-
公开(公告)号：CN118227975A
公开(公告)日：2024-06-21
申请号：CN202410331578.9
申请日：2024-03-22
IPC: G06F18/15 , G06F18/213 , G06F18/2321 , G06N3/045 , G06F18/25
Abstract: 本申请涉及一种历史轨迹缺失的补全方法、装置、设备和存储介质。所述方法包括：获取场景视频中各运动对象的历史轨迹，将各运动对象的历史轨迹输入已建立的神经网络模型，获得神经网络模型输出的各运动对象的运动特征；基于各运动对象的历史轨迹，确定缺失轨迹的目标运动对象和目标运动对象在轨迹缺失时刻的邻居运动对象；根据邻居运动对象的运动特征和邻居运动对象的历史轨迹，计算邻居运动对象在轨迹缺失时刻对于目标运动对象的关联影响特征；根据轨迹缺失时刻的关联影响特征和目标运动对象的运动特征，采用神经网络模型进行处理，得到目标运动对象补全轨迹之后的历史轨迹并存储。采用本申请，可以提高轨迹补全的准确性。
-
公开(公告)号：CN119850805A
公开(公告)日：2025-04-18
申请号：CN202411913673.6
申请日：2024-12-24
Applicant: 湖南大学
Abstract: 本申请实施例提供了一种高斯图像渲染方法和装置。从基于初始高斯进行多视角的图像渲染起步，逐步获取不同视角下的颜色图像以及深度图像，以此构建多个损失函数来对初始高斯的属性进行针对性优化，得到第一高斯。基于第一高斯继续在更多视角下渲染并再次利用与真实图像对比形成的第三损失函数进一步优化高斯属性，最终得到第二高斯用于渲染新视角下的图像。这一整套流程使得渲染出的第五颜色图像在准确性、真实性以及细节呈现等方面均能达到较好的效果，能够更逼真地还原目标场景在新视角下的视觉样貌，减少图像中诸如模糊、失真、物体结构不合理等问题的出现。
-
公开(公告)号：CN116980419A
公开(公告)日：2023-10-31
申请号：CN202311041668.6
申请日：2023-08-18
Applicant: 湖南大学
IPC: H04L67/1001 , H04L67/61 , H04L45/00
Abstract: 本发明公开了一种算力网络下的分布式算力调度方法，包括：从客户端接收对某应用程序的资源分配请求，并对该资源分配请求进行解析，以获取业务算力需求以及业务网络需求，从当前网络节点获取算力网络的算力负载分担表，并对该算力负载分担表进行解析，以获取算力网络中各个站点的算力信息、以及算力网络的网络状态，根据业务算力需求、以及算力网络中各个站点的算力信息，对算力网络中的所有站点进行筛选，以获取算力状态值最佳的站点，根据业务网络需求以及算力网络的网络状态，对算力状态值最佳的站点进行网络服务质量QoS约束分布式路由计算。本发明能够解决现有基于算力路由层的集中式算力调度方案容易出现网络和算力两者分离的技术问题。
-
公开(公告)号：CN116775380A
公开(公告)日：2023-09-19
申请号：CN202310875372.8
申请日：2023-07-17
Applicant: 湖南大学
Abstract: 本申请涉及一种机器人故障数据恢复方法、装置、计算机设备和介质。方法包括：接收未故障节点发送的故障数据恢复请求，从多个未故障节点中选取目标未故障节点；发送第一指令给目标未故障节点，第一指令中携带有故障节点的主密钥及加密空间标识；获取目标未故障节点响应第一指令反馈的解密成功信息、并发送第二指令给目标未故障节点；获取目标未故障节点响应第二指令反馈的重加密成功信息、并发送第三指令给所述目标未故障节点；根据新的加密空间密钥及故障节点的加密空间标识，发送故障节点的文件数据操作权限给目标未故障节点。采用本方案能够提高故障修复效率。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN118570607A
公开(公告)日：2024-08-30
申请号：CN202410721232.X
申请日：2024-06-05
Applicant: 湖南大学
IPC: G06V10/82 , G06V10/20 , G06N3/0464 , G06N3/08 , G06V10/774
Abstract: 本发明公开了一种复杂天气下基于YOLO的目标检测方法，包括：获取待检测图像，并对获取的待检测图像进行预处理，以得到预处理后的图像，将预处理后的图像输入预先训练好的图像处理模型进行图像增强处理，以得到图像增强后的图像，将图像增强后的图像输入预先训练好的目标检测模型，以得到最终的目标检测结果。本发明能够解决现有基于区域提议的方法虽然检测准确度较高，但速度较慢，导致实时检测效率低的技术问题，以及现有基于单阶段回归的方法具有较快的识别速度，但在面对复杂环境、伪装目标等问题时，检测性能明显下降的技术问题。
-
公开(公告)号：CN118298160A
公开(公告)日：2024-07-05
申请号：CN202410503276.5
申请日：2024-04-25
Applicant: 湖南大学
IPC: G06V10/25 , G06V10/764 , G06V10/766 , G06V10/82 , G06V10/30 , G06V20/10 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种复杂天气下结合扩散模型和可变形卷积的目标检测方法，包括：获取复杂天气下的待检测图像，对复杂天气下的待检测图像进行数据增强处理，以得到数据增强后的图像，对获取的数据增强后的图像进行去噪处理，以获取去噪后的图像，将去噪后的图像输入到预先训练好的结合扩散模型和可变形卷积的目标检测网络中，以获取最终的检测结果。本发明能够解决现有基于图像复原和重构的方法只能去除单一的天气退化，无法实现端到端的图像复原，导致检测速度低、模型通用性和实用性差的技术问题，以及现有基于深度学习的目标检测方法难以获取大量标注的、具有代表性的训练数据的技术问题，以及在复杂天气下识别准确率低的技术问题。
-
公开(公告)号：CN119492378A
公开(公告)日：2025-02-21
申请号：CN202411614699.0
申请日：2024-11-13
Applicant: 湖南大学
Abstract: 本申请涉及一种机器人多传感器融合定位方法、装置、计算机设备及介质，其中，方法包括：获取机器人行驶预设路线的先验地图；实时采集机器人在预设路线行驶过程中多种类型传感器的多传感器数据，并基于多传感器数据，实时获取当前位置信息；根据多传感器数据中局部传感器数据进行预处理和融合，得到局部位姿估计结果，并基于当前位置信息以及先验地图，获取在当前位置的初始传感器权重；根据多传感器数据中不同类型传感器对应信号的强度，动态调整初始传感器权重，得到调整后的传感器权重；基于多传感器数据中全局数据、局部位姿估计结果以及调整后的传感器权重进行融合，得到机器人的全局定位信息。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.022 seconds)
