二分类车道线检测方法、装置、设备及存储介质

    公开(公告)号:CN119229401B

    公开(公告)日:2025-03-04

    申请号:CN202411758048.9

    申请日:2024-12-03

    Abstract: 本发明涉及数据处理技术领域,公开了一种二分类车道线检测方法、装置、设备及存储介质,通过将获取的若干张行车道路样本图像进行车道线标注,并按照不同图像调节参数执行图像预处理,完成图像扩增与增强,构建若干个车道线检测样本,分别对构建的二元分割网络进行训练,获得适用于不同环境场景的若干个候选车道线检测模型,利用检测关联信息确定车道线检测模型临时库,然后对行车道路检测图像进行若干次车道线检测,最后根据车道线检测结果,更新车道线检测模型临时库,并考虑前一车道线检测周期的车道线检测结果对目标车辆行驶的影响,实现适配性更好且能够平衡检测性能与检测实时性的车道线检测,提高车道线检测的检测性能与鲁棒性。

    一种基于因果推断的自然语言转SQL查询语句方法及装置

    公开(公告)号:CN118093641B

    公开(公告)日:2024-06-25

    申请号:CN202410523945.5

    申请日:2024-04-29

    Abstract: 本发明公开了一种基于因果推断的自然语言转SQL查询语句方法及装置,该方法包括获取现有NL2SQL模型和通用数据集;提取执行NL2SQL任务中涉及的关键变量创建节点,生成NL2SQL通用因果图;添加混淆因子节点,使用干预算子和后门调整进行处理,获得改进NL2SQL通用因果图,生成抗混淆模块并添加在现有NL2SQL模型的解码器之前,获得改进NL2SQL模型;执行自然语言转SQL查询语句。本发明通过提出一种基于因果推断的自然语言转SQL查询语句方法,可以适用于现有的NL2SQL解析器,改进后的系统能够更好地理解问题中的因果关系,能够排除历史话语中的歧义,在处理历史话语时具有更好性能和鲁棒性。

    一种基于大语言模型的多智能体问答系统及方法

    公开(公告)号:CN118093833B

    公开(公告)日:2024-06-18

    申请号:CN202410473758.0

    申请日:2024-04-19

    Abstract: 本发明提供了一种基于大语言模型的多智能体问答系统及方法,属于问答系统技术领域。系统包括多个根据系统应用场景创建的功能相互独立的智能体,每个智能体之间都使用自然语言处理进行交流和自我适应;智能体中包括监视器模块、上下文管理器模块、话题管理器模块、话题丰富器模块和聊天代理模块。本发明通过使用多智能体对复杂场景进行职责和功能的划分,智能体间相互协作,共同完成复杂的业务场景需求。同时,在智能体内部,系统可以进行主动式的提问,从用户那里收集专业问答所必要的特有信息;最后,该系统能够在对话中自动管理话题,跟踪话题推进,并有效地进行以当前话题为中心的讨论,能够让大语言模型在复杂场景下的专业领域知识问答。

    一种基于因果推断的自然语言转SQL查询语句方法及装置

    公开(公告)号:CN118093641A

    公开(公告)日:2024-05-28

    申请号:CN202410523945.5

    申请日:2024-04-29

    Abstract: 本发明公开了一种基于因果推断的自然语言转SQL查询语句方法及装置,该方法包括获取现有NL2SQL模型和通用数据集;提取执行NL2SQL任务中涉及的关键变量创建节点,生成NL2SQL通用因果图;添加混淆因子节点,使用干预算子和后门调整进行处理,获得改进NL2SQL通用因果图,生成抗混淆模块并添加在现有NL2SQL模型的解码器之前,获得改进NL2SQL模型;执行自然语言转SQL查询语句。本发明通过提出一种基于因果推断的自然语言转SQL查询语句方法,可以适用于现有的NL2SQL解析器,改进后的系统能够更好地理解问题中的因果关系,能够排除历史话语中的歧义,在处理历史话语时具有更好性能和鲁棒性。

    一种基于神经辐射场的场景重建方法及装置

    公开(公告)号:CN118071939A

    公开(公告)日:2024-05-24

    申请号:CN202410463053.0

    申请日:2024-04-17

    Abstract: 本发明提供了一种基于神经辐射场的场景重建方法及装置,属于3D场景重建技术领域。方法先从多视角图像中提取多尺度特征进行栅格投影,得到多个栅格的插值特征,对多个插值特征进行融合,获得对应的栅格特征;然后对栅格特征进行稀疏卷积,得到融合特征,并将其分别输入两个MLP网络,分别预测每个栅格预测占据概率和TSDF预测值,然后进行多次上采样处理,得到精细三维重建结果。最后对结果中的上采样点进行邻域节点特征融合,得到单一融合特征并进行神经辐射场体积渲染,获得三维重建场景。本申请结合显示体素和隐式神经辐射场的端到端的3D重建,利用神经辐射场来约束特征体的特征生成,提高了3D重建的准确率。

