-
公开(公告)号：CN110162804B
公开(公告)日：2020-01-21
申请号：CN201810021270.9
申请日：2018-01-10
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于CPU加速的波场正演模拟优化方法，其包括以下步骤：S1)提出波场正演具体物理模型；S2)进行数值建模；在空间维度上使用高阶差分来模拟二阶微分，从而减小内存的使用；在时间维度上减少延拓步长；S3)进行静态分块及分配：根据线程数量k，将图像沿长边方向平均分成k个子图，然后将其按顺序标记后作为基础子图；S4)并行化及通信时间隐藏；S5)模型拆分和任务分解。本发明能够有效提高波场正演模拟的计算速度，并且能动态分块调配节点，从模型分块和通信时间隐藏两个方面优化，进行并行加速，充分利用多核计算资源，并有效的同步模拟实际物理传播过程。
-
公开(公告)号：CN107622225A
公开(公告)日：2018-01-23
申请号：CN201710620955.0
申请日：2017-07-27
Applicant: 成都信息工程大学
IPC: G06K9/00
Abstract: 本发明涉及一种基于独立分量分析网络的人脸识别方法，所述方法包括以下步骤：步骤1：对输入的人脸图像进行裁剪、对齐、归一化预处理；步骤2：采用一组已经训练好的ICA滤波得到一组映射图像；步骤3：对每张映射图像进行非线性与池化处理以获取更高效的特征映射图像；步骤4：对每张映射图像进行分块的LBP编码，然后全部串起来得到特征表达；步骤5：对特征表达进行WPCA降维，最后采用余弦相似测量对两张人脸图像进行识别验证。本发明采用训练好的ICA滤波应用到CNN中构成单身网络，基于ICA滤波不同的感知区域得到多尺度信息。在人脸识别中能够保证较高的识别率，同时有效地降低计算量，便于推广应用。
-
公开(公告)号：CN107622225B
公开(公告)日：2020-04-03
申请号：CN201710620955.0
申请日：2017-07-27
Applicant: 成都信息工程大学
IPC: G06K9/00
Abstract: 本发明涉及一种基于独立分量分析网络的人脸识别方法，所述方法包括以下步骤：步骤1：对输入的人脸图像进行裁剪、对齐、归一化预处理；步骤2：采用一组已经训练好的ICA滤波得到一组映射图像；步骤3：对每张映射图像进行非线性与池化处理以获取更高效的特征映射图像；步骤4：对每张映射图像进行分块的LBP编码，然后全部串起来得到特征表达；步骤5：对特征表达进行WPCA降维，最后采用余弦相似测量对两张人脸图像进行识别验证。本发明采用训练好的ICA滤波应用到CNN中构成单身网络，基于ICA滤波不同的感知区域得到多尺度信息。在人脸识别中能够保证较高的识别率，同时有效地降低计算量，便于推广应用。
-
公开(公告)号：CN110163333A
公开(公告)日：2019-08-23
申请号：CN201810021291.0
申请日：2018-01-10
Applicant: 成都信息工程大学
IPC: G06N3/04
Abstract: 本发明涉及一种卷积神经网络的并行优化方法，其包括：用winograd算法f(2x2,3x3)进行卷积神经网络的卷积核运算，以降低时间复杂度并减少乘法运算次数；对不存在循环数据依赖的for循环结构部分，使用OpenMP开辟多个线程进行运算；对模式相同的数据运算部分进行向量化处理，使其能够实现一次指令多次运算。采用本发明的方法改进的卷积神经网络程序能够大幅度提高并行的效率、减少运算的复杂度，从根本上降低运算开销，降低程序的运行时间。
-
公开(公告)号：CN110162804A
公开(公告)日：2019-08-23
申请号：CN201810021270.9
申请日：2018-01-10
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于CPU加速的波场正演模拟优化方法，其包括以下步骤：S1)提出波场正演具体物理模型；S2)进行数值建模；在空间维度上使用高阶差分来模拟二阶微分，从而减小内存的使用；在时间维度上减少延拓步长；S3)进行静态分块及分配：根据线程数量k，将图像沿长边方向平均分成k个子图，然后将其按顺序标记后作为基础子图；S4)并行化及通信时间隐藏；S5)模型拆分和任务分解。本发明能够有效提高波场正演模拟的计算速度，并且能动态分块调配节点，从模型分块和通信时间隐藏两个方面优化，进行并行加速，充分利用多核计算资源，并有效的同步模拟实际物理传播过程。
-
Patent Agency Ranking
公开(公告)号：CN108132872A
公开(公告)日：2018-06-08
