公开(公告)号：CN117349789A

公开(公告)日：2024-01-05

申请号：CN202311245428.8

申请日：2023-09-25

Applicant: 鹏城实验室

Inventor： 蒋冬梅 ,  李斐 ,  王耀威 ,  陈益强 ,  谷洋

IPC: G06F18/25 ,  G06F18/2415 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08 ,  G16H50/70 ,  G06F123/02 ,  G06N3/048

Abstract: 本申请涉及人工智能领域，提供了一种时间序列预测方法、装置、设备以及介质，该方法通过预构建第一编码器从时间序列数据集中的单条事件记录信息中提取局部特征向量，由每条事件记录信息的局部特征向量得到时间序列的局部特征向量集合，再将局部特征向量集合输入至预构建的第二编码器，由第二编码器根据局部特征向量集合生成全局特征向量，融合局部特征向量和全局特征向量之后即可进行时间序列预测，最大程度地减少人工干预，自动实现单条事件记录的局部特征提取以及全局时间序列特征提取，且自动提取过程贯穿单条事件记录的处理阶段和全局时间序列的处理阶段，能够提高时间序列预测方法的执行效率以及预测精度。

公开(公告)号：CN117152549A

公开(公告)日：2023-12-01

申请号：CN202311056461.6

申请日：2023-08-18

Applicant: 鹏城实验室 ,  南方科技大学

Inventor： 蓝湘源 ,  曹桂平 ,  张建国 ,  蒋冬梅 ,  王耀威

IPC: G06V10/77 ,  G06V10/40 ,  G06V10/26 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0499 ,  G06N3/0464

Abstract: 本申请实施例提供了图像特征提取方法、图像分割方法和目标检测方法，通过划分待处理图像得到子区域；根据子区域进行第一扩展操作得到第一区域、第二区域和第三区域，通过特征提取层对第一区域在长度方向和宽度方向上、对第二区域在宽度方向上、对所述第三区域在长度方向上进行特征提取，合并特征；或者，根据特征区域划分参数对原始特征进行特征区域划分，通过特征提取层对划分特征进行特征提取，对所提取的特征中的重叠区域所对应的特征设置权重，根据权重对所提取的特征来合并特征；本申请实施例实现了利用只能处理图像固定尺寸的MLP模型对任意尺寸的图像进行特征提取，提升了特征提取层的适用性。

公开(公告)号：CN116455945B

公开(公告)日：2023-09-26

申请号：CN202310713986.6

申请日：2023-06-16

Applicant: 鹏城实验室

Inventor： 王耀威 ,  周运红 ,  袁锦宇 ,  陈鹏 ,  蒋冬梅

IPC: H04L67/12 ,  H04L69/08

Abstract: 本发明公开了一种物联设备接入和联动的方法及系统，方法包括：在物联网平台设置物联设备的通信连接器，并选择对应的数据解析器；基于通信连接器与数据解析器，并输入设备ID与设备名称构建物联设备，对所述物联设备的物模型进行功能定义与属性定义；激活物联设备，在物联网平台定义联动规则引擎；启动联动规则引擎，实现设备联动的自动化运转，并监测设备数据，以在相应的时间点满足相应的条件触发相应的动作，实现物理网设备的联动。本发明将一个物联设备定义为由通信连接器、数据解析器、物模型组合而成的实体，将不同厂家不同设备的私有协议转换为同一种标准通信协议，实现软硬件的解耦，实现不同物联设备的联动，实现端云协同、万物互联互通。

公开(公告)号：CN116302449B

公开(公告)日：2023-08-22

申请号：CN202310557298.5

申请日：2023-05-17

Applicant: 鹏城实验室

Inventor： 王耀威 ,  蒋冬梅 ,  汤左淦 ,  侯奎 ,  高文

IPC: G06F9/48 ,  G06F21/60

Abstract: 本公开提供了跨智能体的算法资源调度方法、装置、设备和介质。该算法资源调度方法包括：接收来自第一代理节点的第一任务协同请求；基于第一任务协同请求，得到任务标签，并生成第二任务协同请求；发送第二任务协同请求至第二代理节点，以便第二代理节点根据任务标签确定目标算法资源；接收来自第二代理节点的目标算法资源；发送目标算法资源至第一代理节点。本公开实施例能够提高智能体的任务执行效率与算法资源利用率。本公开实施例可应用于智能医疗、智能交通、智能城市管理等场景。

公开(公告)号：CN116501757A

公开(公告)日：2023-07-28

申请号：CN202310733667.1

申请日：2023-06-20

Applicant: 鹏城实验室

Inventor： 李潘 ,  山其本 ,  王耀威 ,  王振 ,  熊雪菲

IPC: G06F16/242 ,  G06F16/22 ,  G06F16/26 ,  G06F9/451

Abstract: 本发明所提供的一种基于ER图的模拟数据构造方法及装置，所述方法包括：获取ER图，对所述ER图进行解析，生成所述ER图对应的SQL表信息；根据所述SQL表信息对所述ER图进行可视化渲染，得到所述ER图对应的可视化界面；接收规则配置指令，根据所述规则配置指令在所述可视化界面上配置数据生成规则；根据所述数据生成规则生成模拟数据。本发明通过在线配置ER图中实体的数据生成规则，生成模拟数据，实现了数据生成规则在操作界面上可视化配置，方便调整，通过简单的界面操作即可生成符合对应业务场景的模拟数据，提高了生成模拟数据的效率。

