-
公开(公告)号：CN119316229B
公开(公告)日：2025-02-28
申请号：CN202411845229.5
申请日：2024-12-16
Applicant: 北京市大数据中心 , 数据堂(北京)科技股份有限公司
IPC: H04L9/40
Abstract: 本发明涉及数据共享技术领域，且公开了一种基于前置节点的联邦数据共享方法和装置，其中方法包括：前置节点将获取到的联邦数据上传至私有链，前置节点上传本地区的基础公共服务信息到私有链，前置节点计算联邦数据特征，并上链请求验证，其他节点根据本地区实际情况，反馈验证值或对联邦数据进行修正，监管机构定期对整个链上的节点进行性能监管和数据统计分析，本发明通过在前置节点上进行数据预处理和加密，确保了数据在传输过程中的安全性和隐私性，前置节点作为中介，可以优化数据传输流程，提高处理效率，减轻链上节点的负载。
-
公开(公告)号：CN118071994B
公开(公告)日：2024-08-27
申请号：CN202410213038.0
申请日：2024-02-27
Applicant: 数据堂(北京)科技股份有限公司 , 河北数云堂智能科技有限公司
IPC: G06V10/25 , G06V20/70 , G06V20/64 , G06V10/762
Abstract: 本发明提供了自动驾驶场景下不完整点云数据标注方法、装置及终端，属于点云数据标注技术领域，本方法包括利用启动标注模块在点云数据内进行范围框选，形成启动三维矩形框；对启动三维矩形框的点云进行过滤，然后再进行聚类，形成多个簇，选取待标注目标簇，然后利用预设规则生成外接三维矩形框；计算凸包边界，自动矫正外接三维矩形框，使之与目标朝向保持一致，构建最小矩形框；推理最小矩形框的生长方向，确定生长距离，以此自动补全最小矩形框，形成完整的待标注目标矩形框。本发明能够帮助标注人员快速准确完成不完整目标的完整目标框自动标注，提高工作效率。本发明可以适应多种不同类型的目标。
-
公开(公告)号：CN117786768B
公开(公告)日：2024-05-14
申请号：CN202410199786.8
申请日：2024-02-23
Applicant: 数据堂(北京)科技股份有限公司 , 北京市大数据中心
Abstract: 本发明提供了一种联邦数据学习的安全参数交换方法，属于数据安全技术领域。本发明采用第三方签名保护参数服务器的参数汇聚安全，目前还没有保护服务器的专利，本发明创新提出通过对参数服务器中的参数在读写、落盘和网络传输三个方面进行监控，来确保参数服务器进行安全的明文参数汇聚。本发明还通过采用RSA算法保护不安全环境下密码和参数安全通信，确保通信链路的安全，使链路劫持失效。本发明还采用加密强度可配置的训练节点参数加密措施，针对不同的训练节点的采用不同的加密强度，满足实际应用的各种安全场景要求，对训练节点进行安全保护。
-
公开(公告)号：CN117830438A
公开(公告)日：2024-04-05
申请号：CN202410239833.7
申请日：2024-03-04
Applicant: 数据堂(北京)科技股份有限公司 , 河北数云堂智能科技有限公司
Abstract: 本发明提供了一种基于特定标志物的激光雷达与相机联合标定方法，属于点云数据处理技术领域，包括利用棋盘格标定板，标定相机内参；将标志物摆放到三脚架上，标志物充满相机整个视野，三脚架高度互不相同，以相机为参考，满足相机的远近高低处都有标志物，录制标定数据包；解析标定数据包，获取相机和雷达数据；在相机和雷达数据中，选取距离各个标志物中心最近的2D点和3D点，组成数据对，然后拷贝坐标值到文件中保存，实现雷达和相机之间的空间对应关系的准确建立；输入到slovepnp函数中，进行外参的求解；进行外参准确性的验证。本方法能够低成本、高效率准确建立雷达和相机之间的空间对应关系，为多传感器数据融合提供可靠基础。
-
公开(公告)号：CN116483733A
公开(公告)日：2023-07-25
申请号：CN202310687517.1
申请日：2023-06-12
Applicant: 数据堂(北京)科技股份有限公司 , 河北数云堂智能科技有限公司
Abstract: 本发明公开了一种多维度人工智能产品评测方法及装置，该方法包括：确定人工智能产品的评测对象，所述评测对象包括人工智能模型、人工智能算法和人工智能硬件；确定每个评测对象在每个评测维度的评测项，所述评测维度包括功能评测、性能评测和安全性评测；采集每个评测对象在每个评测维度的评测项的评测数据，按照每个评测项的评测方法，对该评测对象进行评测，获得该评测对象在该评测维度的该评测项的评测结果；其中，评测对象在功能评测的评测项的评测方法为基于环境条件集合的评测方法。本发明可以针对人工智能技术评测对象，实现人工智能的全周期评测。
-
Patent Agency Ranking
公开(公告)号：CN115830419A
公开(公告)日：2023-03-21
