一种不规则矩阵SPMV在GPU上的实现方法、电子设备及介质

    公开(公告)号:CN116595302A

    公开(公告)日:2023-08-15

    申请号:CN202310576060.7

    申请日:2023-05-19

    Abstract: 本发明属于船舶海上航行模拟领域,具体涉及一种不规则矩阵v在GPU上的实现方法、电子设备及介质。输入的船舶海上航行模拟矩阵数据集为COO压缩格式的文件,将其转化为CSR压缩格式;了解当前非零元分布结构,计算当前块数和临界块数下非零元平均数量,结合阈值选择决策树选择适合当前矩阵的阈值;利用行归并策略来对稀疏矩阵进行最优划分;划分后的数据采用TEB压缩格式进行存储;将相关数组从主机端传递到设备端,按照每个线程块处理一个子块,每个线程处理一行的方式在GPU上进行并行SPMV操作;并行阶段完成后将最终的计算结果从设备端传递到主机端,之后应用于船舶海上航行模拟过程中的迭代求解操作。本发明用以提高船舶海上航行模拟的SPMV算法的计算效率。

    一种基于空间和时序双通道融合模型的人体行为识别方法

    公开(公告)号:CN116580453A

    公开(公告)日:2023-08-11

    申请号:CN202310463831.1

    申请日:2023-04-26

    Abstract: 本发明公开了一种基于空间和时序双通道融合模型的人体行为识别方法,构建融合ER3D模型和Space‑TimeTransformer模型的深度学习网络架构,并通过对公开人体行为识别数据集进行端到端的预训练,得到初始化网络,接着读取人体行为训练视频,对训练视频做固定间隔采样和数据增强,将数据增强后的视频帧送入经过预训练的网络架构进行训练,生成人体行为识别模型。在测试阶段,读取测试集中的人体行为视频,对其进行采样和裁剪后送入训练好的识别模型进行识别,整个过程实现端到端的检测视频中的人体行为。本发明根据ER3D模型和Space‑TimeTransformer模型可以分别对视频帧中包含的空间信息和时序信息有效建模的特点,从而构建并训练出一种可以准确识别人体行为的深度学习网络架构。

    基于地图预处理和改进A-Star算法的移动机器人路径规划方法

    公开(公告)号:CN116430869A

    公开(公告)日:2023-07-14

    申请号:CN202310467508.1

    申请日:2023-04-26

    Abstract: 本发明属于机器人控制领域,通过采用基于Restnet101网络的Mask RCNN模型来对地图环境进行预处理,把地图中凹形区域识别出来并填充来避免路径规划时算法大量搜索凹形区域浪费时间。同时在A‑Star算法的起始点和目标点之间加入两个中间点来进行六个方向的扩展,提高路径规划的效率。其次,结合移动机器人运动时的真实场景,在A‑Star算法的启发函数中加入安全策略让规划出的路线与障碍物保持一定距离。最终构建出了应用于移动机器人路径规划的基于地图预处理和改进A‑Star算的路径规划方法。本发明用以提高移动机器人的路径规划效率。

Patent Agency Ranking