-
公开(公告)号：CN114581983B
公开(公告)日：2025-05-16
申请号：CN202210211664.7
申请日：2022-03-04
Applicant: 浪潮(北京)电子信息产业有限公司
Abstract: 本申请公开了一种目标检测的检测框处理方法，包括：以帧为单位将原始人脸视频流输入目标检测模型，得到多个初始检测框以及每个初始检测框对应的置信度分数；将置信度分数大于置信度阈值的初始检测框作为检测框；基于多个检测框的数量确定交并比阈值；基于交并比阈值以及每个检测框的人脸坐标信息对多个检测框进行非极大值抑制处理，得到目标检测框。排除重复冗余的检测框，避免同一缩放尺度的图像多次重复检测时相同的检测框导致的检测偏差，提高目标检测的准确性。本申请还公开了一种目标检测的检测框处理装置、服务器以及计算机可读存储介质，具有以上有益效果。
-
公开(公告)号：CN112416840B
公开(公告)日：2023-05-26
申请号：CN202011229875.0
申请日：2020-11-06
Applicant: 浪潮(北京)电子信息产业有限公司
Abstract: 本申请公开了一种计算资源的远程映射方法，应用于服务器中，包括：识别出FPGA BOX中的各个FPGA异构加速卡；通过各FPGA异构加速卡的网络接口建立与各FPGA异构加速卡的网络通信连接以及各FPGA异构加速卡之间的网络通信连接；将各FPGA异构加速卡映射到服务器中；为建立的网络通信连接建立网络传输并将通过PCIE进行的控制流及数据流迁移到网络传输中；通过建立的网络传输，将目标应用部署在FPGA BOX中，并在运行时通过网络传输与FPGA BOX进行数据交互。应用本申请的方案，突破了PCIE插槽的限制且降低了传输路径。本申请还提供了一种计算资源的远程映射装置、设备及存储介质，具有相应效果。
-
公开(公告)号：CN114581983A
公开(公告)日：2022-06-03
申请号：CN202210211664.7
申请日：2022-03-04
Applicant: 浪潮(北京)电子信息产业有限公司
Abstract: 本申请公开了一种目标检测的检测框处理方法，包括：以帧为单位将原始人脸视频流输入目标检测模型，得到多个初始检测框以及每个初始检测框对应的置信度分数；将置信度分数大于置信度阈值的初始检测框作为检测框；基于多个检测框的数量确定交并比阈值；基于交并比阈值以及每个检测框的人脸坐标信息对多个检测框进行非极大值抑制处理，得到目标检测框。排除重复冗余的检测框，避免同一缩放尺度的图像多次重复检测时相同的检测框导致的检测偏差，提高目标检测的准确性。本申请还公开了一种目标检测的检测框处理装置、服务器以及计算机可读存储介质，具有以上有益效果。
-
公开(公告)号：CN112249032B
公开(公告)日：2022-02-18
申请号：CN202011181627.3
申请日：2020-10-29
Applicant: 浪潮(北京)电子信息产业有限公司
Abstract: 本申请公开了一种自动驾驶方法、系统、设备及计算机介质，获取当前时刻下，自动驾驶车辆在行驶过程中的实时交通环境信息；基于预设的映射关系对实时交通环境信息进行映射，得到映射交通环境信息；基于预先存储的已有深度强化学习模型及映射交通环境信息，对目标深度强化学习模型进行调整；判断是否结束自动驾驶，若否，则返回执行获取当前时刻下，自动驾驶车辆在行驶过程中的实时交通环境信息的步骤。本申请中，可以借助映射关系和已有深度强化学习模型来对目标深度强化学习模型进行调整，可以避免从头对目标深度强化学习模型进行调整，加快目标深度强化学习模型的决策效率，进行可以实现快速、稳定的自动驾驶。
-
公开(公告)号：CN114332997B
公开(公告)日：2025-03-25
申请号：CN202111594129.6
申请日：2021-12-23
Applicant: 浪潮(北京)电子信息产业有限公司
IPC: G06V40/16 , G06V10/82 , G06V10/764 , G06V10/40 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N3/088
Abstract: 本申请公开了一种人脸识别模型的对抗样本生成方法，包括：基于人脸识别模型的隐藏层对人脸图像的各个特征进行解耦，得到多个特征；基于预设扰动数据对每个特征进行结果影响分值计算，得到每个特征对应的影响分值；将影响分值大于阈值的特征添加至人脸图像，得到对抗样本。通过筛选出人脸图像中重要的特征，然后这类重要的特征代替原始图像作为模型输入，生成对抗样本，从而减小不必要的扰动，将扰动限制在较小的区域范围，避免过于扰动较大造成攻击图像过于失真，提高对抗样本的有效性，进而提高对于人脸识别模型进行训练的安全性。本申请还公开了一种人脸识别模型的对抗样本生成装置、服务器以及计算机可读存储介质，具有以上有益效果。
-
Patent Agency Ranking
公开(公告)号：CN112416840A
公开(公告)日：2021-02-26
