-
公开(公告)号：CN119537988A
公开(公告)日：2025-02-28
申请号：CN202311108639.7
申请日：2023-08-31
Applicant: 中国科学院沈阳计算技术研究所有限公司
IPC: G06F18/2323 , G06F18/10
Abstract: 本发明涉及基于图嵌入的无监督聚类流域分区方法。该方法首先分析水质数据的网络时空相关性，然后利用无监督的图嵌入方法对流域水质数据进行嵌入表示，提取监测站点之间的时空相关性向量，得到监测数据的网络表示。然后利用T‑SNE方法将获得的网络表示从高维空间转到低位空间，同时保持高维空间所携带的信息。最后将降维后的数据输入到聚类方法中，获得流域水环境的时空分区。本发明通过相关实验验证了方法的准确性。
-
公开(公告)号：CN119379376A
公开(公告)日：2025-01-28
申请号：CN202310926420.1
申请日：2023-07-26
Applicant: 中国科学院沈阳计算技术研究所有限公司
IPC: G06Q30/0601 , G06Q10/0631 , G06Q10/067 , G06Q50/02 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种细粒度特征交互选择的FgFisNET农产品推荐方法，用于细粒度特征交互和选择重要的特征交互。该方法首先通过组合内积和hadamard积学习有效的特征交互，对稀疏数据集中特征交互进行有效的建模；然后为每组特征交互引入一组架构参数，通过梯度下降学习每个特征的相对重要性，删除不重要的特征交互，保留架构参数作为注意单元以帮助模型的学习，最后使用训练好的模型进行农产品电商的CTR预测。该方法融合了细粒度的特征交互和重要的特征交互选择，提高了模型的性能。本发明通过真实的农产品电商平台验证了方法的有效性，并取得了显著的经济价值。
-
公开(公告)号：CN119296015A
公开(公告)日：2025-01-10
申请号：CN202310836736.1
申请日：2023-07-10
Applicant: 中国科学院沈阳计算技术研究所有限公司
IPC: G06V20/50 , G06V10/80 , G06V10/77 , G06V10/764 , G06V10/82 , G06T7/73 , G06N3/0464 , G06N3/048 , G06N3/0455 , G06N3/08
Abstract: 本发明属于计算机视觉目标检测领域，以识别水面污染物的位置和类别为基础建立目标检测模型，将传统的DINO目标检测模型进行改进，具体为一种改进DINO的水面污染物识别方法。本发明考虑了多尺度特征，使用ResNet50模型进行多尺度特征图的提取，使用多头注意力机制将多尺度特征图进行融合并增强特征，在Attention机制中获得更多的有用信息，然后经过解码器输出固定数量的目标查询框。根据目标查询框与真实目标框的差距训练模型，最后使用DINO后处理输出概率大于阈值的预测框。改进模型在准确率与召回率上有了上升且显存占用大幅下降，并且模型更加注重小目标检测，可以有效改善水面污染物识别的算法模型。
-
公开(公告)号：CN119276999A
公开(公告)日：2025-01-07
申请号：CN202411400793.6
申请日：2024-10-09
Applicant: 中国科学院沈阳计算技术研究所有限公司
Abstract: 本发明涉及一种基于混沌理论的跨层均匀洗牌彩色图像加密方法，包括以下步骤：利用一维Singer混沌函数构建2D‑Sinsinger混沌函数；利用2D‑Sinsinger混沌函数生成初始密钥；利用2D‑Sinsinger设计洗牌算法；利用洗牌算法进行基于比特平面的R、G、B像素洗牌；利用洗牌算法进行R、G、B区域洗牌；根据2D‑Sinsinger混沌函数生成的初始秘钥，进行比特扩散，完成彩色图像的加密。本发明基于2D‑Sinsinger开发了一个针对彩色图像加密的全新的加密算法(SinsingerIE)。为了解决单通道正确信息过多，导致的加密图像易破解的问题，本发明中的加密算法可以讲三层通道之间的信息要几乎均匀的混合在一起，这样每个通道就不会暴露原有通道的正确信息，也不会因为大量正确的信息聚集在一起而暴露几乎正确的信息。
-
公开(公告)号：CN119172288A
公开(公告)日：2024-12-20
申请号：CN202310733867.7
申请日：2023-06-20
Applicant: 中国科学院沈阳计算技术研究所有限公司
IPC: H04L43/12 , H04L43/0817 , H04L43/045 , H04L43/028 , H04L69/08 , H04L12/40 , H04L69/22
Abstract: 本发明属于汽车总线数据分析与故障诊断领域，具体为一种面向车载以太网的实时检测与分析方法及轻量型装置，所述装置包括：数据采集模块，用于采集非标准车载以太网数据报文；核心处理模块，用于从数据采集模块获取数据报文，对其进行处理，并对处理后的数据报文进行分析；可视化模块，用于对核心处理模块分析的结果进行可视化，并控制报文检测的起始与终止。本发明能够提高车载以太网的可靠性：嵌入式总线分析设备可以实时检测车载以太网中的数据流，通过对数据流的分析和监控，可以及时发现潜在的故障和问题，并进行相应的处理和修复，从而提高车载以太网的可靠性和稳定性。
