基于结构化信息特征解耦与知识迁移的视觉场景识别方法

    公开(公告)号:CN114049541A

    公开(公告)日:2022-02-15

    申请号:CN202111000756.2

    申请日:2021-08-27

    Abstract: 本发明公开了一种基于结构化信息特征解耦与知识迁移的视觉场景识别方法,包括如下步骤:使用Canny边缘检测器提取图像的边缘表示形式,并基于自动编码器将其转换为边缘特征矢量;利用微调后的ResNet‑34提取图像的外观特征表示;对于输入图像,送入特征解耦网络分别生成结构化特征向量与外观特征向量,结构化特征向量的特征分布将会与内容教师模块生成的边缘特征矢量进行对比;解码器整合输入的特征并重构原始图像,用于鼓励所学习的内容特征与外观特征能够形成完整的输入图像的表示,提取结构化特征向量作为最终的场景特征,并利用余弦距离计算优化特征间的相似度,实现视觉场景识别。

    基于密度滤波和地标显著性的拓扑图场景识别方法及装置

    公开(公告)号:CN114708482A

    公开(公告)日:2022-07-05

    申请号:CN202210174254.X

    申请日:2022-02-24

    Abstract: 本发明公开了基于密度滤波和地标显著性的拓扑图场景识别方法及装置,有效解决视角变化下的场景识别问题,在目标检测算法的基础上,对得到的地标提取SIFT关键点,充分利用SIFT关键点对视角变化具有鲁棒性的特性,采用密度滤波算法获取具有视角不变性的地标,然后,通过对查询帧和参考帧中视角不变性地标的深度全局描述子进行交叉认证以及地标的形状分数的对比,得到两帧中相互匹配的地标,考虑到提取的地标仅仅代表图像的一小部分,一些低辨识度的地标可能会引起混淆,从而对匹配结果产生负面影响,因此使用地标定位网络获得地标显著性,然后利用基于地标间的空间关系、外观和图像显著性的拓扑图结构计算查询帧和参考帧匹配分数。

    联合局部非局部流形和截断算子的高光谱融合方法及装置

    公开(公告)号:CN114331940B

    公开(公告)日:2025-05-23

    申请号:CN202111677658.2

    申请日:2021-12-31

    Abstract: 本发明公开了联合局部非局部流形和截断算子的高光谱融合方法及装置,将输入高分辨率多光谱图像划分为不同子块并重构为矩阵形式,所有子块分布于多个低维流形附近;对每一个子块,使用最近邻搜索算法寻找非局部相似图像块,构建非局部相似关系,同时构建每个图像块与周围四个相邻块的相似关系,将局部与非局部相似关系整合获得流形映射矩阵L;对L进行特征分解获得特征基并构建截断算子,将L和截断算子并入高分辨率HSI融合模型,获得最终模型。使用交替方向乘子法ADMM算法优化上述模型,并进行解耦操作,最终使用共轭梯度算法PCG逐波段求解。

    一种基于数据并行的作业调度系统及方法

    公开(公告)号:CN119847762A

    公开(公告)日:2025-04-18

    申请号:CN202510314404.6

    申请日:2025-03-17

    Abstract: 本说明书公开了一种基于数据并行的作业调度系统及方法。在本说明书提供的作业调度系统中,包括任务处理模块和高效能计算模块;所述任务处理模块,用于接收用户投递的大规模计算任务,确定与所述大规模计算任务对应的任务结构,根据所述任务结构对所述大规模计算任务进行拆分并构建若干计算作业;将所述计算作业发送给所述高效能计算模块;所述高效能计算模块,用于接收并处理所述任务处理模块发送的计算作业,所述的高效能计算模块包含若干计算集群模块。

    训练模型分配方法、装置、计算机设备和存储介质

    公开(公告)号:CN117112145B

    公开(公告)日:2024-02-13

    申请号:CN202311336127.6

    申请日:2023-10-16

    Abstract: 本申请涉及一种训练模型分配方法、装置、计算机设备和存储介质。所述方法包括:获取待训练模型的模型信息和训练数据集;将训练模型根据层级信息划分为至少两个子模型,并将各子模型分配至训练集群中各机器节点;将各子模型根据计算参数信息划分为至少两个子模型切片,并将各子模型切片分配至训练集群中各机器节点的各计算处理器;将训练数据集根据计算参数信息划分为至少两个训练子数据集,并将各训练子数据集分配至训练集群中各计算处理器;根据训练集群中所有计算处理器,以及所有计算处理器对应的子模型切片和训练数据子集,对待训练模型进行训练。采用本申请的方法能够提高模型训练效率。

