-
公开(公告)号：CN114332558A
公开(公告)日：2022-04-12
申请号：CN202111533167.0
申请日：2021-12-15
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06V10/774 , G06V10/82 , G06N3/08 , G06V40/16 , G06K9/62
Abstract: 本发明公开一种多任务神经网络的训练方法、装置、计算设备及存储介质，该方法包括：获取训练数据集，并且对于每个任务随机采集训练数据集中一定数量的图片进行标注；对训练数据集中的图片进行预处理，若图片具有所有任务的标签，采用第一方式得到第一图片，反之采用第一方式和第二方式得到第一图片和第二图片；对于每一任务，如果图片具有该任务的标签，则采用交叉熵方法计算该任务的损失函数，反之则计算对应的第一图片和第二图片在该任务上的KL散度值作为损失函数；根据所有损失函数计算梯度值，并根据梯度值调整预设的多任务神经网络模型。根据本发明实施例可以大大减少训练阶段人力成本和时间成本的投入，提升模型对于多任务的预测泛化能力。
-
公开(公告)号：CN114138555A
公开(公告)日：2022-03-04
申请号：CN202111392228.6
申请日：2021-11-19
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明给出了一种自动化数据库备份方法与系统，包括添加数据库连接信息，根据数据库类型自动匹配对应的数据库进行自动连接；通过后台编写好的自动扫描库表信息脚本进行自动扫描，将扫描结果返回库表信息列表用于提供给用户进行选择，根据所述用户的选择添加备份任务；通过可视化配置动态添加和修改所述备份任务，在所述备份任务进行的过程中实时输出相关日志，并同步备份进度和备份异常问题定位；最后将所述备份任务的结果推送给所述用户。该方法支持远程备份数据，减少了操作人员的学习成本，提高了工作效率。同时，可以和企业运维结合起得来，随时查看备份过程，及时推送备份结果，很大程度上降低了数据库备份失败的风险。
-
公开(公告)号：CN113836144A
公开(公告)日：2021-12-24
申请号：CN202111146101.6
申请日：2021-09-28
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06F16/22 , G06F16/2457 , G06F40/237
Abstract: 本发明提出了一种基于字段推荐数据库标准表的方法及装置，该方法包括：预处理步骤，对数据库中的所有数据库标准表进行预处理生成一字段库；推荐步骤，将源表中的字段与字段库中的字段进行匹配计算，得到源表的推荐数据库标准表；反馈步骤，将推荐数据库标准表发送至用户终端的界面，供用户确认。本发明中，基于数据库中的所有数据库标准表进行预处理得到一字段库，然后基于该字段库进行标注表的推荐，避免了人工智能模型的训练，节约了时间，且推荐速度快；本发明中，可以将系统推荐的标准表供用户确认，以确保数据表导入的准确性。
-
公开(公告)号：CN113626160A
公开(公告)日：2021-11-09
申请号：CN202110768691.X
申请日：2021-07-07
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明给出了一种基于cavium处理器的网络数据包高并发处理方法与系统，包括通过开启cavium处理器的tag计算配置开关，根据每个报文的五元组对每个报文进行哈希计算得到相应的tag值，将所述tag值保存在数据结构中；将所有报文分为group个组，其中所述tag值相同的报文被分在同一个组中，再将所述group个组分为core个集合，将每个不同的集合中的组分配给cavium处理器中的core个CPU核，并将每个组与对应的CPU核进行绑定，每个CPU核对各自已绑定的组中的报文进行处理。实现了业务核只负责处理业务，而分组任务和调度任务由cavium协处理器完成的会话处理结构，无需重新将任务发送至SSO调度器，极大简化了业务核处理流程。
-
公开(公告)号：CN111783624A
公开(公告)日：2020-10-16
申请号：CN202010605632.6
申请日：2020-06-29
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明提出了一种保留平移不变性的行人重识别方法、装置及存储介质，该方法包括：训练步骤，使用样本集对卷积神经网络模型进行训练获得训练后的卷积神经网络模型，其中，所述神经网络的模型的下采样层由步长为1的最大池化层、步长为2的平均池化层依次连接组成，或者由步长为1的卷积层、ReLU激活函数层和步长为2的平均池化层依次连接组成；行人重识别步骤，使用训练后的卷积神经网络模型对摄像头获取的图像进行行人重识别获得识别结果。本发明对卷积神经网络的下采样层的结构进行了修改，仅使用平均池化层进行下采样操作，不会破坏整个网络的平移不变性，提高了行人重识别的准确性，且针对修改后的网络结构提出了样本集及损失函数的具体修改方法。
