公开(公告)号：CN112199345A

公开(公告)日：2021-01-08

申请号：CN202011174990.2

申请日：2020-10-28

Applicant: 上海大学

Inventor： 丁雪海 ,  张庆杰 ,  童维勤 ,  支小莉 ,  庄万德

IPC: G06F16/18 ,  G06F16/838 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 一种深度学习训练实时可视化方法及装置，所述方法包括：在完成神经网络的当前次模型训练后，将所述当前次模型训练使用的网络模型参数写入至json数据文件日志；读取所述json数据文件日志中的数据；采用预设的可视化工具实时展示所述json数据文件日志中最新更新的数据。上述方案能够在深度学习训练过程中实时可视化地展示网络模型参数。

公开(公告)号：CN113111442A

公开(公告)日：2021-07-13

申请号：CN202110457450.3

申请日：2021-04-27

Applicant: 上海大学

Inventor： 丁雪海 ,  张庆杰 ,  童维勤 ,  支小莉 ,  杨滢瑜 ,  邢志昂

IPC: G06F30/15 ,  G06F30/20 ,  G06T17/00

Abstract: 本发明提供了地铁实时仿真方法、系统及计算机可读存储介质，其中地铁实时仿真方法，包括以下步骤：S1、获取地铁运行数据；S2、根据所述地铁运行数据建立地铁线路模型和地铁行速模型；S3、根据所述地铁线路模型和所述地铁行速模型计算地铁的实时位置；S4、在地图中显示地铁。本地铁实时仿真方法、系统及计算机可读存储介质，能够客观准确的计算公共交通的满载率。本在交通数据收集上为管理者提供了大量准确可靠的数据支撑，节约了管理成本地铁实时仿真方法、系统及计算机可读存储介质，使得城市变得更智慧、更人性化。实现了地铁运行动态模拟，用户可以快速获得上海地铁的相关动态，从而更好地规划自己的出行时间和方案。

公开(公告)号：CN111664848A

公开(公告)日：2020-09-15

申请号：CN202010486081.6

申请日：2020-06-01

Applicant: 上海大学

Inventor： 丁雪海 ,  张庆杰 ,  童维勤 ,  沈文枫 ,  刘通

IPC: G01C21/20 ,  G01S19/48 ,  H04W4/021 ,  H04W4/024 ,  H04W4/33

Abstract: 本发明公开了一种多模态室内定位导航方法及系统，其中方法包括如下步骤：采集室内结构的位置信息，绘制室内地图,采集室内实景图像信息，将基准图像信息与基准位置信息进行对应的整合，构建室内位置信息数据库，设立一中心区域，存储于服务器；移动终端处于室内时，开启摄像头模块，获取实时图像信息，反馈给服务器；服务器将实时图像信息与位置信息数据库中基准图像进行匹配，输出匹配后的基准位置信息，判断匹配后的基准位置信息是否处于中心区域中，将判断结果反馈给移动终端；移动终端基于判断结果，选择定位方案，判断结果为是，启用第一模态进行定位导航，判断结果为否，启用第二模态进行定位导航。本发明可实现室内的精确定位导航。

公开(公告)号：CN112906887B

公开(公告)日：2023-03-24

申请号：CN202110195253.9

申请日：2021-02-20

Applicant: 上海大学

Inventor： 龙湘蒙 ,  支小莉 ,  童维勤 ,  张庆杰

IPC: G06N3/082 ,  G06N3/04 ,  G06N3/063

Abstract: 本发明提供了稀疏GRU神经网络加速的实现方法和装置，其中方法包括以下步骤：S1、使用CPU或GPU训练GRU神经网络模型，并对训练后的模型参数进行剪枝和量化；使用三元组方法存储稀疏的参数矩阵，并对模型的输入进行量化；S2、使用buffer将存储模型参数的三元组和量化后的输入传输至FPGA的外部存储器中；S3、在FPGA中实现稀疏GRU神经网络的计算，并将最终结果传输至所述外部存储器中。本稀疏GRU神经网络加速的实现方法和装置能够提高计算效率，减少了输入传输的时间和数据传输的次数，从而降低功耗和延时。

公开(公告)号：CN112906887A

公开(公告)日：2021-06-04

申请号：CN202110195253.9

申请日：2021-02-20

Applicant: 上海大学

Inventor： 龙湘蒙 ,  支小莉 ,  童维勤 ,  张庆杰

IPC: G06N3/08 ,  G06N3/04 ,  G06N3/063

Abstract: 本发明提供了稀疏GRU神经网络加速的实现方法和装置，其中方法包括以下步骤：S1、使用CPU或GPU训练GRU神经网络模型，并对训练后的模型参数进行剪枝和量化；使用三元组方法存储稀疏的参数矩阵，并对模型的输入进行量化；S2、使用buffer将存储模型参数的三元组和量化后的输入传输至FPGA的外部存储器中；S3、在FPGA中实现稀疏GRU神经网络的计算，并将最终结果传输至所述外部存储器中。本稀疏GRU神经网络加速的实现方法和装置能够提高计算效率，减少了输入传输的时间和数据传输的次数，从而降低功耗和延时。

公开(公告)号：CN111664848B

公开(公告)日：2022-02-11

申请号：CN202010486081.6

申请日：2020-06-01

Applicant: 上海大学

Inventor： 丁雪海 ,  张庆杰 ,  童维勤 ,  沈文枫 ,  刘通

IPC: G01C21/20 ,  G01S19/48 ,  H04W4/021 ,  H04W4/024 ,  H04W4/33

Abstract: 本发明公开了一种多模态室内定位导航方法及系统，其中方法包括如下步骤：采集室内结构的位置信息，绘制室内地图,采集室内实景图像信息，将基准图像信息与基准位置信息进行对应的整合，构建室内位置信息数据库，设立一中心区域，存储于服务器；移动终端处于室内时，开启摄像头模块，获取实时图像信息，反馈给服务器；服务器将实时图像信息与位置信息数据库中基准图像进行匹配，输出匹配后的基准位置信息，判断匹配后的基准位置信息是否处于中心区域中，将判断结果反馈给移动终端；移动终端基于判断结果，选择定位方案，判断结果为是，启用第一模态进行定位导航，判断结果为否，启用第二模态进行定位导航。本发明可实现室内的精确定位导航。