-
公开(公告)号：CN117933414A
公开(公告)日：2024-04-26
申请号：CN202311858926.X
申请日：2023-12-30
IPC: G06N20/00 , G06F18/2433 , G06F21/12
Abstract: 本申请涉及一种应对拜占庭节点的联邦学习方法。所述方法包括：将待训练的分类模型传递至目标学习节点，以指示目标学习节点根据医疗样本数据确定梯度信息；接收目标学习节点反馈的梯度信息，并根据梯度信息对目标学习节点进行分类，得到节点类型；若节点类型为恶意节点，则对所述目标学习节点进行标识，并将邻接学习节点作为下一目标学习节点，返回执行将待训练的分类模型传递至目标学习节点的步骤；若节点类型为正常节点，则接收目标学习节点更新的分类模型，将邻接学习节点作为下一目标学习节点，并基于更新的分类模型返回执行将待训练的分类模型传递至目标学习节点的步骤，直至完成所述分类模型的训练。采用本方法能够提高分类模型的学习准确率。
-
公开(公告)号：CN117350052A
公开(公告)日：2024-01-05
申请号：CN202311323632.7
申请日：2023-10-13
Applicant: 湖南大学
Abstract: 本发明公开了一种基于算力网络的算力服务能力模型构建方法，包括：获取多个算力资源，对获取的算力资源进行标准化处理，以得到多个资源描述三元组 ，所有资源描述三元组构成资源描述模型；获取所有算力资源的资源性能，并利用资源描述模型，对获取的所有算力资源的资源性能进行建模，以构建资源性能模型；获取所有算力资源的服务能力，并利用资源性能模型，对获取的所有算力资源的服务能力进行建模，以构建最终的算力服务能力模型。本发明能够解决现有算力网络在建模时，缺乏一套从算力资源开始一直到统一的算力服务能力模型的建模方式的技术问题；以及算力网络建模时没有考虑到算力度量前后操作的技术问题。
-
公开(公告)号：CN117290066A
公开(公告)日：2023-12-26
申请号：CN202311042472.9
申请日：2023-08-18
Applicant: 湖南大学
Abstract: 本发明公开了一种基于算力网络计算体系架构的调度方法，其从两个方面提高计算资源调度的效率，包括减少总调度时间和提高计算资源利用率：首先按照优先级为所有计算任务排序并获取优先级最高的计算任务作为待处理的计算任务。接着对于每个待处理的计算任务寻找符合要求的算力资源池。若不存在符合要求的算力资源池，则降低该计算任务的优先级并处理下一个计算任务。若只存在一个符合要求的算力资源池，则将唯一的算力资源池分配给该计算任务。若存在多个符合要求的算力资源池，则使用粒子群优化算法为计算任务获取算力资源池分配的全局最优解。
-
公开(公告)号：CN114898094A
公开(公告)日：2022-08-12
申请号：CN202210425289.6
申请日：2022-04-22
Applicant: 湖南大学
Abstract: 本申请涉及一种点云上采样方法、装置、计算机设备和存储介质。所述方法包括：获取同一场景的二维全景图像和点云数据，二维全景图像中的物体在垂直空间上无相互遮挡，对二维全景图像进行语义分割，得到场景的二维语义分割图，获取二维语义分割图和点云数据之间的坐标系转换关系，并根据坐标系转换关系和二维语义分割图，得到点云数据的语义分割图，基于点云数据的语义分割图，提取点云数据的语义特征，语义特征包括点云数据中每个点的点语义特征，根据点语义特征和预设的特征扩展规则，生成点云数据中每个点对应的扩展点，得到稠密点云。采用本方法能够很大程度上提升上采样的精度。
-
公开(公告)号：CN119723353A
公开(公告)日：2025-03-28
申请号：CN202411880954.6
申请日：2024-12-19
Applicant: 湖南大学
IPC: G06V20/10 , G06V10/25 , G06V10/62 , G06V10/774 , G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/084 , G06N3/094
Abstract: 本申请实施例提供了一种遥感图像处理方法及装置。该方法包括：将训练用遥感图像输入至生成对抗网络GAN，输出与训练用遥感图像对应的多帧生成遥感图像；将训练用遥感图像和多帧生成遥感图像输入至初始YOLO模型中进行训练，得到目标检测模型；将从初始YOLO模型中检测得到的训练集的目标信息作为时序数据集输入到时间融合转换器TFT模型进行训练，得到未来时序预测模型；将待检测遥感图像输入至目标检测模型中进行目标检测，输出待检测遥感图像的目标信息；将待检测遥感图像的目标信息输入至未来时序预测模型中进行预测，输出待检测遥感图像的未来时间步的目标状态预测。本申请实施例的方法和装置，能够优化当前检测结果并减少漏检与误检问题。
-
Patent Agency Ranking
公开(公告)号：CN115469691B
公开(公告)日：2025-03-25
申请号：CN202211163427.4