申请号：CN201810021292.5
申请日：2018-01-10
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于并行超算网格云平台的GRAPES系统优化方法，其包括：S1)载入测试数据集并运行系统，分别进行系统级测试、通信级测试和函数级测试，其包括：S1.1)系统级测试；S1.2)通信级测试；S1.3)函数级测试：对调用的函数进行监控，获取函数的运行特征。S2)根据导出的系统特征文件进行测试结果分析，其包括：S2.1)系统测试结果分析；S2.2)MPI通信级测试结果分析；S2.3)函数级测试结果分析。S3)根据分析结果进行优化处理，优化处理包括：向量化、负载均衡、使用库函数替代GRAPES_GFS中的函数。本发明解决了Grapes在并行超算网格平台上的优化问题，提高了系统运行效率。
-
公开(公告)号：CN112581332A
公开(公告)日：2021-03-30
申请号：CN202011621540.3
申请日：2020-12-30
Applicant: 成都信息工程大学
Abstract: 本发明属于教育信息处理技术领域，公开了一种作业管理及评分信息处理方法、系统、互评抽阅仲裁方法，完成客观题的机器评阅并生成综合题互评任务队列和互评执行人队列、基于评阅者总人数计算评阅小组的数量；计算评阅小组中每位真实评阅者的实际工作量；根据实际工作量给各个评阅小组中的成员分配评阅任务；各评阅者完成分配的评阅任务后自愿进行奖励任务的领取，系统将记录奖励任务完成情况；将在互评截止后，通过二元语义计算模型整合各道题目的打分情况，生成互评得分，同时开放仲裁申诉平台；提供给学生对互评题目提起申诉的通道，同时整合教师仲裁结果，重新生成最终得分。本发明能合理有效进行任务分配，保证了最终评分的客观合理。
-
公开(公告)号：CN107424154B
公开(公告)日：2020-04-03
申请号：CN201710267501.X
申请日：2017-04-21
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于动态分配的分水岭图像分割并行方法，将图像平均分成k个基础子图，并将基础子图动态分配给k个线程同时处理，并让先处理完基础子图的线程分担任务较重的线程的任务；然后对基础子图进行分水岭分割，通过排序和浸没对像素点进行处理；再通过改进灰度准则对过分割的基础子图进行后处理；最后采用层叠拼接的方法对基础子图进行并行拼接。本发明的方法通过将基础子图动态分配给多个线程同时进行处理，提高了算法的效率，采用改进灰度准则，具有一定的噪声抑制作用，增强了算法的鲁棒性，最后采用层叠拼接基础子图，进一步的提高了算法效率。
-
公开(公告)号：CN117667672A
公开(公告)日：2024-03-08
申请号：CN202311504111.1
申请日：2023-11-13
Applicant: 成都信息工程大学
IPC: G06F11/36
Abstract: 本发明公开了一种用于工业软件的Python代码远程调试方法及系统，用来满足工业软件在不同运行环境下对内嵌的Python程序进行图形化调试的需求。所述系统包括调试器与脚本解释器，脚本解释器包括本地解释器和远程解释器，其中，本地解释器设置于调试器端，远程解释器设置于工业软件端，调试器与工业软件之间具有通信连接。本发明提供的技术方案可在运行时对Python脚本解释器进行本地或远程调试。并且，调试器以实时的方式，允许开发者逐行查看程序的执行流程和状态，降低了人为开发的错误几率。此外，程序可以在运行时调试，能够更快地定位和解决问题，减少故障排除的时间。
-
公开(公告)号：CN116807479B
公开(公告)日：2023-11-10
申请号：CN202311086072.8
申请日：2023-08-28
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于多模态深度神经网络的驾驶注意力检测方法，属于驾驶注意力检测技术领域，为了解决现有驾驶注意力检测过程中用单一模态的指标去进行检测的可靠性不足的技术问题，包括：S1：获取原始公开数据集中的脑电数据和眼电数据；S2：分别对所述脑电数据和所述眼电数据进行预处理，得到预处理后的眼电数据和预处理后的脑电数据；S3：根据所述预处理后的眼电数据和所述预处理后的脑电数据，对多模态深度神经网络进行训练，得到训练好的多模态深度神经网络；S4：利用所述训练好的多模态深度神经网络对驾驶输入图像进行注意力检测，得到驾驶注意力检测结果。本发明能够有效地提升检测结果的准确性。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.02 seconds)
