-
公开(公告)号：CN119536791A
公开(公告)日：2025-02-28
申请号：CN202411528526.7
申请日：2024-10-30
Applicant: 同济大学
IPC: G06F8/71 , G06F11/3668 , G06F8/60
Abstract: 本发明公开一种面向开放架构的工业智能模型快速封装方法。该方法包括：解析智能模型，并获取模型的配置信息和依赖信息，并进行规范性检测；基于所述智能模型的配置信息和依赖信息，对智能模型进行服务化接口封装，并进行接口封装结果测试；将经服务化接口封装后的模型封装在容器镜像中，并进行容器镜像运行测试，进而将经测试的容器镜像上传至模型镜像仓库；将封装的容器镜像和服务运行所需端口号、运行健康信息检测API封装在Helm Chart中，并完成该Helm Chart在容器编排引擎Kubernetes集群中的部署运行测试，进而将经测试的Helm Chart上传至模型Helm仓库。本发明设计智能模型四层递进式封装结构以及快速封装流程，能够将智能模型转换为智能服务，实现一键式快捷部署与管理。
-
公开(公告)号：CN119473361A
公开(公告)日：2025-02-18
申请号：CN202411706796.2
申请日：2024-11-26
Applicant: 同济大学
Abstract: 本发明提出了一种支持模型动态发布的系统，系统位于云端，包括六个功能模块：模型上线模块、模型仓库、模型商店、模型交易模块、模型更新模块、模型监控模块，模型上线模块的输出连接模型仓库的输入，模型仓库的输出连接模型商店和模型更新模块的输入，模型商店的输出连接模型交易模块的输入，模型交易模块与模型仓库连接，模型更新模块的输出连接模型上线模块的输入，模型交易模块、模型更新模块、模型监控模块与边缘端的使用者集群连接，模型监控模块的输入连接所有模块的输出。该系统能自动化地完成模型的验证、发布和更新过程，实现了模型发布的实时性和安全性，能够提高模型发布和部署效率、促进模型快速迭代及增强系统可使用性。
-
公开(公告)号：CN119380097A
公开(公告)日：2025-01-28
申请号：CN202411505556.6
申请日：2024-10-28
Applicant: 同济大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种增强目标检测分支对齐的方法。首先，本发明通过对目标检测中的检测头进行结构优化，在保持各自分支功能重点的同时，增强了独立平行分支之间的信息交流。其次，通过重新设计损失函数，使模型能够专注于那些回归表现良好但分类表现较差的样本，进而提升模型在捕获一致性关键特征方面的能力。本发明为多场景下的目标检测提供了一种通用解决方案，有效解决了预测结果中定位准确但分类不准确的问题，进一步提升了目标检测的整体性能。
-
公开(公告)号：CN119089290A
公开(公告)日：2024-12-06
申请号：CN202411287516.9
申请日：2024-09-14
Applicant: 同济大学
IPC: G06F18/2411 , G06F18/214
Abstract: 本发明属于领域驱动建模领域，特别是涉及一种基于大模型的自动化领域驱动建模方法，包括以下步骤：步骤S1：根据应用项目的基本背景，结合Prompt模板，利用大模型确定产品愿景；步骤S2：基于产品愿景，结合Prompt模板，利用大模型分析业务场景，提取业务流程，并从业务流程中识别业务逻辑的所有决策命令和领域事件；步骤S3：提取产生这些业务行为的领域对象，为聚合划定限界上下文，即完成领域建模；步骤S4：利用大模型综合考虑多种外部因素进行微服务的拆分。本发明一定程度上解决了传统事件风暴法进行领域驱动建模时人员多、流程长的问题，也使领域驱动建模结果可信、可用，大大降低时间和人力成本。
-
公开(公告)号：CN112541407B
公开(公告)日：2022-05-13
申请号：CN202011365755.3
申请日：2020-11-29
Applicant: 同济大学
IPC: G06V20/00 , G06V10/764 , G06V10/762 , G06F16/535 , G06F16/583 , G06K9/62