申请号：CN202011229875.0
申请日：2020-11-06
Applicant: 浪潮(北京)电子信息产业有限公司
Abstract: 本申请公开了一种计算资源的远程映射方法，应用于服务器中，包括：识别出FPGA BOX中的各个FPGA异构加速卡；通过各FPGA异构加速卡的网络接口建立与各FPGA异构加速卡的网络通信连接以及各FPGA异构加速卡之间的网络通信连接；将各FPGA异构加速卡映射到服务器中；为建立的网络通信连接建立网络传输并将通过PCIE进行的控制流及数据流迁移到网络传输中；通过建立的网络传输，将目标应用部署在FPGA BOX中，并在运行时通过网络传输与FPGA BOX进行数据交互。应用本申请的方案，突破了PCIE插槽的限制且降低了传输路径。本申请还提供了一种计算资源的远程映射装置、设备及存储介质，具有相应效果。
-
公开(公告)号：CN113870132B
公开(公告)日：2024-08-13
申请号：CN202111124041.8
申请日：2021-09-24
Applicant: 浪潮(北京)电子信息产业有限公司
IPC: G06T5/70
Abstract: 本申请公开了一种计算鬼成像采样过程中的噪声消除方法，所述方法包括利用压缩感知恢复算法生成目标图像的重构图像；根据目标图像的尺寸生成对应的相位测量矩阵，并利用相位测量矩阵进行迭代的相位调制，得到鬼成像系统的光场相位分布信息；根据光场相位分布信息确定相位跃迁位置，并根据相位跃迁位置确定重构图像的边缘轨迹；将除了边缘轨迹对应的像素点之外的突变像素点设置为噪声像素点，并对噪声像素点执行噪声消除操作。本申请能够消除计算鬼成像采样过程中产生的噪声，提高成像效果。本申请还公开了一种计算鬼成像采样过程中的噪声消除系统、一种电子设备及一种存储介质，具有以上有益效果。
-
公开(公告)号：CN116009235A
公开(公告)日：2023-04-25
申请号：CN202211696472.6
申请日：2022-12-28
Applicant: 浪潮(北京)电子信息产业有限公司
Abstract: 本申请公开了一种光流体芯片、计算设备及光敏传感器，光流体芯片包括衬底、纳米缝隙的缝隙波导、导电波导、设置在缝隙波导及导电波导上的薄层、设置在薄层上的液体薄膜；缝隙波导，用于传播脉冲光的光场，并利用纳米缝隙形成局域光模场；导电波导，用于吸收局域光模场，形成等离子体，以产生光学激发热；薄层，用于传输光学激发热，使薄层及液体薄膜产生热毛细效应，以使液体薄膜发生变形；液体薄膜，用于利用发生的变形进行脉冲光信息的存储。本申请公开的技术方案，利用简单的光学波导、衬底、薄层及液体薄膜，实现利用光学激发热驱动液体薄膜进行流动而发生变形，以实现对脉冲光信息的存储，从而降低芯片结构复杂度和成本，并降低芯片的能耗。
-
公开(公告)号：CN112249032A
公开(公告)日：2021-01-22
申请号：CN202011181627.3
申请日：2020-10-29
Applicant: 浪潮(北京)电子信息产业有限公司
Abstract: 本申请公开了一种自动驾驶方法、系统、设备及计算机介质，获取当前时刻下，自动驾驶车辆在行驶过程中的实时交通环境信息；基于预设的映射关系对实时交通环境信息进行映射，得到映射交通环境信息；基于预先存储的已有深度强化学习模型及映射交通环境信息，对目标深度强化学习模型进行调整；判断是否结束自动驾驶，若否，则返回执行获取当前时刻下，自动驾驶车辆在行驶过程中的实时交通环境信息的步骤。本申请中，可以借助映射关系和已有深度强化学习模型来对目标深度强化学习模型进行调整，可以避免从头对目标深度强化学习模型进行调整，加快目标深度强化学习模型的决策效率，进行可以实现快速、稳定的自动驾驶。
-
公开(公告)号：CN114332982B
公开(公告)日：2024-11-15
申请号：CN202111445383.X
申请日：2021-11-30
Applicant: 浪潮(北京)电子信息产业有限公司
IPC: G06V40/16 , G06V40/40 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/094
Abstract: 本申请公开了一种人脸识别模型攻击防御方法、装置、设备及存储介质，包括：获取包含人脸的原始样本和与所述原始样本对应的所述对抗样本；确定所述原始样本中的扰动敏感区域，并对所述原始样本及所述对抗样本的所述扰动敏感区域进行遮挡处理；所述扰动敏感区域为添加扰动后对识别结果影响较大的区域；将遮挡处理后的所述原始样本和所述对抗样本输入至人脸识别模型进行模型训练，以利用训练后的所述人脸识别模型进行攻击防御。本申请利用对扰动敏感区域进行遮挡后的真假训练样本训练人脸识别模型，训练后模型在识别过程中最大程度上规避最明显的面部特征以更注重其他区域的特征，达到减小模型识别误差、提高模型识别精度及保证识别安全性的效果。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.033 seconds)
