-
公开(公告)号：CN114385601A
公开(公告)日：2022-04-22
申请号：CN202210291801.2
申请日：2022-03-24
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F16/21 , G06F16/22 , G06F16/2458 , G06F16/25
Abstract: 本发明涉及流式数据智能处理技术领域，提供了基于超算的云边协同高通量海洋数据智能处理方法及系统，包括基于历史海洋观测数据构建每个海洋观测数据流的初始海洋数据智能处理模型；实时获取每个海洋观测数据流的数据并进行预处理；基于预处理后的每个海洋观测数据流数据，对相应的初始海洋数据智能处理模型进行实时迭代训练更新，得到每个海洋观测数据流的最新海洋数据智能处理模型，保存在模型版本库中；通过调用每个海洋观测数据流的最新海洋数据智能处理模型对每个海洋观测数据流中不断流入的数据进行实时推理与预测；将超算训练优化后的模型推送到边缘端，在边缘端进行模型更新，并进行具体推理应用，从而避免了数据远程传输，降低了延迟。
-
公开(公告)号：CN117350171B
公开(公告)日：2024-03-12
申请号：CN202311638586.X
申请日：2023-12-04
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F30/27 , G06N3/0464 , G06N3/0455 , G06F119/08
Abstract: 本发明提出了基于双流模型的中尺度涡三维次表层结构反演方法及系统，涉及深度学习与海洋反演交叉领域，通过卫星采集待反演的中尺度涡海表面信息；将中尺度涡海表面信息输入到训练好的双流模型中，反演出中尺度涡不同深度下的温度结果，得到中尺度涡次表层温度剖图；其中，所述双流模型引入Triplet attention注意力机制，采用三分支结构融合通道注意力和空间注意力进行跨维度交互；本发明采用双流模型实现中尺度涡次表层结构反演，发掘海表面参数间的数据关联，分别建立不同参数与次表层温度的关系模型，融合多源信息特征关系，实现特征融合，有效融合了多源数据，提升了反演效果。
-
公开(公告)号：CN114385601B
公开(公告)日：2022-07-08
申请号：CN202210291801.2
申请日：2022-03-24
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F16/21 , G06F16/22 , G06F16/2458 , G06F16/25
Abstract: 本发明涉及流式数据智能处理技术领域，提供了基于超算的云边协同高通量海洋数据智能处理方法及系统，包括基于历史海洋观测数据构建每个海洋观测数据流的初始海洋数据智能处理模型；实时获取每个海洋观测数据流的数据并进行预处理；基于预处理后的每个海洋观测数据流数据，对相应的初始海洋数据智能处理模型进行实时迭代训练更新，得到每个海洋观测数据流的最新海洋数据智能处理模型，保存在模型版本库中；通过调用每个海洋观测数据流的最新海洋数据智能处理模型对每个海洋观测数据流中不断流入的数据进行实时推理与预测；将超算训练优化后的模型推送到边缘端，在边缘端进行模型更新，并进行具体推理应用，从而避免了数据远程传输，降低了延迟。
-
公开(公告)号：CN114387190A
公开(公告)日：2022-04-22
申请号：CN202210285072.X
申请日：2022-03-23
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明涉及数字图像处理技术领域，提供了一种基于复杂环境下的自适应图像增强方法及系统，包括采集原始水下图像并进行预处理；利用RGB直方图统计预处理后的水下图像的RGB通道信息数据集；基于RGB通道信息数据集，利用训练好的水下图像退化分类模型得到不同退化程度的图像样本；基于不同退化程度的图像样本，利用训练好的不同退化程度的水下修复网络进行修复，得到修复后的水下图像；本发明相较于现有的方法能够更好的解决在不同时间节点出现的不同退化情况，由于针对不同退化程度调用不同修复模型，所以本发明对于水下退化图像的修复效果更好更自然。
-
公开(公告)号：CN115861646A
公开(公告)日：2023-03-28
申请号：CN202211466939.8
申请日：2022-11-22
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提出了一种基于结构重参数化的轻量级目标检测方法及系统，包括：获取待目标检测的数据样本并进行预处理；将预处理后的数据样本输入至网络推理模型中输出目标检测结果，所述网络推理模型为是由训练好的多分支网络训练模块采用结构重参数转换成的单路结构的网络模型，其中，结构重参数转换的方式为分支合并和卷积序列合并。通过结构重参数化方式解耦训练和推理阶段，在训练阶段采用多分支结构获取更多语义信息和特征表示，迭代更新权重参数，同时在推理阶段采用带有训练权重信息的单路结构，在加快模型的推理速度的同时保证模型精度。
-
Patent Agency Ranking
公开(公告)号：CN115293662A
