公开(公告)号：CN117176723A

公开(公告)日：2023-12-05

申请号：CN202311011018.7

申请日：2023-08-10

Applicant: 鹏城实验室

Inventor： 任智祥 ,  任一铭 ,  田永鸿 ,  高文

IPC: H04L67/1004 ,  G06N5/022 ,  G06N5/04

Abstract: 本申请实施例提供了一种边缘计算的负载均衡控制方法、系统、设备及存储介质，属于数据交互技术领域。方法包括：获取用户设备发送的网络请求信息并确定发送的请求时间；获取当前请求时间下多个通信设备的状态信息，并以用户设备和多个通信设备为节点，以请求时间和状态信息作为各个节点对应的属性，构建时序知识图谱；将时序知识图谱输入到预先训练得到的图神经网络模型中进行处理，预测得到未来多个时间段下用户设备与各个通信设备之间连接的评估值；根据评估值，从多个通信设备中确定每个未来时间段下满足网络连接需求的目标设备，并向用户设备发送连接指令，以使用户设备在每个未来时间段下分别与对应的目标设备通信连接。

公开(公告)号：CN115456149B

公开(公告)日：2023-07-25

申请号：CN202211221881.0

申请日：2022-10-08

Applicant: 鹏城实验室

Inventor： 田永鸿 ,  权璞丽 ,  李国齐 ,  崔小欣 ,  周晖晖 ,  高文

IPC: G06N3/049 ,  G06N3/063 ,  G06N3/08

Abstract: 本发明公开了一种脉冲神经网络加速器学习方法、装置、终端及存储介质，包括：获取前向运算所需数据，并根据前向运算数据在前向运算引擎中进行第一卷积运算和自组织迁移运算，得到前向运算结果；根据前向运算结果在后向运算引擎中进行第二卷积运算和梯度运算，得到后向运算结果；根据后向运算结果进行梯度更新运算，并根据梯度更新运算的结果更新脉冲神经网络加速器的梯度参数。本发明可以高效处理基于BPTT的脉冲神经网络学习，从而确保了SNN的精度，端到端的解决了SNN学习问题。

公开(公告)号：CN116070719B

公开(公告)日：2023-07-14

申请号：CN202310271228.3

申请日：2023-03-20

Applicant: 鹏城实验室

Inventor： 彭涵阳 ,  秦爽 ,  余跃 ,  王进 ,  王晖 ,  李革 ,  高文

IPC: G06N20/00

Abstract: 本发明公开了一种跨计算节点分布式训练高效通信方法及系统，所述方法包括：在中心服务器上构建分布式训练机器学习模型；获取分布式训练机器学习模型中每个计算节点的本地更新量，并对本地更新量进行量化，得到量化后的本地更新量；根据量化后的本地更新量得到全局更新量，并对全局更新量进行量化，得到量化后的全局更新量；在各计算节点中，根据量化后的全局更新量更新分布式训练机器学习模型参数，得到更新后的分布式训练机器学习模型。本发明通过量化方法将计算节点间所需要通信的数据进行压缩以减少通讯数据量，不会影响最终收敛特性，从而减少通信时间，提高系统的整体训练效率。

公开(公告)号：CN116302449A

公开(公告)日：2023-06-23

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：CN116260984A

公开(公告)日：2023-06-13

申请号：CN202211596014.5

申请日：2022-12-13

Applicant: 北京大学深圳研究生院 ,  鹏城实验室

Inventor： 李革 ,  秦泰 ,  张琦 ,  王静 ,  高文

IPC: H04N19/96 ,  H04N19/597

Abstract: 本发明公开了一种基于预测树的点云几何编码、解码方法及设备，包括：预先遍历预测树，获取待编码顶点到待编码顶点的前序顶点的残差的最小编码比特位数的最大值并进行编码；之后再次遍历以获取待编码顶点到所述待编码顶点的前序顶点的第一残差；利用最小编码比特位数的最大值与新的增强型联动上下文模型，对所述第一残差的绝对值进行编码；获取所述前序顶点到所述前序顶点的父顶点的第二残差；将每个可能的残差方向分别与所述第二残差的方向进行按位异或，以便重排序获得若干相对残差方向；根据相对残差方向的可行性作为先验信息，对第一残差的残差方向进行算术编码。与现有技术相比，本发明的编码方法对残差编码进行了优化，提高了编解码效率。

公开(公告)号：CN116246064A

公开(公告)日：2023-06-09

申请号：CN202211569881.X

申请日：2022-12-08

Applicant: 鹏城实验室

Inventor： 高文 ,  陈杰 ,  田永鸿 ,  徐凡 ,  耿睿哲

IPC: G06V10/26 ,  G06V10/46 ,  G06V10/82 ,  G06V10/25 ,  G06T7/00 ,  G06N3/045

Abstract: 本发明所提供的一种多尺度空间特征增强方法及装置，所述方法包括：对待分割病理图像进行处理，得到目标病理图像；将所述目标病理图像输入图像特征提取网络，提取所述目标病理图像中的不同尺度的特征，得到不同尺度层级的特征图像；将不同尺度层级的所述特征图像输入自注意力机制，进行空间特征增强处理，得到最终特征图；将所述最终特征图输入基于两阶段检测器的基线模型，生成分割结果。本发明通过将不同尺度层级的所述特征图像输入自注意力机制，进行空间特征增强处理，提取到了信息更丰富的特征图，可以更好地对图像上的目标进行识别和定位，避免了仅依赖于最后一个特征图上的像素，提高了分割精度。

