公开(公告)号：CN116071809B

公开(公告)日：2023-07-14

申请号：CN202310285315.4

申请日：2023-03-22

Applicant: 鹏城实验室

Inventor： 蒋冬梅 ,  李岩 ,  王耀威 ,  蓝湘源 ,  吕科

IPC: G06V40/16 ,  G06V10/82 ,  G06V10/62 ,  G06N3/0464

Abstract: 本发明公开了一种基于多类表征时空交互的人脸时空表征生成方法，本发明通过同时学习人脸局部表征与人脸不同区域间的人脸关系表征，并为两种表征的时空动态交互建模，实现不同时刻同类表征之内和不同类表征之间的时空交互，最终得到更可靠的人脸时空表征。解决了目前人脸时空表征学习采用卷积神经网络提取人脸局部表征的方法，忽略了人脸不同区域之间的高层关系信息，导致生成的人脸时空表征的有效性较低的问题。

公开(公告)号：CN116415035A

公开(公告)日：2023-07-11

申请号：CN202310545760.X

申请日：2023-05-16

Applicant: 鹏城实验室

Inventor： 王耀威 ,  王握 ,  池虹雨 ,  汤左淦 ,  白鑫贝

IPC: G06F16/783 ,  G06F16/78 ,  G06F16/787 ,  G06F16/738 ,  G06F16/75 ,  G06F16/13 ,  G06F16/14 ,  G06F16/22 ,  G06F16/245 ,  G06F16/29

Abstract: 本发明公开了一种摄像头视频数据检索方法及相关设备，涉及视频数据检索领域，所述方法包括：获取摄像头视频数据；对获取到的所述摄像头视频数据进行分类信息提取，得到提取到的分类信息；将提取到的分类信息按照信息类别分别插入到数据库中的文件存储库、结构化数据库和特征向量库；获取输入的待检索目标信息和检索条件，根据待检索目标信息解析出待检索的目标特征向量，基于检索条件和目标特征向量采用空间渐进检索方式和时间渐进检索方式在所述文件存储库、结构化数据库和特征向量库中进行检索，通过检索到的结果还原目标多日出行轨迹并输出。通过上述方法，本发明能够满足城市级人车在全城市范围、全时间区段内快速检索。

公开(公告)号：CN116257692A

公开(公告)日：2023-06-13

申请号：CN202310537636.9

申请日：2023-05-15

Applicant: 鹏城实验室

Inventor： 王耀威 ,  汤左淦 ,  侯奎 ,  王握 ,  黄文柯

IPC: G06F16/9535 ,  G06F16/9536

Abstract: 本发明公开了一种基于云边协同的资产共享及推荐方法及系统，所述方法包括：云端基于资产基础属性、动态属性、边端用户搜索以及评价活动，构建资产综合价值，所述资产综合价值包括：资产基础价值、资产用户价值以及资产动态价值；边端获取用户属性、工作岗位、部门资产搜索以及评价记录，并进行个性化推荐，得到个性化推荐目录，同时所述云端进行资产价值推荐，得到资产价值推荐目录；基于所述个性化推荐目录与所述资产价值推荐目录，形成组合推荐目录，基于所述组合推荐目录向边端用户进行推荐，并进行云边资产共享。本发明使用云边协同推荐的方法，云端采用价值推荐、边端采用个性化推荐，有利于云边协同实现智能的千人千面推荐机制。

公开(公告)号：CN113840145B

公开(公告)日：2023-06-09

申请号：CN202111115605.1

申请日：2021-09-23

Applicant: 鹏城实验室

Inventor： 高文 ,  柏园超 ,  王耀威 ,  刘贤明

IPC: H04N19/42 ,  H04N19/91 ,  H04N19/184 ,  H04N19/124 ,  H04N19/44 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种面向人眼观看和视觉分析联合优化的图像压缩方法，所述方法包括：获取原始图像，并对所述原始图像进行特征提取和量化，得到第一特征；对所述第一特征进行熵编码得到比特流，并将所述比特流发送至预设的解码器；控制所述解码器接收所述比特流，并将所述比特流还原为第一特征；将所述第一特征输入预设的深度解码网络，输出得到类别向量；将所述类别向量输入第一全连接网络，输出图像分类的类别概率，并根据所述类别概率对所述原始图像进行分类；根据所述第一特征对所述原始图像进行重构，得到重构图像。本申请可以在对原始图像压缩的过程中同时考虑原始图像的重构和分类。

公开(公告)号：CN116028653A

公开(公告)日：2023-04-28

申请号：CN202310321776.2

申请日：2023-03-29

Applicant: 鹏城实验室

Inventor： 胡孟豪 ,  王耀威 ,  山其本 ,  李潘 ,  黄文柯

IPC: G06F16/36 ,  G06F16/41 ,  G06F16/48

Abstract: 本发明公开了一种可视化配置多源异构数据构建图谱的方法及系统，所述方法包括：获取数据源，并进行图标、属性以及本体配置，以创建图谱，根据创建的图谱生成映射模式；当所述映射模式生成成功，则根据所述数据源进行多数据类型映射配置，并创建模式索引；当模式索引创建完成后，将图谱导入图数据库，并在图谱导入时，显示每个实体和关系导入进度以及导入结果，若数据源关联同一个实体则进行数据一致性融合处理。本发明为用户提供了可视化构建图谱的平台，降低操作难度，通过本体和属性的提前配置大大减轻用户的手动输入工作，提高图谱创建效率。

