-
公开(公告)号:CN109582461A
公开(公告)日:2019-04-05
申请号:CN201811352854.0
申请日:2018-11-14
Applicant: 中国科学院计算技术研究所
IPC: G06F9/50
Abstract: 本发明提供一种针对Linux容器的资源部署方法及系统。所述方法,包括:1)针对每一个物理主机,根据要搭建的容器对N维资源的需求情况以及所述物理主机能提供所述N维资源的情况,计算所述物理主机在每一维度的资源上与所述容器的匹配度,N>1;2)在N维空间内,基于由设置的可行域边界值m所确定的可行域范围,筛选出在每一维度的资源上与所述容器的匹配度均处于所述可行域范围内的一个或多个物理主机,m>0。本发明可以有效地减少资源碎片、提高主机在接近满负荷情况下的资源使用率,避免资源浪费。并且,经测试本发明相较于传统的贪心策略部署在资源均衡度方面提高了约100%。
-
公开(公告)号:CN104661241B
公开(公告)日:2018-05-22
申请号:CN201510003755.1
申请日:2015-01-05
Applicant: 中国科学院计算技术研究所
CPC classification number: Y02D70/00
Abstract: 本发明提供一种小区休眠决策方法、实现方法及系统。其中,小区休眠决策方法包括:对于每个由地理位置相邻的基站构成的集合,当到达休眠决策时间点时,计算该集合内每个小区的休眠指标,其中小区的休眠指标与该小区的当前负载以及负载变化趋势相关;以及,根据所述集合内每个小区的休眠指标,确定该小区所要进入的状态。本发明在实现了小区休眠所带来的节能减排效果的同时,简化了休眠决策以及休眠信息交互的过程,提高了休眠周期的时间粒度,降低了系统频繁决策、天线频繁调整以及用户频繁切换的问题,保障了系统的稳定性,减小了休眠判决带来的开销,提高了网络设备的生命周期,并保证了良好的用户体验。
-
公开(公告)号:CN119274227A
公开(公告)日:2025-01-07
申请号:CN202310816354.2
申请日:2023-07-05
Applicant: 中国科学院计算技术研究所
IPC: G06V40/20 , G06V40/10 , G06V10/25 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种行人检测模型,用于检测图像中的行人,所述模型包括:特征提取模块,用于对图像进行特征提取得到原始特征图;区域生成模块,用于采用锚框对所述原始特征图进行候选目标框选以获取带锚框的特征图;空间注意力模块,用于对所述带锚框的特征图中被锚框框选部分进行掩码处理以获取掩码特征图;校准模块,用于基于所述带锚框的特征图对所述掩码特征图进行像素校准,并用于对像素校准后的特征图进行池化处理,以及基于池化处理后的特征图对所述原始特征图进行候选校准得到校准特征图;行人识别模块,用于对所述校准特征图进行分类以识别行人所在位置。本发明所提出的模型能够有效地学习被遮挡的行人特征来提高对被遮挡行人的检测准确率。
-
公开(公告)号:CN113298046A
公开(公告)日:2021-08-24
申请号:CN202110726377.5
申请日:2021-06-29
Applicant: 中国科学院计算技术研究所数字经济产业研究院
Abstract: 本发明涉及一种基于监控视频的高空抛物检测方法。本发明提供一种基于监控视频的高空抛物检测方法。本发明的技术方案为:一种基于监控视频的高空抛物检测方法,其特征在于:获取打有抛物检测标签的监控视频;将监控视频分割成多个小视频;获取用于抛物检测的检测服务器资源情况,将小视频分发给不同的检测服务器;获取检测服务器在检测到抛物后生成的抛物信息。本发明适用于高空抛物检测领域。
-
公开(公告)号:CN109582461B
公开(公告)日:2021-03-09
申请号:CN201811352854.0
申请日:2018-11-14
Applicant: 中国科学院计算技术研究所
IPC: G06F9/50
Abstract: 本发明提供一种针对Linux容器的资源部署方法及系统。所述方法,包括:1)针对每一个物理主机,根据要搭建的容器对N维资源的需求情况以及所述物理主机能提供所述N维资源的情况,计算所述物理主机在每一维度的资源上与所述容器的匹配度,N>1;2)在N维空间内,基于由设置的可行域边界值m所确定的可行域范围,筛选出在每一维度的资源上与所述容器的匹配度均处于所述可行域范围内的一个或多个物理主机,m>0。本发明可以有效地减少资源碎片、提高主机在接近满负荷情况下的资源使用率,避免资源浪费。并且,经测试本发明相较于传统的贪心策略部署在资源均衡度方面提高了约100%。
-
公开(公告)号:CN105407520B
公开(公告)日:2019-02-01
