特征和n组所述在线信号数据的高层语义特征，得到离线高层语义特征和n组在线高层语义特征；然后，将所述离线高层语义特征和n组所述在线高层语义特征分别输入至预先构建的n+1个神经网络中进行训练，得到初始信道估计模型和n个在线信道估计模型；最后，基于所述离线信号数据的误码率和n个所述在线信号数据的误码率，对所述初始信道估计模型和n个所述在线信道估计模型进行集成学习，得到最优信道估计模型。本发明能够减小系统开销，降低计算复杂度，实现自适应更新模型。
-
公开(公告)号：CN107896166B
公开(公告)日：2021-08-10
申请号：CN201711221173.6
申请日：2017-11-28
Applicant: 广州杰赛科技股份有限公司
Inventor： 杜翠凤
Abstract: 本发明公开了一种网络核心节点的获取方法和装置。所述网络核心节点的获取方法包括：响应于核心节点获取指令，获得目标网络；其中，所述目标网络中包含至少一个网络节点；计算每个所述网络节点的节点影响力，并将所述节点影响力最大的M个所述网络节点分别设置为第一网络核心节点；其中，M≥1；计算每个所述第一网络核心节点的节点信息冗余度，并将所述节点信息冗余度最小的N个所述第一网络核心节点分别设置为第二网络核心节点；其中，N≥1，且M≥N。采用本发明，能够提高获取的网络核心节点的准确度。
-
Patent Agency Ranking
公开(公告)号：CN112492275A
公开(公告)日：2021-03-12
申请号：CN202011343997.2
申请日：2020-11-25
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
IPC: H04N7/18
Abstract: 本发明公开一种区域监测点的布局方法、装置及存储介质，该方法包括步骤：将待布局区域的原始数据导入ArcGIS平台中，获取每个监测点的监控范围；根据每个监测点的监控范围，按照预设的划分策略，将待布局区域划分为若干个不规则区块；在每个不规则区块中，选取k个监测点作为选定的监测点，建立目标函数以及约束条件，确定不规则区块内最终选定的监测点；其中，对应的不规则区块内的监测点总个数为n，1≤k＜n；汇总每个不规则区块最终选定的监测点，确定待布局区域最终布局的监测点。本发明通过从每个摄像头的监控覆盖范围出发，将布局区域划分为多个不规则区块，对每个不规则区块进行最低成本优化，最后进行汇总，使得区域的监测点布局更合理。
-
公开(公告)号：CN109389045B
公开(公告)日：2021-03-02
申请号：CN201811053740.6
申请日：2018-09-10
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
IPC: G06K9/00
Abstract: 本发明提供了一种基于混合时空卷积模型的微表情识别方法与装置，该方法包括：根据预先获取的图像训练样本对预先建立的混合时空卷积网络进行训练，得到混合时空卷积模型；其中，所述混合时空卷积网络包括多个循环交替连接3D残差模块，每个3D残差模块包括1*3*3卷积层和3*1*1卷积层；将待识别图像输入到所述混合时空卷积模型，得到微表情分类结果。采用混合的1*3*3卷积(2维)+3*1*1卷积(1维)进行卷积计算，一方面保证了本发明在微表情识别上具有3D CNN的精度要求；另一方面大大降低了计算复杂度，从而降低对计算机硬件的要求，更有利于产品化。
-
公开(公告)号：CN111931806A
公开(公告)日：2020-11-13
申请号：CN202010585335.X
申请日：2020-06-23
Applicant: 广州杰赛科技股份有限公司 , 华南理工大学 , 广东工业大学
Abstract: 本发明提供了一种多传感器数据融合的设备故障诊断方法及装置，方法包括：根据预先确定的故障模式构造设备的故障辨识框架；获取由多个传感器采集到的设备运行状态数据，并将设备运行状态数据转化为数字信号；利用预先构建的自适应故障诊断模型对数字信号进行故障特征提取，并根据提取得到的故障特征矩阵利用基本概率赋值法计算各个故障模式的BPA值，得到设备的初级诊断证据体；对DS理论冲突因子与预设的阈值进行大小关系比较，根据比较结果选取对应的融合规则对初级诊断证据体进行决策融合得到设备的故障诊断结果。本发明能够融合多来源故障信号进行设备的状态监测与智能诊断，从而有效提高设备故障诊断的效率和准确性。
-
公开(公告)号：CN109376596B
公开(公告)日：2020-11-13
申请号：CN201811079718.9
申请日：2018-09-14
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
IPC: G06K9/00
Abstract: 本发明公开了一种人脸匹配方法、装置、设备及计算机可读存储介质，通过候选区域网络模型获取目标人脸图像的目标人脸区域图像以及至少两个人脸器官区域图像，进而通过级联卷积神经网络模型，获取至少两个目标人脸特征点及对应特征向量，将所述目标人脸特征点进行组合以获取特征组合，根据所述特征组合中所述目标人脸特征点的特征向量以及预先建立的特征检索库，逐个组合进行迭代匹配，以获取匹配于所有特征组合的图像集合，将所述目标人脸特征点的特征向量与所述图像集合进行相似度计算，以获取人脸匹配结果，本发明能够减少检索范围，提升检索速度，提高用户的使用体验。
-
公开(公告)号：CN109271930B
公开(公告)日：2020-11-13
申请号：CN201811075329.9
申请日：2018-09-14
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
IPC: G06K9/00
Abstract: 本发明提供了一种微表情识别方法、装置与存储介质，所述方法，包括：检测预先采集的目标人脸图像的人脸特征，获取所述目标人脸图像的至少五个人脸特征点；根据所述目标人脸图像的人脸特征点以及预设的图像分块规则，对所述目标人脸图像进行切块处理，得到若干个图块；根据所述若干个图块，通过预先建立的卷积神经网络模型，获得微表情分类结果。上述方法依据获取的人脸特征点以及预设的图像分块规则，对所述目标人脸图像进行切块处理，并采用卷积神经网络对切块后的得到的若干个图块进行识别分类，能够有效提高微表情识别的速度、精度，从而大幅度提高微表情识别的工作效率。
-
-
-
-
-
-
-
-
-
Search Results
178
records
(took 0.035 seconds)