公开(公告)号：CN115620512A

公开(公告)日：2023-01-17

申请号：CN202211143429.7

申请日：2022-09-20

Applicant: 鹏城实验室

Inventor： 王耀威 ,  吴益灵 ,  赵莹萍 ,  张新峰

IPC: G08G1/01 ,  G06N3/0455 ,  G06N3/08 ,  G06N5/02

Abstract: 本发明公开了一种基于知识图谱的交通量预测方法、装置、终端及存储介质，方法包括：根据知识图谱表示学习算法学习知识图谱的结点和关系表示；根据预设周期采集需要预测的各个空间点在不同时间点的交通量数据，得到交通量的时空序列数据；根据知识图谱的结点和关系表示以及交通量的时空序列数据，训练交通量预测模型；使用第一损失函数和基于梯度下降的优化器优化交通量预测模型，得到优化的交通量预测模型；根据知识图谱的结点和关系表示以及优化的交通量预测模型，预测未来一定时间内的交通量。本发明应用知识图谱表示学习算法学习知识图谱时空结点的知识表示，将带有知识的时空结点表示输入交通预测模型，提升交通预测模型的准确率。

公开(公告)号：CN115271157A

公开(公告)日：2022-11-01

申请号：CN202210660535.6

申请日：2022-06-13

Applicant: 鹏城实验室

Inventor： 王耀威 ,  张威风 ,  陈杰 ,  吴哲 ,  张新峰 ,  黄庆明

IPC: G06Q10/04 ,  G06Q50/26 ,  G06N3/08 ,  G06N3/04 ,  G06K9/62

Abstract: 本发明公开了一种基于Transformer的多任务交通流预测方法、装置及终端，本发明方案通过设置一个编码器和两个解码器，使用两个编码器分别处理交通流量任务和交通速度任务，使用编码器提取历史交通数据的历史时空特征并输入至每个解码器中，以增强各个解码器中输入的实时交通数据的特征；而且每个解码器还从另一个解码器中层次性抽取空间特征和节点特征以与自身特征融合和互补，从而通过一个预测任务来增强另一个预测任务的特征，实现特征上相互促进，提高预测结果的精度。

公开(公告)号：CN114035938A

公开(公告)日：2022-02-11

申请号：CN202111209507.4

申请日：2021-10-18

Applicant: 鹏城实验室 ,  北京大学深圳研究生院

Inventor： 王耀威 ,  李革 ,  杨哲铭 ,  纪雯

IPC: G06F9/50 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了分布式训练方法、装置、智能终端及计算机可读存储介质，方法包括：分别获取各服务器的服务器智能水平，各上述服务器智能水平分别体现对应服务器的数据处理能力；基于待训练数据集的复杂度、待训练模型的复杂度以及各服务器智能水平获取目标分组数目信息，并基于目标分组数目信息和各上述服务器的服务器智能水平对所有服务器进行群组划分，获取多个服务器群组；基于各服务器群组的群组智能水平分别为各服务器群组分发待训练数据集中的数据资源和待训练模型中的模型资源，各群组智能水平分别体现对应服务器群组的数据处理能力；分别控制各服务器群组基于获得的数据资源和模型资源进行训练。与现有技术中相比，本发明可提高训练效率。

公开(公告)号：CN113780549A

公开(公告)日：2021-12-10

申请号：CN202110898412.1

申请日：2021-08-05

Applicant: 鹏城实验室

Inventor： 谭明奎 ,  黎浩坤 ,  李焕童 ,  王耀威

IPC: G06N3/08 ,  G06N3/04

Abstract: 本申请公开了一种溢出感知的量化模型训练方法、装置、介质及终端设备，所述方法包括对预设网络模型中的网络层的目标数据进行量化处理，并基于量化处理后的目标数据以及网络层，确定网络层的输出数据，确定输出数据对应的溢出元素数量，并基于所述溢出元素数量调节所述网络层对应的量化缩放系数，以调节所述网络层对应的量化缩放因子。本实施例通过基于用于运行所述网络层的累加器的约束位数来对量化缩放系数及量化缩放因子进行调整，从而使得网络层的输出数据不会出现溢出的问题，进而可以提高模型性能，同时可以使得网络层在低约束位数的累加器中进行，从而可以增加用于运行网络层的累加器的并行数量，从而可以提高网络层的运算速度。

公开(公告)号：CN112884815A

公开(公告)日：2021-06-01

申请号：CN202110141583.X

申请日：2021-02-02

Applicant: 鹏城实验室

Inventor： 王耀威 ,  白鑫贝 ,  纪雯

IPC: G06T7/292 ,  G06T7/50

Abstract: 本发明公开了一种基于多摄像机的车辆追踪方法，包括：获取道路结构与通行属性、摄像机安装参数、历史车流数据和地理信息数据，构建摄像机网络时空拓扑关系；获取目标车辆，在单摄像机内对所述目标车辆进行跟踪；当目标车辆从所述单摄像机中消失后，根据目标车辆与所述单摄像机之间的相对运动类型、车辆行驶方向和时间信息，在所述摄像机网络时空拓扑关系中查找满足约束条件的所述单摄像机的相邻节点作为候选节点集；获取目标车辆车牌、目标车辆画像和深度学习特征，将候选节点集获取的车辆集合的车牌、车辆画像和深度学习特征与目标车辆进行关联识别，得到目标车辆跨摄像机跟踪结果，该方法计算量小，能够得到可靠、鲁棒的目标车辆持续跟踪结果。