-
Patent Agency Ranking
公开(公告)号：CN118967618A
公开(公告)日：2024-11-15
申请号：CN202411031477.6
申请日：2024-07-30
Applicant: 中国科学院沈阳计算技术研究所有限公司
IPC: G06T7/00 , G06V10/40 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/08 , G06N3/0464
Abstract: 本发明提出一种基于编码器‑解码器架构的缺陷检测方法。包括：设计空间增强网络进行数据增强，以深度残差网络作为特征提取部分进行特征提取，多层编码器网络将特征提取后的缺陷图像特征图的输入序列经过多个编码器转化为一个固定维度的向量表示，多层解码器网络根据编码器生成的向量表示来生成目标序列，捕捉的全局信息，进而通过预测匹配模块完成对缺陷的检测过程。本发明方法应用于工业缺陷检测能够达到更精确、更鲁棒的检测效果。
-
公开(公告)号：CN118733274A
公开(公告)日：2024-10-01
申请号：CN202410932240.9
申请日：2024-07-12
Applicant: 中国科学院沈阳计算技术研究所有限公司
Abstract: 本发明涉及一种基于AI训练任务指标的资源调度策略优化方法，一种基于AI训练任务指标的资源调度策略优化方法，包括以下步骤：任务特征提取：从AI训练任务中提取任务特征信息，并将所述任务特征信息转化为特征向量；调度策略建模：将资源调度问题建模为马尔可夫决策过程，根据特征向量构建状态空间、动作空间和奖励函数；深度强化学习训练：采用深度Q网络算法对调度策略进行训练；调度决策执行：根据当前的任务和资源状态，利用训练好的Q网络选择最优的调度动作，根据最优的调度动作将任务分配到相应的计算节点，实现资源调度策略优化。本发明能够提高资源利用率，通过智能调度策略优化，显著提高计算资源的利用效率，减少资源闲置和浪费；缩短任务完成时间，优化任务的调度顺序和分配，显著缩短AI训练任务的总完成时间。
-
公开(公告)号：CN118570385A
公开(公告)日：2024-08-30
申请号：CN202410711951.3
申请日：2024-06-04
Applicant: 中国科学院沈阳计算技术研究所有限公司
IPC: G06T17/00 , G06N3/0475 , G06N3/094 , G06N3/0464 , G06T5/70 , G06N3/045
Abstract: 本发明属于医学影像三维重建领域，具体说是DICOM格式下一种基于生成对抗网络的骨科图像三维重建方法。包括以下步骤：收集时间序列骨科图像数据，并对其进行预处理；构建并训练生成对抗网络模型，使用训练好的模型对预处理后的图像数据进行替换或补充，得到二维图像序列；将二维图像序列转换为三维体数据；对三维体数据进行后处理，完成骨科图像的三维重建。本发明通过生成对抗网络算法与三维重建算法的结合可以快速的实现对人体各个部位骨骼的三维重建，快速实现骨骼的3D可视化，提高术前判断的速度以及准确性。
-
公开(公告)号：CN118245047A
公开(公告)日：2024-06-25
申请号：CN202211657268.3
申请日：2022-12-22
Applicant: 中国科学院沈阳计算技术研究所有限公司
IPC: G06F8/38
Abstract: 本发明涉及面向虚拟现实的多级菜单交互方法，针对工业上的虚拟现实应用场景中，当涉及多级别UI交互的相关需求时，提供一种可定制的、便捷的交互方法。为应用的使用者，创造一种更为舒服的交互体验，避免因为UI的问题造成沉浸感的缺失或者额外的身体疲劳。本发明包括一组数据结构，以及在此结构基础上完成的UI交互设计流程和使用流程。设计流程主要是用于编辑UI的使用模式、位置、响应等逻辑关系，使用流程主要是用于按照设计流程编辑的逻辑，完成使用者的UI交互需求。
-
公开(公告)号：CN118170922A
公开(公告)日：2024-06-11
申请号：CN202211687173.6
申请日：2022-12-27
Applicant: 中国科学院沈阳计算技术研究所有限公司
IPC: G06F16/36 , G06V10/40 , G06V10/80 , G06V10/764 , G06V10/82 , G06F40/279 , G06F16/332 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及一种基于图像增强与多级残差网络多模态知识补全方法。通过数据采集程序获取词条相关文本描述信息以及图像信息，构建多模态知识图谱。通过图片过滤器过滤无关图片，然后通过图像增强方法扩充图片集；通过上述预处理后对图片、文本采用多模态双流模型分别进行数据预处理工作。实体图片通过CLIP预训练模型提取视觉特征；实体与关系的文本描述信息通过Bert预训练模型提取文本特征；然后将视觉特征以及文本特征通过融合网络对进行特征融合，得到三元组特征；最后将得到的三元组特征送入全连接层，输出最后的分类。本发明采用预训练模型对提取各模态特征，无需人工设计特征，采用端到端的方式补全。本方法能够在相关领域进行推广，泛化能力强。
-
-
-
-
-
-
-
-
-
Search Results
637
records
(took 0.118 seconds)