公开(公告)日：2022-11-04
申请号：CN202211230749.6
申请日：2022-10-10
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明提出了融合并行与分布式的海洋观测数据智能计算方法及系统，涉及海洋观测时序数据流智能计算领域,实时获取每个通道的海洋观测数据流存储到分布式集群；对数据流进行乱序、去重和缺失预处理；基于预处理后的海洋观测数据流，采用超算MPI并行训练模型，进行多通道在线学习模型训练，得到每个通道的最新海洋观测数据智能计算模型；基于Flink分布式流处理系统，对每个通道不断流入的海洋观测数据，选择通道对应的最新海洋观测数据智能计算模型，进行实时推理与预测；本发明适合多通道多任务的应用场景，有效支持流式数据的在线学习与推理任务以及高通量传感器数据的管理，实现数据的多通道计算模型的快速迭代升级以及数据的实时推理。
-
公开(公告)号：CN114387190B
公开(公告)日：2022-08-16
申请号：CN202210285072.X
申请日：2022-03-23
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明涉及数字图像处理技术领域，提供了一种基于复杂环境下的自适应图像增强方法及系统，包括采集原始水下图像并进行预处理；利用RGB直方图统计预处理后的水下图像的RGB通道信息数据集；基于RGB通道信息数据集，利用训练好的水下图像退化分类模型得到不同退化程度的图像样本；基于不同退化程度的图像样本，利用训练好的不同退化程度的水下修复网络进行修复，得到修复后的水下图像；本发明相较于现有的方法能够更好的解决在不同时间节点出现的不同退化情况，由于针对不同退化程度调用不同修复模型，所以本发明对于水下退化图像的修复效果更好更自然。
-
公开(公告)号：CN114385619A
公开(公告)日：2022-04-22
申请号：CN202210285171.8
申请日：2022-03-23
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F16/215 , G06F16/2458 , G06N3/04
Abstract: 本发明属于基于特定计算模型的计算机系统领域，提供了一种多通道海洋观测时序标量数据缺失值预测方法及系统，获取带有海洋缺失值的海洋观测时序标量数据；基于所述海洋观测时序标量数据，采用TA‑RNN模型，得到海洋缺失值预测结果；所述TA‑RNN模型包括卷积注意模块、空间注意模块和时间注意模块，所述卷积注意模块用于将所述海洋观测时序标量数据进行细化；所述空间注意模块用于捕获细化后的所述海洋观测时序标量数据的动态空间相关性；所述时间注意模块用于捕获空间注意模块输出数据中不同时间间隔之间的动态时间相关性。
-
公开(公告)号：CN113963251A
公开(公告)日：2022-01-21
申请号：CN202111421605.4
申请日：2021-11-26
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06V20/05 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06T3/40 , G06T7/11
Abstract: 本发明公开了海洋生物检测方法、系统和设备，海洋生物检测方法，包括以下步骤：获取ImageNet数据集、海洋生物细粒度图像分类数据集以及拍摄得到的海洋生物数据集；使用所述ImageNet数据集对预设分类网络进行训练，得到预训练模型；使用所述海洋生物细粒度图像分类数据集对所述预训练模型进行训练得到训练模型；选取部分所述海洋生物数据集进行标注得到标注数据集；使用预设算法对标注数据集进行强化；使用训练模型结合多尺度检测网络和位置注意力机制基于强化后的标注数据集进行训练，得到海洋生物检测模型；输入未被标注的自拍摄海洋生物数据集，输出检测信息，能够准确的检测出图像或视频中存在的海洋生物种类。
-
公开(公告)号：CN112685950A
公开(公告)日：2021-04-20
申请号：CN202011391590.7
申请日：2020-12-02
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F30/27 , G06F119/02
Abstract: 本发明公开了海洋时序观测数据的异常检测方法、系统和设备，海洋时序观测数据的异常检测方法，包括以下步骤：采集海洋观测数据并进行预处理；计算CoDisp值；基于预测数据点序列得到的t时刻的海洋观测数据的预测值；将预测值与t时刻实际测量得到的目标数据点x值相减并计算绝对值，获得PredDiff值；对预设时长内CoDisp值和PredDiff值分别统计建模，获取CoDisp值、PredDiff值的概率分布，并基于得到的概率分布，计算检测窗口内各目标数据点的异常概率。基于滑窗的动态异常概率确定方法能解决人工设定的阈值缺乏科学依据的问题，在实际应用时发挥异常检测作用。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.091 seconds)