-
Patent Agency Ranking
公开(公告)号：CN108170793B
公开(公告)日：2020-10-09
申请号：CN201711447961.7
申请日：2017-12-27
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明提供一种基于车辆语义轨迹数据的停留点分析方法及其系统，方法包括：获取车辆在预设时长内的轨迹数据；依据所述轨迹数据获取可疑停留点集合；对所述可疑停留点集合做聚类分析，得到至少一个的聚类点集合；基于语义分析每个聚类点集合，获取对应一预设关键词的聚类中心。本发明基于车辆预设历史时间内的轨迹数据进行分析处理，先获取可疑停留点集合，再据此做聚类分析，在聚类结果中根据实际业务需求做基于语义的聚类中心锁定，获取所有聚类中心作为最终停留点结果。能够为后续实际应用提供决策信息，满足现实业务需求。
-
公开(公告)号：CN111563103A
公开(公告)日：2020-08-21
申请号：CN202010351018.1
申请日：2020-04-28
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06F16/2455
Abstract: 本申请公开了一种用于数据血缘检测方法和系统。提取同一条存储记录在不同节点所对应的节点数据；利用路径规则库将节点数据映射存储于路径数据集合中，基于路径溯源算法将路径数据集合中的每个子集合进行归一化处理，获得节点数据的的上下级关系的路径标识集合；利用关系规则库将节点数据中的数据项映射存储于数据项集合中，基于关系溯源算法分析数据项之间的关联关系，获得数据项溯源结果集合；基于节点数据的路径标识集合和数据项溯源结果集合构建每条数据在不同节点的数据血缘信息库。该方案通过路径溯源和关系溯源分别从节点数据和数据项两个层面进行分析，实现业务数据或者业务要素的全面快速准确的溯源要求，提升大数据的业务支撑能力。
-
公开(公告)号：CN108230371B
公开(公告)日：2020-08-18
申请号：CN201711486368.3
申请日：2017-12-29
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明公开了一种基于云台的跟踪目标速度预测方法及存储介质，方法包括：获取连续的且速度方向一致的坐标数据，得到历史坐标队列，所述坐标数据包括坐标值和时刻值；对所述历史坐标队列中的坐标数据的坐标值进行卡尔曼滤波；对卡尔曼滤波后的坐标数据的坐标值进行线性拟合，得到跟踪目标在所述历史坐标队列的最后一个坐标数据的时刻值时的速度。本发明通过获取连续的且速度方向一致的坐标数据，并进行卡尔曼滤波，可保证预测结果的准确性，从而可保证较好的跟踪效果。
-
公开(公告)号：CN108230370B
公开(公告)日：2020-08-04
申请号：CN201711482480.X
申请日：2017-12-29
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明公开了一种基于云台的跟踪目标速度预测方法及存储介质，方法包括：获取连续的且加速度方向一致的坐标数据，得到历史坐标队列，所述坐标数据包括坐标值和时刻值；对所述历史坐标队列中的坐标数据的坐标值进行卡尔曼滤波；对卡尔曼滤波后的坐标数据的坐标值进行线性拟合，得到跟踪目标在所述历史坐标队列的最后一个坐标数据的时刻值时的速度。本发明通过获取连续的且加速度方向一致的坐标数据，并进行卡尔曼滤波，可保证预测结果的准确性，从而可保证较好的跟踪效果。
-
公开(公告)号：CN110555390A
公开(公告)日：2019-12-10
申请号：CN201910735333.1
申请日：2019-08-09
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明提供了一种基于半监督训练方式的行人重识别方法、装置及存储介质，该方法包括：基于半监督训练方式使用采集的目标域样本集和开源数据集构建训练样本集，使用所述训练样本集对深度残差网络进行训练得到训练后的深度残差网络模型，对采集的行人图像使用训练后的深度残差网络模型进行识别，得到行人图像的特征值，再根据特征值之间的余弦距离来确定是否为同一个人。本发明生成了虚拟样本，且在生成虚拟样本时构建了平滑函数，使得构建的虚拟样本更加逼真，同时使用DBSCAN聚类算法为虚拟样本添加伪标签，深度神经网络中使用了局部特征和全局特征，采用不同权重组合的联合损失函数，使得训练后的深度神经网络识别准确更加可靠。
-
-
-
-
-
-
-
-
-
Search Results
161
records
(took 0.042 seconds)