    一种计算框架管理系统
    6.
    发明公开

    公开(公告)号:CN117075930A

    公开(公告)日:2023-11-17

    申请号:CN202311344160.3

    申请日:2023-10-17

    Abstract: 本说明书公开了一种计算框架管理系统。所述计算框架管理系统包括:计算框架安装模块、计算框架管理模块、交互模块、调度模块,可以根据用户的需求为用户提供用户所需的交互方式与用户进行交互,使得用户不需要学习与计算框架及其依赖的计算集群的使用方式,仅通过计算框架管理系统对不同的计算框架进行安装、配置以及使用,并可以通过计算框架管理系统自动监控计算集群和计算任务的执行状态,并自动处置存在异常的计算任务,进而可以在提升用户的体验同时,有效地在异构计算集群上对计算框架进行管理。

    一种仿真系统、方法及装置

    公开(公告)号:CN116151137B

    公开(公告)日:2023-07-28

    申请号:CN202310448224.8

    申请日:2023-04-24

    Abstract: 本说明书公开了一种仿真系统、方法及装置,仿真系统为分布式系统,其中包括任务分割单元、调度单元和工作节点,仿真系统用于确定业务系统在指定业务策略下执行模拟业务的模拟结果。其中,由任务分割单元生成仿真任务,将仿真任务分割为多个子任务,调度单元向各工作节点分配各子任务,并确定各工作节点的实时负载,从而基于实时负载对已分配的各任务进行重新分配,工作节点执行分配的子任务得到任务执行结果,由调度单元根据各工作节点的任务执行结果确定模拟结果。由于仿真系统是分布式系统,可以基于多个工作节点的算力资源,满足业务系统执行模拟业务的资源需求,提高业务系统执行模拟业务的效率,并提升业务策略的优化效率。

    一种仿真系统、方法及装置

    公开(公告)号:CN116151137A

    公开(公告)日:2023-05-23

    申请号:CN202310448224.8

    申请日:2023-04-24

    Abstract: 本说明书公开了一种仿真系统、方法及装置,仿真系统为分布式系统,其中包括任务分割单元、调度单元和工作节点,仿真系统用于确定业务系统在指定业务策略下执行模拟业务的模拟结果。其中,由任务分割单元生成仿真任务,将仿真任务分割为多个子任务,调度单元向各工作节点分配各子任务,并确定各工作节点的实时负载,从而基于实时负载对已分配的各任务进行重新分配,工作节点执行分配的子任务得到任务执行结果,由调度单元根据各工作节点的任务执行结果确定模拟结果。由于仿真系统是分布式系统,可以基于多个工作节点的算力资源,满足业务系统执行模拟业务的资源需求,提高业务系统执行模拟业务的效率,并提升业务策略的优化效率。

    一种文本匹配方法、装置、存储介质及设备

    公开(公告)号:CN116150380A

    公开(公告)日:2023-05-23

    申请号:CN202310413634.9

    申请日:2023-04-18

    Abstract: 本说明书公开了一种文本匹配方法、装置、存储介质及设备,根据匹配的文本对中各原始文本的表征向量的第一相似度、该文本对中各原始文本与各自变形文本的表征向量间的第二相似度及各原始文本与其他原始文本的表征向量的第三相似度,确定该文本对的损失。该第一相似度与第二相似度皆与该文本对的损失负相关,第三相似度与该文本对的损失正相关。在根据各文本对的损失确定总损失,并以总损失最小为目标训练得到训练后的表征模型后,则可响应于匹配请求,通过训练后的表征模型确定待匹配文本对的表征向量,以根据得到的表征向量确定待匹配文本对的匹配结果。可训练得到可输出准确表征向量的表征模型,提升基于表征模型进行文本匹配的匹配准确度。

    一种基于自监督训练的弱监督文本分类方法、系统和装置

    公开(公告)号:CN115080749A

    公开(公告)日:2022-09-20

    申请号:CN202210980845.6

    申请日:2022-08-16

    Abstract: 本发明公开了一种基于自监督训练的弱监督文本分类方法、系统和装置,包括如下步骤:S1:获取待标注文本数据和对应的类别标签集合;S2:获取预训练模型;S3:将预训练模型部分权重迁移至文本分类模型;S4:通过自监督伪标策略获得文本分类伪标签;本发明提供了一种基于自监督训练的弱监督文本分类方法,更贴近于文本分类实际应用场景,用户只需提供待标注数据和类别标签集合即可,极大地减少了文本数据标注成本。目前已有较多科技巨头公司开源了各种预训练自然语言模型,这些模型已提前学习到了海量信息中的通识知识,保证了分类精度。通过采用迁移学习方法和自监督训练策略,进一步提高了分类效率和精度。

Patent Agency Ranking