Abstract: 本发明提出了一种基于用户服务操作流的视觉服务推荐方法，为一种基于用户服务操作流的视觉服务推荐技术向用户推荐机器视觉算法服务的方法，先通过用户服务操作流用于生成对机器视觉算法底层服务流进行FCM聚类，将底层机器视觉算法服务之间的用户偏好关系进行分类筛选；再使用LFM算法对用户的操作流喜好进行矩阵建模分析，并计算不同用户对底层机器视觉算法服务的依赖程度以及喜好程度，打破了传统算法推荐服务留于表层算法模块的重复推荐,不能从底层算法运作上深度进行算法服务模块推荐。通过分析平台用户使用的视觉算法来了解用户底层使用视觉服务，从而进行精准视觉服务推荐。
-
Patent Agency Ranking
公开(公告)号：CN112580935A
公开(公告)日：2021-03-30
申请号：CN202011365758.7
申请日：2020-11-29
Applicant: 同济大学
Abstract: 本发明公开了一种基于机器视觉与大数据的生产流程溯源分析方法。方法步骤主要包括：建立产品参数信息库、监控每个产品的生产流程、工艺评价、产品人为质检、对残次品进行分析、调整工艺以及完善产品信息库。本发明结合行业最前沿的机器视觉和大数据技术，改进产品质检方式，优化产品生产流程，并根据对于工业残次品的具体分析来优化产品信息库，从而不断提高工业生产的质量和效率。
-
公开(公告)号：CN112541339A
公开(公告)日：2021-03-23
申请号：CN202011364225.7
申请日：2020-11-29
Applicant: 同济大学
Abstract: 本发明公开了一种基于随机森林和序列标注模型的知识抽取方法，具体涉及基于随机森林和BILSTM_CRF的实体关系联合抽取方法。首先获取非结构化文本，对文本进行预处理以及句子向量化表示，然后把语句序列输入句子选择器筛选出高质量语句，把选择的语句输入BILSTM_CRF序列标注模型进行标注训练，最后用训练好的模型对输入的语句进行句子级别的序列标注。本发明基于随机森林，通过BILSTM_CRF序列标注模型有效地抽取非结构化文本中的知识并形成结构化信息,采用这种抽取方法,极大地提高了非结构化信息抽取的效率,有助于丰富已有的知识图谱资源,进而为各种智能化应用更好地服务。
-
公开(公告)号：CN110415215A
公开(公告)日：2019-11-05
申请号：CN201910565679.1
申请日：2019-06-27
Applicant: 同济大学
Abstract: 本发明提供了一种基于图神经网络的智能检测方法，其包括如下步骤：采集数据、预处理、搭建网络模型、预训练和迁移学习、预测和抽检验证以完善整个预测系统；相比于人工检测，本发明提高了部件检测的准确率以及效率，减少了人为因素对检测的干预，降低了人工成本和检测成本。相比于传统机器学习方法，图神经网络不要求数据的组成形式必须具有良好的空间关系，即具有排列齐整的矩阵形式，其可以接受非结构化输入的特点显著提升了模型的表达能力。相比于卷积神经网络方法，图神经网络可以更好地学习各元素的逻辑关系，从而提高模型的泛化能力。在网络的学习过程中，每个节点负责传播自身的信息以及综合邻居节点的信息，从而学习掌握数据的逻辑范式。
-
-
公开(公告)号：CN109063171A
公开(公告)日：2018-12-21
申请号：CN201810947253.8
申请日：2018-08-20
Applicant: 同济大学
IPC: G06F17/30
Abstract: 发明一种基于语义的资源匹配方法，为基于语义本体论的资源匹配技术。方法包括:获取自然语言形式的科技服务资源查询语句；对所述自然语言查询语句进行切分词处理以获取检索关键词；在构建的科技服务资源本体库模型中，基于闭合世界假设(CWA)进行科技服务资源的预处理，过滤掉明显不符合客户需求的资源；考虑科技服务资源名称、详情描述和其服务能力等属性信息，通过计算科技服务资源和客户需求的相关多概念语义相似度其进行语义匹配；由客户对科技服务资源QoS等指标进行选择和设定不同的权重，计算各科技服务资源QoS指标满足客户需求的程度，并据此对其进行排序。本发明提高了科技服务资源信息检索精度，在查全、查准方面更好地满足用户要求。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.024 seconds)