申请号：CN202310087039.0
申请日：2023-02-09
Applicant: 数据堂(北京)科技股份有限公司 , 河北数云堂智能科技有限公司
IPC: G06V10/776 , G06V40/16 , G06V10/82
Abstract: 本发明公开了一种数据驱动式人工智能技术评测系统及方法，涉及人工智能评测技术领域，系统包括评测对象单元、评测过程单元、评测结果单元和算法优化单元，评测对象单元的数据信息传递至评测过程单元评测，评测过程单元评测结果传递至评测结果单元；算法优化单元接收评测结果数据，并将接收到的待优化的评测结果数据传递至评测对象单元进行优化；方法步骤包括生成评测任务；执行评测任务；生成评测结果。本发明针对不同技术领域和不同应用场景下的评测对象，可以快速选择适合的评测工具、评测数据、评测标准和基准模型后执行评测，输出评测结果，并推动评测对象的算法优化，从而极大降低用户进行人工智能评测的技术门槛。
-
公开(公告)号：CN119888739A
公开(公告)日：2025-04-25
申请号：CN202510354273.4
申请日：2025-03-25
Applicant: 数据堂(北京)科技股份有限公司 , 河北数云堂智能科技有限公司
Abstract: 本发明属于点云数据处理技术领域，具体涉及一种多帧点云目标检测与分割融合标注方法、装置及终端。所述方法包括：进行目标检测，并将目标检测转化为分割数据；进行叠帧渲染处理，得到渲染后的4D点云数据；针对4D点云数据进行叠帧分割处理；存储分割标注结果并进行渲染。本发明一次性实现了点云数据的分割标注，避免重复调整步骤，并且提高了分割效率，并为后续的数据分析和处理提供了高质量的输入，确保了动态场景下的目标提取与分析的准确性和流畅性。另外，确保了即使在大量数据下，渲染过程依旧能够保持高效和低延迟。
-
公开(公告)号：CN104767610B
公开(公告)日：2018-11-20
申请号：CN201510199706.X
申请日：2015-04-23
Applicant: 数据堂(北京)科技股份有限公司
Abstract: 本发明公开一种数据加密方法及系统。该方法包括：获取待传输数据；确定所述待传输数据的数据长度为第一长度；从数据平台所具有的数据中查找数据长度为第二长度的密钥数据；所述第二长度大于或等于所述第一长度；将所述待传输数据划分成第一数目个待传输数据块；将所述密钥数据划分成第二数目个密钥数据块；确定每个所述待传输数据块对应的密钥数据块；采用所述密钥数据块对所述待传输数据块进行加密，得到加密数据块；将所述加密数据块发送至目的终端。采用本发明的方法或系统，可以对待传输数据中的每个数据块，分别采用不同的密钥进行加密，从而实现一次一密的加密方式，提高数据传输的安全性。
-
公开(公告)号：CN119378564B
公开(公告)日：2025-04-25
申请号：CN202411949511.8
申请日：2024-12-27
Applicant: 数据堂(北京)科技股份有限公司
IPC: G06F40/30 , G06F40/126 , G06F40/216
Abstract: 本申请涉及数据标注技术领域，其具体地公开了一种大模型数据智能标注方法及系统，其采用基于深度学习的自然语言处理技术对未标注文本数据集中的各个未标注文本数据进行置信度评估，选择最小置信度对应的文本数据作为代表样本数据，并对所述代表样本数据进行语料扩充，进而，通过对所述代表样本数据和语料扩充后的代表样本数据进行语义特征提取和补偿式交互融合，以充分利用两者之间的共有信息和独特信息，从而实现对所述代表样本数据的全面语义理解和智能标注。通过这种方式，可以显著提高数据标注的效率和准确性，同时大幅度减少人工干预的需求，降低标注成本。
-
公开(公告)号：CN119380144B
公开(公告)日：2025-04-04
申请号：CN202411946438.9
申请日：2024-12-27
Applicant: 数据堂(北京)科技股份有限公司
IPC: G06V10/774 , G06V20/70 , G06V30/19 , G06V10/82 , G06N3/0464
Abstract: 本申请涉及计算机技术领域，其具体地公开了一种多模态大模型训练数据采集方法及系统，其采用基于深度学习的数据处理技术对语义对齐的图像数据和图像内容文本描述数据进行语义特征提取和跨模态联合编码，以捕捉到模态间的语义关联，实现跨模态的语义信息融合，并在此基础上进一步进行图像样本的生成，进而，通过对生成的图像样本与原始图像数据进行语义偏移度量，以智能识别生成的图像样本是否为合格增强样本。通过这种方式，可以有效地丰富多模态训练数据集，确保数据的质量，解决多模态数据增强过程中跨模态语义一致性的问题，从而提高多模态大模型的训练效率。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.039 seconds)