公开(公告)号：CN116501649A

公开(公告)日：2023-07-28

申请号：CN202310754941.3

申请日：2023-06-26

Applicant: 鹏城实验室

Inventor： 李鑫 ,  黄兴森 ,  王鸿鹏 ,  王耀威

IPC: G06F11/36

Abstract: 本发明公开了一种基于先验信息的跟踪器黑盒攻击方法及系统，方法包括：基于跟踪器预测的包围框坐标，确定模拟攻击区域；基于Encoder‑Decoder模型中的Encoder计算模拟攻击区域的特征通道；根据特征通道的重要性策略交换若干个特征通道，并基于Encoder‑Decoder模型中的Decoder对交换后的特征通道进行重建，生成模拟对抗攻击区域；基于模拟对抗攻击区域替换图像区域得到对抗帧，根据跟踪器在对抗帧上的预测结果评估跟踪器性能。本发明利用Encoder‑Decoder模型对帧中的区域进行编码重建，并提出特征通道替换策略，仅需交换若干特征通道，就能使攻击后得到的视频帧图像具有对抗攻击能力。

公开(公告)号：CN112954269B

公开(公告)日：2023-06-06

申请号：CN202110022791.8

申请日：2021-01-08

Applicant: 鹏城实验室

Inventor： 王耀威 ,  白鑫贝 ,  纪雯

IPC: H04N7/18 ,  H04N23/611

Abstract: 本发明公开了一种用于大规模视觉计算系统的节点协同选择方法，在边缘节点的可用带宽和可用存储资源有限的情况下，利用已有的海量前端节点重构一个实现尽可能大范围的区域覆盖和更高的系统效能的视频监控系统，将冗余部署的前端节点剔除以后，再在重构的视频监控系统包含的前端节点中，根据待追踪目标的空间信息及其与前端节点之间的空间相对关系自动查找并选择可能拍摄到待追踪目标的前端节点，将筛选出的前端节点作为有效前端节点，再根据查找到的有效前端节点进行目标追踪任务。解决了现有技术中进行目标追踪任务时需要对系统中的每个前端节点拍摄的视频进行处理和检索，导致消耗大量人力物力的问题。

公开(公告)号：CN116206355A

公开(公告)日：2023-06-02

申请号：CN202310450980.4

申请日：2023-04-25

Applicant: 鹏城实验室

Inventor： 刘子鑫 ,  蒋冬梅 ,  王耀威 ,  池虹雨 ,  田永鸿

IPC: G06V40/16 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06N3/08

Abstract: 本发明公开了人脸识别模型训练、图像注册、人脸识别方法及装置，人脸识别模型包括第一特征提取网络、第二特征提取网络，通过第一训练样本进行模型训练得到第一特征提取网络；第一训练样本包含的样本人脸图像数量大于第一预设阈值；再利用第一特征提取网络得到第一训练样本的第一初始人脸特征、第二训练样本的第二初始人脸特征；第二训练样本包含的样本人脸图像数量小于第一预设阈值；基于第一初始人脸特征对第二初始人脸特征进行特征融合，得到第二训练样本的融合人脸特征，并根据第一初始人脸特征和融合人脸特征构建特征三元组；通过特征三元组进行模型训练得到第二特征提取网络，在缺乏训练数据或训练数据分布不均衡时，实现高精度人脸识别。

公开(公告)号：CN113723443A

公开(公告)日：2021-11-30

申请号：CN202110784131.3

申请日：2021-07-12

Applicant: 鹏城实验室 ,  北京大学深圳研究生院

Inventor： 白鑫贝 ,  李革 ,  王耀威 ,  纪雯

IPC: G06K9/62 ,  G06T1/20 ,  G06F3/06 ,  G06N3/04 ,  G06N3/08 ,  H04L29/08

Abstract: 本发明公开了一种视觉大模型分布式训练方法及系统，所述方法包括：构建分布式训练系统，包括主控服务器、多个GPU服务器、分布式存储服务器和存储网络交换机；根据视觉大模型训练所用数据集的大小，确定数据加载方式；根据所述视觉大模型的结构特点，对所述视觉大模型中不同类型的网络层组的参数量和计算量进行评估，结合GPU的算力和缓存能力对所述视觉大模型进行分解，确定所述视觉大模型的并行训练方案；采用混合并行模式进行模型训练，基于所述主控服务器进行模型聚合、全局模型更新和模型分发，在训练过程中每隔若干周期利用训练集和验证集对所述视觉大模型进行测评，当所述视觉大模型收敛后停止训练；本发明实现了视觉大模型的高效训练。

公开(公告)号：CN112804188B

公开(公告)日：2021-11-26

申请号：CN202011425341.5

申请日：2020-12-08

Applicant: 鹏城实验室

Inventor： 高文 ,  王耀威 ,  白鑫贝 ,  纪雯 ,  田永鸿

IPC: H04L29/06 ,  H04L29/08 ,  H04N19/149 ,  G06F16/2458

Abstract: 本发明公开了一种可伸缩视觉计算系统，其特征在于，包括依次建立通信连接的前端设备、边缘服务以及云服务；所述前端设备，用于对采集的影像数据进行智能化分析处理，并根据配置相应地输出压缩视频流、特征编码流和结构化结果流；所述边缘服务，用于接收并存储所述前端设备发送的压缩视频流、特征编码流和结构化结果流，实时输出特征编码流和结构化结果流汇聚到云服务，根据云服务的数据调取指令按需输出压缩视频流至云服务；所述云服务，用于实时接收和汇聚边缘服务输出的特征编码流和结构化结果流，从所述边缘服务按需调取压缩视频流。本发明通过端、边、云三者之间优化分工和有机协作，实现对海量视频数据的实时处理和有效利用。