公开(公告)号：CN116051470A

公开(公告)日：2023-05-02

申请号：CN202211623471.9

申请日：2022-12-16

Applicant: 鹏城实验室

Inventor： 高文 ,  陈杰 ,  田永鸿 ,  王兆玮

IPC: G06T7/00 ,  G06T7/11 ,  G06V10/774 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开了一种基于数据增强的肝脏CT术后肿瘤分割方法及装置，所述方法包括：构建SPADE生成对抗网络模型；其中所述SPADE生成对抗网络模型包括生成器和判别器；对所述SPADE生成对抗网络模型进行训练，得到训练完成的SPADE生成对抗网络模型；获取2D常规肝脏肿瘤的轮廓掩模，并将所述轮廓掩模输入到所述训练完成的SPADE生成对抗网络模型中的所述生成器，得到生成的2D术后肝脏肿瘤图像；根据所述生成的2D术后肝脏肿瘤图像，得到3D术后肝脏肿瘤数据集。本发明可从各种形态的常规肿瘤中提取轮廓掩模，生成得到生成的2D术后肝脏肿瘤图像，从而扩充了数据量稀少的术后肿瘤的样本个数。

公开(公告)号：CN113473153B

公开(公告)日：2023-04-25

申请号：CN202010239384.8

申请日：2020-03-30

Applicant: 鹏城实验室 ,  北京大学深圳研究生院

Inventor： 李革 ,  何盈燊 ,  王静 ,  邵薏婷 ,  高文

IPC: H04N19/593 ,  H04N19/96

Abstract: 本发明公开了一种点云属性预测方法、编码方法、解码方法及其设备，其中，所述点云属性预测方法，包括步骤：将点云原始坐标加上一个偏移值得到新的坐标值；根据所述新的坐标值确定偏移莫顿顺序；根据所述偏移莫顿顺序确定当前节点的属性预测值。本发明通过采用偏移莫顿顺序来找到与当前节点在物理空间中最近的邻居点，从而确定当前节点的属性预测值，最后根据所述属性预测值进行属性编码或根据所述当前节点的属性预测值以及点云属性码流确定所述当前节点的属性值。本发明提供的点云属性预测方法、编码方法和解码方法能够提升点云的几何信息和属性信息相关性的利用，从而提高点云属性的压缩性能。

公开(公告)号：CN115936103A

公开(公告)日：2023-04-07

申请号：CN202211525392.4

申请日：2022-12-01

Applicant: 鹏城实验室

Inventor： 刘勇翔 ,  范登栋 ,  徐鹏翔 ,  杨凯 ,  田永鸿 ,  高文

IPC: G06N3/084 ,  G06N3/04 ,  G06V10/774 ,  G06V10/82 ,  G06V10/764

Abstract: 本发明公开了一种深度学习模型的训练方法、装置、终端及存储介质，先获取深度学习模型中每个网络层的第一矩阵和第二矩阵；根据第三矩阵，确定第一矩阵的逆矩阵、第二矩阵的逆矩阵；第一矩阵由反向传回来的损失函数值对各网络层非线性映射之前输出的梯度的期望值组成；第二矩阵由各网络等的上一层非线性之后的输出的期望值组成；第三矩阵为第一预设可调参数与预设单位矩阵的乘积；第一矩阵的逆矩阵为第三矩阵与第一矩阵的差值；第二矩阵的逆矩阵为第三矩阵与第二矩阵的差值；基于第一矩阵和第二矩阵的最大特征值、逆矩阵，确定网络层的逆矩阵，以得到深度学习模型的Fisher信息矩阵的逆矩阵对深度学习模型进行训练，极大地减少模型训练的计算资源。

公开(公告)号：CN115856341A

公开(公告)日：2023-03-28

申请号：CN202211390749.2

申请日：2022-11-07

Applicant: 鹏城实验室

Inventor： 张伟 ,  田永鸿 ,  罗东阳 ,  彭金波 ,  周晖晖 ,  高文

IPC: G01P3/38

Abstract: 本发明公开了一种基于动态视觉传感器的瞬时转速测量方法及相关设备，所述方法包括：获取目标部件的目标影像；分段采集所述目标影像的脉冲信号流；根据所述脉冲信号流获取目标脉冲图像序列；根据所述目标脉冲图像序列获取目标相似度序列；根据所述目标相似度序列获取所述目标部件的瞬时转速。本发明通过采用动态视觉传感器进行转速测量，无需对被测对象进行特殊标记，无需对被测对象进行额外补光，对传感器的安装拍摄角度也无特殊限制，且仅在动态变化区域产生输出，极大减少了数据量与计算量。