申请号:CN201510671298.3
申请日:2015-10-13
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种集中式基站休眠决策方法,包括:1)根据用户量和用户分布信息,生成多个连接矩阵,其中,所生成的每个连接矩阵均能够满足用户的接入需求;2)对于每个连接矩阵,计算它的能耗和连接稳定性,其中,每个连接矩阵的所述连接稳定性是该连接矩阵相对于当前各个基站开关状态的变化程度;3)根据每个连接矩阵所对应的能耗代价和连接稳定性代价,选择最优的连接矩阵作为当前的基站休眠决策结果。本发明还提供了相应的休眠系统。本发明的基站休眠方案能够更好地帮助通信网络降低能耗,提高网络稳定性,保障用户的QoS体验。
-
公开(公告)号:CN104661241A
公开(公告)日:2015-05-27
申请号:CN201510003755.1
申请日:2015-01-05
Applicant: 中国科学院计算技术研究所
CPC classification number: Y02D70/00 , H04W52/0206 , H04W76/27 , H04W76/38
Abstract: 本发明提供一种小区休眠决策方法、实现方法及系统。其中,小区休眠决策方法包括:对于每个由地理位置相邻的基站构成的集合,当到达休眠决策时间点时,计算该集合内每个小区的休眠指标,其中小区的休眠指标与该小区的当前负载以及负载变化趋势相关;以及,根据所述集合内每个小区的休眠指标,确定该小区所要进入的状态。本发明在实现了小区休眠所带来的节能减排效果的同时,简化了休眠决策以及休眠信息交互的过程,提高了休眠周期的时间粒度,降低了系统频繁决策、天线频繁调整以及用户频繁切换的问题,保障了系统的稳定性,减小了休眠判决带来的开销,提高了网络设备的生命周期,并保证了良好的用户体验。
-
公开(公告)号:CN114612835A
公开(公告)日:2022-06-10
申请号:CN202210253316.6
申请日:2022-03-15
Applicant: 中国科学院计算技术研究所
Abstract: 本发明实施例提供了一种基于YOLOv5网络的无人机目标检测模型,该模型包括:主干模块,用于对输入图像进行多次下采样,得到多个不同尺度的特征图;颈部模块,用于基于主干模块得到的不同尺度的特征图进行多次上采样和特征融合,输出多个不同尺度的检测特征图,其中,相比原始的YOLOv5网络,颈部模块的输出增加一个相比于原始的YOLOv5网络中最大尺度的检测特征图更大的新检测特征图,并减少一个最小尺度的检测特征图;预测模块,用于根据颈部模块输出的多个检测特征图进行无人机目标预测,得到目标的预测位置信息和分类结果,其中,分类的类别包括无人机类和非无人机类。
-
公开(公告)号:CN112465850A
公开(公告)日:2021-03-09
申请号:CN202011425827.9
申请日:2020-12-08
Applicant: 中国科学院计算技术研究所数字经济产业研究院
Abstract: 本发明涉及一种外围边界建模方法、智能监控方法及装置。本发明的技术方案是:该建模方法:对图像做边缘检测,得到二值化的边缘检测结果;对边缘检测结果的二值化图像进行膨胀操作;遍历经膨胀的二值化图像中的点,以P(x,y)表示图像中的点(x,y)的像素值,若在同一x下满足以下条件P(x,y)=255则记录当前坐标(x,y),作为边界点,结束当前循环,同时继续判断下一个点x+1对应的y值是否符合上述条件;若相邻x位置存在边界点,而当前x位置不存在边界点,则当前x位置获取前一位置得到的边缘信息;将记录的的数据(x,y)对应写入map映射表中,其中x为key值,y为对应的value值,完成对外围边界建模。本发明适用于楼宇智能监控领域。
-
公开(公告)号:CN105407520A
公开(公告)日:2016-03-16
申请号:CN201510671298.3
申请日:2015-10-13
Applicant: 中国科学院计算技术研究所
CPC classification number: Y02D70/00 , H04W52/0206 , H04W52/265 , H04W52/30
Abstract: 本发明提供一种集中式基站休眠决策方法,包括:1)根据用户量和用户分布信息,生成多个连接矩阵,其中,所生成的每个连接矩阵均能够满足用户的接入需求;2)对于每个连接矩阵,计算它的能耗和连接稳定性,其中,每个连接矩阵的所述连接稳定性是该连接矩阵相对于当前各个基站开关状态的变化程度;3)根据每个连接矩阵所对应的能耗代价和连接稳定性代价,选择最优的连接矩阵作为当前的基站休眠决策结果。本发明还提供了相应的休眠系统。本发明的基站休眠方案能够更好地帮助通信网络降低能耗,提高网络稳定性,保障用户的QoS体验。
-
-
-
-
-
-
-
-
-