    一种云边一体化的反向代理方法及装置

    公开(公告)号:CN118018604A

    公开(公告)日:2024-05-10

    申请号:CN202410417695.7

    申请日:2024-04-09

    Abstract: 本发明提供了一种云边一体化的反向代理方法及装置,属于反向代理技术领域。方法先接收网页中的HTTP请求并对HTTP请求进行解析,确定访问的反向代理客户端ID;然后依据访问的客户端ID将HTTP请求分别转发至对应的反向代理客户端;最后接收客户端对HTTP请求的HTTP应答,并基于HTTP应答响应HTTP请求。通过本发明的反向代理方法,运维人员只需连接到反向代理服务端,就可以通过反向代理服务端访问反向代理客户端。这种方式可以避免直接将SSH端口暴露在公共网络上,提高了反向代理的安全性。同时,本发明将前端的多个TCP连接合并成一个单一的TCP连接发起连接请求,减少了对服务端的资源消耗并提高了服务性能。

    一种基于大语言模型的多智能体问答系统及方法

    公开(公告)号:CN118093833A

    公开(公告)日:2024-05-28

    申请号:CN202410473758.0

    申请日:2024-04-19

    Abstract: 本发明提供了一种基于大语言模型的多智能体问答系统及方法,属于问答系统技术领域。系统包括多个根据系统应用场景创建的功能相互独立的智能体,每个智能体之间都使用自然语言处理进行交流和自我适应;智能体中包括监视器模块、上下文管理器模块、话题管理器模块、话题丰富器模块和聊天代理模块。本发明通过使用多智能体对复杂场景进行职责和功能的划分,智能体间相互协作,共同完成复杂的业务场景需求。同时,在智能体内部,系统可以进行主动式的提问,从用户那里收集专业问答所必要的特有信息;最后,该系统能够在对话中自动管理话题,跟踪话题推进,并有效地进行以当前话题为中心的讨论,能够让大语言模型在复杂场景下的专业领域知识问答。

    二分类车道线检测方法、装置、设备及存储介质

    公开(公告)号:CN119229401A

    公开(公告)日:2024-12-31

    申请号:CN202411758048.9

    申请日:2024-12-03

    Abstract: 本发明涉及数据处理技术领域,公开了一种二分类车道线检测方法、装置、设备及存储介质,通过将获取的若干张行车道路样本图像进行车道线标注,并按照不同图像调节参数执行图像预处理,完成图像扩增与增强,构建若干个车道线检测样本,分别对构建的二元分割网络进行训练,获得适用于不同环境场景的若干个候选车道线检测模型,利用检测关联信息确定车道线检测模型临时库,然后对行车道路检测图像进行若干次车道线检测,最后根据车道线检测结果,更新车道线检测模型临时库,并考虑前一车道线检测周期的车道线检测结果对目标车辆行驶的影响,实现适配性更好且能够平衡检测性能与检测实时性的车道线检测,提高车道线检测的检测性能与鲁棒性。

    基于模型关键特征的自适应AIOps数据漂移检测方法

    公开(公告)号:CN119004284B

    公开(公告)日:2025-01-24

    申请号:CN202411498340.1

    申请日:2024-10-25

    Abstract: 本发明提供了基于模型关键特征的自适应AIOps数据漂移检测方法,属于智能运维技术领域。方法通过从原始特征中提取出重要特征,并分别计算出模型的训练数据和测试数据在重要特征上特征分布的相似性,根据相似性评估结果配置概念漂移检测器;对构建模型所使用的特征进行特征重要性评估,从评估结果中选出与模型性能相关的第三特征;构建故障预测AIOps模型,并设置基准模型退化指标和性能评估指标;基于基准模型退化指标和性能评估指标,监控模型训练和测试过程中的第三特征变化数量,同时通过概念漂移检测器检测识别模型的概念漂移并发出漂移警报。本发明通过实时监测数据特征的变化以及模型准确性的波动,可以及时发现AIOps模型的退化情况。

    基于模型关键特征的自适应AIOps数据漂移检测方法

    公开(公告)号:CN119004284A

    公开(公告)日:2024-11-22

    申请号:CN202411498340.1

    申请日:2024-10-25

    Abstract: 本发明提供了基于模型关键特征的自适应AIOps数据漂移检测方法,属于智能运维技术领域。方法通过从原始特征中提取出重要特征,并分别计算出模型的训练数据和测试数据在重要特征上特征分布的相似性,根据相似性评估结果配置概念漂移检测器;对构建模型所使用的特征进行特征重要性评估,从评估结果中选出与模型性能相关的第三特征;构建故障预测AIOps模型,并设置基准模型退化指标和性能评估指标;基于基准模型退化指标和性能评估指标,监控模型训练和测试过程中的第三特征变化数量,同时通过概念漂移检测器检测识别模型的概念漂移并发出漂移警报。本发明通过实时监测数据特征的变化以及模型准确性的波动,可以及时发现AIOps模型的退化情况。

Patent Agency Ranking