公开(公告)号：CN114610657A

公开(公告)日：2022-06-10

申请号：CN202210311966.1

申请日：2022-03-28

Applicant: 长沙理工大学

Inventor： 王进 ,  张睿涵 ,  张经宇 ,  王磊 ,  王静 ,  王建新

IPC: G06F12/123 ,  G06F12/127

Abstract: 本申请公开的基于动态容量的Spark内存替换方法，包括：配置第一替换算法和第二替换算法；当有新的RDD需要存储时，根据内存紧张程度进行替换算法的选用；当触发第二替换算法时，将已有RDD分为有依赖计数和无依赖计数的两个表进行维护；随后获取已有RDD的权重大小；接着确认无依赖计数RDD表是否为空：若不为空，则在无依赖计数的RDD表中按权重从小到大将已有RDD逐个驱逐出内存，直到足够缓存新的RDD则停止；若为空，则遍历有依赖计数RDD表，以同样的方法驱逐RDD，直到空间足够容纳新的RDD。本方案能够在不同内存环境的条件下，更大限度的降低Spark在作业时的读写开销以及对性能的影响，提高缓存命中率，提升Spark的运行效率。

公开(公告)号：CN114610657B

公开(公告)日：2025-03-18

申请号：CN202210311966.1

申请日：2022-03-28

Applicant: 长沙理工大学

Inventor： 王进 ,  张睿涵 ,  张经宇 ,  王磊 ,  王静 ,  王建新

IPC: G06F12/123 ,  G06F12/127

Abstract: 本申请公开的基于动态容量的Spark内存替换方法，包括：配置第一替换算法和第二替换算法；当有新的RDD需要存储时，根据内存紧张程度进行替换算法的选用；当触发第二替换算法时，将已有RDD分为有依赖计数和无依赖计数的两个表进行维护；随后获取已有RDD的权重大小；接着确认无依赖计数RDD表是否为空：若不为空，则在无依赖计数的RDD表中按权重从小到大将已有RDD逐个驱逐出内存，直到足够缓存新的RDD则停止；若为空，则遍历有依赖计数RDD表，以同样的方法驱逐RDD，直到空间足够容纳新的RDD。本方案能够在不同内存环境的条件下，更大限度的降低Spark在作业时的读写开销以及对性能的影响，提高缓存命中率，提升Spark的运行效率。

公开(公告)号：CN119579629A

公开(公告)日：2025-03-07

申请号：CN202510074760.5

申请日：2025-01-17

Applicant: 长沙理工大学

Inventor： 熊兵 ,  李林益 ,  张宇航 ,  王建新 ,  张锦 ,  葛冬冬 ,  吕松涛

IPC: G06T7/12 ,  G06N3/0455 ,  G06N3/0464 ,  G06T7/13 ,  G06T7/73

Abstract: 本发明涉及深度学习，公开一种边缘增强的路面裂缝分割网络处理方法及系统，以减少信息丢失并提升分割的精准度。方法包括图像预处理、上采样、下采样、特征融合及图像恢复处理，在图像预处理后、相邻的两采样层之间及图像恢复处理前进行递归聚合处理；其中，该递归聚合处理通过放缩输入特征图来聚合全局上下文信息，能增强局部细节并减少信息丢失，并基于注意力机制实现全局建模，同时还应用递归门控卷积和边缘算子分别从输入特征图中提取高阶空间信息和边缘信息，大幅提升了全局信息捕获性能；从而确保了分割结果的精准度。

公开(公告)号：CN117058382A

公开(公告)日：2023-11-14

申请号：CN202311029215.1

申请日：2023-08-16

Applicant: 长沙理工大学

Inventor： 张建明 ,  曾志高 ,  王进 ,  王建新

IPC: G06V10/26 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0499 ,  G06N3/08 ,  G06V10/44

Abstract: 本发明公开了一种复杂环境下基于双编码器的裂缝图像分割方法，通过对现有技术CN202310525413.0中双路径的编解码器结构的整体框架进行了适当改进基础上，还设计了新的Transformer变换器块结构有效提取图像的全局语义信息，利用哈尔小波变换的多窗口高低频机制，同时提取出图像的高频特征和低频特征，并增强了局部信息感知能力和图像块之间的交互性，从而针对的解决现存裂缝检测算法中难以适应复杂环境且计算量较大的问题；此外，本发明中还针对性的设计了一种全新的特征融合模块来更好的融合两个编码器的各个中间特征。本发明的方法在各种复杂环境下能够准确的实现裂缝检测且减小计算量，提高了裂缝检测的环境通用性。

公开(公告)号：CN117710852A

公开(公告)日：2024-03-15

申请号：CN202311700861.6

申请日：2023-12-12

Applicant: 长沙理工大学

Inventor： 张建明 ,  覃宇 ,  王建新 ,  王进

IPC: G06V20/40 ,  G06V10/40 ,  G06V10/774 ,  G06V10/80 ,  G06V10/764

Abstract: 本发明公开了一种基于三流特征聚合孪生网络的可见光‑热红外目标跟踪方法，该方法利用三流结构的骨干网络实现了高性能和高效率的可见光‑热红外跟踪。三流骨干网络可以有效地聚合多模态特征，其中两个特征提取流分别采用预训练的Swin Transformer来提取可见光特征和热红外特征，且特别设计了第三个特征融合流桥接两个特征提取流，并在每个阶段实现特征融合，这提供了在所有尺度上更充分的多模态特征聚合，提高了目标检测的精度。本发明设计了联合‑互补特征聚合模块，此外，还进一步提出了深度可分离共享注意力结构，它通过共享第一个卷积层特征和使用深度可分离卷积来降低注意力模块的计算复杂度，从而加快模型的跟踪速度。