-
公开(公告)号：CN111367588A
公开(公告)日：2020-07-03
申请号：CN201811593715.7
申请日：2018-12-25
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请是关于一种获取堆栈使用量的方法及装置，属于计算机领域。所述方法包括：在程序包括的目标函数对应的检测入口语句运行时，获取堆栈当前未被所述程序占用的空间内保存的第一数据，所述程序包括位置相邻的所述目标函数对应的检测入口语句、用于调用所述目标函数的调用语句和所述目标函数对应的检测出口语句，所述检测入口语句位于所述调用语句之前，所述检测出口语句位于所述调用语句之后，所述目标函数为所述程序中除主函数外的其他函数；在所述检测出口语句运行时，获取所述堆栈当前未被所述程序占用的空间内保存的第二数据；根据所述第一数据和所述第二数据确定所述目标函数使用所述堆栈的使用量。本申请能够避免机器死机或跑飞的问题。
-
公开(公告)号：CN110765821A
公开(公告)日：2020-02-07
申请号：CN201810846274.0
申请日：2018-07-27
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本发明公开了一种图像识别的方法及装置，属于电子技术领域。所述方法包括：获取摄像设备当前采集的目标图像；将所述目标图像输入预设的图像识别模型，输出得到所述目标图像的图像识别结果；其中，所述图像识别模型中包括除法转换运算函数，所述除法转换运算函数包括减法运算和乘法运算。采用本发明，可以提高图像识别的效率。
-
公开(公告)号：CN111368991B
公开(公告)日：2023-05-26
申请号：CN201811593689.8
申请日：2018-12-25
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06N3/08
Abstract: 本申请提供深度学习模型的训练方法、装置及电子设备，该方法包括：服务器基于接收到的审核指令从已标定的图像数据中确定出训练样本；将所述训练样本发送至空闲终端设备，以由所述空闲终端设备基于所述训练样本对自身的深度学习模型进行训练并返回训练后的网络参数；服务器对所述空闲终端设备返回的网络参数进行合并处理，并将合并后的网络参数返回至所有终端设备，以由各终端设备基于处理后的网络参数更新自身的深度学习模型。本申请技术方案降低了人工成本，有效地利用了终端设备闲置的计算资源，从而减少了服务器上的计算资源的消耗。
-
公开(公告)号：CN111367588B
公开(公告)日：2023-05-16
申请号：CN201811593715.7
申请日：2018-12-25
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请是关于一种获取堆栈使用量的方法及装置，属于计算机领域。所述方法包括：在程序包括的目标函数对应的检测入口语句运行时，获取堆栈当前未被所述程序占用的空间内保存的第一数据，所述程序包括位置相邻的所述目标函数对应的检测入口语句、用于调用所述目标函数的调用语句和所述目标函数对应的检测出口语句，所述检测入口语句位于所述调用语句之前，所述检测出口语句位于所述调用语句之后，所述目标函数为所述程序中除主函数外的其他函数；在所述检测出口语句运行时，获取所述堆栈当前未被所述程序占用的空间内保存的第二数据；根据所述第一数据和所述第二数据确定所述目标函数使用所述堆栈的使用量。本申请能够避免机器死机或跑飞的问题。
-
公开(公告)号：CN111860042A
公开(公告)日：2020-10-30
申请号：CN201910343671.0
申请日：2019-04-26
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06K9/00
Abstract: 本申请公开了一种仪表读数的方法和装置，属于机器学习技术领域。所述方法包括：获取仪表图像；基于所述仪表图像和预先训练的读数区域检测模型，确定所述仪表图像中的读数区域图像；基于所述读数区域图像和预先训练的读数模型，得到所述仪表图像对应的仪表读数。采用本申请，可以节省大量人力。
-
Patent Agency Ranking
公开(公告)号：CN111860042B
公开(公告)日：2024-02-23
申请号：CN201910343671.0
申请日：2019-04-26
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06V20/60 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请公开了一种仪表读数的方法和装置，属于机器学习技术领域。所述方法包括：获取仪表图像；基于所述仪表图像和预先训练的读数区域检测模型，确定所述仪表图像中的读数区域图像；基于所述读数区域图像和预先训练的读数模型，得到所述仪表图像对应的仪表读数。采用本申请，可以节省大量人力。
-
公开(公告)号：CN110876054B
公开(公告)日：2022-03-04
申请号：CN201810998177.3
申请日：2018-08-29
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本发明实施例提供了一种目标算法的测试方法、装置和系统。所述方法包括：摄像设备向解码设备发送摄像设备采集的原始数据，原始数据包括摄像设备录制的视频流或摄像设备采集的第一格式的图像数据；解码设备与摄像设备通过以太网接口实现通信连接；摄像设备接收解码设备发送的当前帧图像数据，当前帧图像数据是解码设备对原始数据进行解码后得到的第二格式的单帧图像数据；摄像设备对当前帧图像数据进行预处理；摄像设备将预处理后的数据作为目标算法的测试数据，并执行目标算法的测试流程，得到当前帧图像数据对应的测试结果。应用本发明实施例提供的方案可以测试目标算法在实际应用时的运行效果。
-
公开(公告)号：CN110765821B
公开(公告)日：2022-08-16
申请号：CN201810846274.0
申请日：2018-07-27
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06V20/56 , G06K9/62 , G06V10/764
Abstract: 本发明公开了一种图像识别的方法及装置，属于电子技术领域。所述方法包括：获取摄像设备当前采集的目标图像；将所述目标图像输入预设的图像识别模型，输出得到所述目标图像的图像识别结果；其中，所述图像识别模型中包括除法转换运算函数，所述除法转换运算函数包括减法运算和乘法运算。采用本发明，可以提高图像识别的效率。
-
公开(公告)号：CN111368991A
公开(公告)日：2020-07-03
申请号：CN201811593689.8
申请日：2018-12-25
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06N3/08
Abstract: 本申请提供深度学习模型的训练方法、装置及电子设备，该方法包括：服务器基于接收到的审核指令从已标定的图像数据中确定出训练样本；将所述训练样本发送至空闲终端设备，以由所述空闲终端设备基于所述训练样本对自身的深度学习模型进行训练并返回训练后的网络参数；服务器对所述空闲终端设备返回的网络参数进行合并处理，并将合并后的网络参数返回至所有终端设备，以由各终端设备基于处理后的网络参数更新自身的深度学习模型。本申请技术方案降低了人工成本，有效地利用了终端设备闲置的计算资源，从而减少了服务器上的计算资源的消耗。
-
公开(公告)号：CN110876054A
公开(公告)日：2020-03-10
申请号：CN201810998177.3
申请日：2018-08-29
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本发明实施例提供了一种目标算法的测试方法、装置和系统。所述方法包括：摄像设备向解码设备发送摄像设备采集的原始数据，原始数据包括摄像设备录制的视频流或摄像设备采集的第一格式的图像数据；解码设备与摄像设备通过以太网接口实现通信连接；摄像设备接收解码设备发送的当前帧图像数据，当前帧图像数据是解码设备对原始数据进行解码后得到的第二格式的单帧图像数据；摄像设备对当前帧图像数据进行预处理；摄像设备将预处理后的数据作为目标算法的测试数据，并执行目标算法的测试流程，得到当前帧图像数据对应的测试结果。应用本发明实施例提供的方案可以测试目标算法在实际应用时的运行效果。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.031 seconds)
