一种基于目标显著性特征的数据压缩重建方法

    公开(公告)号:CN117440104A

    公开(公告)日:2024-01-23

    申请号:CN202311767134.1

    申请日:2023-12-21

    Abstract: 本说明书公开了一种基于目标显著性特征的数据压缩重建方法,涉及数据压缩重构技术领域,包括将原始图像分为若干批次,并进行预处理;利用Mask R‑CNN模型对预处理后的图像进行目标检测,获得模型检测结果;将模型检测结果进行分组,获得所需目标和其他目标的数据集合;对预处理后的原始图像进行网格拆分,并对网格进行分组存储和压缩,获得其他目标压缩结果、背景压缩结果以及所需目标压缩结果;采用双线性插值方法对其他目标和背景的网格图像进行重建,并采用VAE模型对所需目标的网格图像进行重建,获得插值结果和重建样本;将插值结果和重建样本进行拼接,获得重建图像,以解决目前数据压缩重建技术存在保存信息冗杂、数据重建的准确性低的问题。

    一种面向高频检查点操作的综合优化方法

    公开(公告)号:CN117435353A

    公开(公告)日:2024-01-23

    申请号:CN202311757384.7

    申请日:2023-12-20

    Abstract: 本说明书提供了一种面向高频检查点操作的综合优化方法,涉及数据恢复技术领域。该方法根据初始化后的软硬件环境,进行GPU缓存增量分配,逐步优化设备缓存的管理和访问;采用机会性访问策略和延迟注册策略,预先将主机内存页面映射到虚拟地址空间,在所有页面都被访问过后再进行主机内存页面的注册操作;通过分离的生产者‑消费者策略、主机缓冲区序列化注册策略,优化并发控制和注册竞争。解决了在高性能计算环境中,现有优化方法在并发任务中的高初始化开销问题、性能不佳的问题。该方法通过合理的缓存优化、并发控制优化手段,为高性能计算环境中的高频检查点操作问题提供了独特而有效的解决方案,显著提升了计算任务的性能和效率。

Patent Agency Ranking