申请日：2022-09-23
Applicant: 湖南大学
IPC: G05D13/62
Abstract: 本申请涉及一种电机驱动方法、装置、设备和系统，获取上位机输出的第一速度控制信号，并根据第一速度控制信号分析得到牵引力数据；若根据牵引力数据判定需要进行速度二次规划，对第一速度控制信号进行平滑修正，根据得到的第二速度控制信号确定目标速度控制信号；其中，速度二次规划用于降低电机按照第一速度控制信号运行时产生的牵引力；若根据牵引力数据判定无需进行速度二次规划，将第一速度控制信号作为目标速度控制信号；按照目标速度控制信号驱动电机控制目标设备运行。有效降低了电机转矩过大时产生的牵引力，并按照降低后的速度控制信号驱动电机运行，不会产生过大的牵引力磨损电机转轴，有效保护电机转轴，减缓修理更换频次与损耗。
-
公开(公告)号：CN117876487A
公开(公告)日：2024-04-12
申请号：CN202410040801.4
申请日：2024-01-11
Applicant: 湖南大学
IPC: G06T7/73
Abstract: 本申请涉及一种用于相机位姿的快速定位方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：控制机械臂末端的相机进行拍摄，并对拍摄图像进行目标检测，得到目标检测信息；根据目标检测信息以及第一相机参数，预估目标物体的第一世界坐标；根据第一世界坐标以及目标像素坐标，确定相机的第一目标拍摄位置信息；根据第一目标拍摄位置信息，控制相机移动并进行拍摄，并对拍摄图像进行目标检测，得到第二像素坐标；根据第二像素坐标、目标检测信息、第一相机参数以及第二相机参数，确定目标物体的第二世界坐标；根据第二世界坐标以及目标像素坐标，对相机进行目标定位。采用本方法能够提高相机的定位速度。
-
公开(公告)号：CN117576312A
公开(公告)日：2024-02-20
申请号：CN202311513317.0
申请日：2023-11-14
Applicant: 湖南大学
IPC: G06T17/00 , G06V10/80 , G06N3/0464 , G06N3/0455
Abstract: 本申请涉及一种手部模型构建方法、装置、计算机设备、存储介质和计算机程序产品。其中方法包括：获取手部的初始图像数据并进行特征编码，得到全局特征；将全局特征进行多层级的二维解码得到多个二维数据；将解码得到的二维数据进行特征融合，得到分层图像特征；将全局特征和分层图像特征输入至交互注意力图网络模型，预测得到网格顶点坐标，根据网格顶点坐标构建单元网格，基于多个单元网格生成目标手部模型。方法能够利用分层图像特征携带的局部上下文信息和全局特征携带的全局上下文信息，使得手部模型的网格图像能够更精准地贴合；最终基于网格顶点坐标形成的单元网格进行整合，所得到目标手部模型能够达到高准确度的双手三维重建效果。
-
公开(公告)号：CN117197283A
公开(公告)日：2023-12-08
申请号：CN202310768216.1
申请日：2023-06-27
Applicant: 湖南大学
Abstract: 本申请涉及一种人脸艺术图像生成方法、装置、计算机设备、存储介质和计算机程序产品。方法包括：获取真实人脸图像；基于真实人脸图像，生成真实人脸图像对应的注意力矩阵的可视化关联图、及面部特征监测点，并提取真实人脸图像中的人脸图像边缘图；根据可视化关联图、及人脸图像边缘图，得到全局特征分布图；根据面部特征检测点、及全局特征分布图，得到绘制初始位置；根据绘制初始位置、及真实人脸图像，生成矢量笔画曲线，并根据真实人脸图像对矢量笔画曲线进行优化损失迭代计算，生成目标人脸艺术图像。采用本方法能够准确生成人脸艺术图像。
-
公开(公告)号：CN118607526A
公开(公告)日：2024-09-06
申请号：CN202410719064.0
申请日：2024-06-05
Applicant: 湖南大学
IPC: G06F40/295 , G06F40/284 , G06F40/30 , G06V20/62 , G06V10/40 , G06N20/00
Abstract: 本发明公开了一种基于细粒度适配器的视觉问答方法，其从三个方面提升视觉问答的效果，一方面利用Spacy进行命名实体识别以获取问题中的特殊信息，同时利用Ground‑Dino模型能捕获到图片中与特殊信息相关的细粒度区域；另一方面，利用图文匹配预训练大模型CLIP提取图片的多粒度语义特征，利用语言预训练大模型llama‑7B提取文本语义特征，并利用视觉语义特征提取模块将视觉域迁移到语义域，实现了视觉和语义对齐，使模型兼具视觉感知能力与语义理解能力；最后，利用基于细粒度适配器微调llama‑7B预训练语言模型所得到的多模态模型生成问题的答案，由于适配器体量小，能够轻量级而高效地迁移预训练模型中的知识到具体的视觉问答任务上。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.025 seconds)
