公开(公告)号：CN117576062A

公开(公告)日：2024-02-20

申请号：CN202311627092.1

申请日：2023-11-30

Applicant: 上海电机学院

Inventor： 王小刚 ,  肖顿 ,  黄超

IPC: G06T7/00 ,  G06T7/11 ,  G06T7/136 ,  G06T1/20 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06V10/94 ,  G06V10/96 ,  G06F9/50

Abstract: 本发明涉及一种基于边缘计算CNN分区推理的产品实时检测方法及系统，其中方法包括以下步骤：获取产品图像并进行预处理；对产品图像进行分割，并标记图像；确定主边缘设备和从边缘设备，利用EdgeLD模型进行CNN模型卷积层的分区，将模型中相邻的卷积层合并为融合层，并利用主边缘设备将融合层分配给对应的从边缘设备；判断是否需要进行离线模型训练，若是，则利用边缘设备进行离线CNN模型的训练，否则，利用CNN模型对产品进行检测，其中，离线CNN模型训练完成后，判断是否需要下载CNN模型参数，若需要则下载模型参数，并重新获取图像进行新产品的检测。与现有技术相比，本发明具有准确性高、时延低等优点。

公开(公告)号：CN117851031A

公开(公告)日：2024-04-09

申请号：CN202311660658.0

申请日：2023-12-05

Applicant: 上海电机学院

Inventor： 王小刚 ,  黄超 ,  肖顿

IPC: G06F9/50 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明涉及一种基于CNN和GRU的云资源预测方法、装置及介质，其中方法包括以下步骤：获取历史云资源数据并进行归一化处理和滑动窗口创建；建立以历史云资源数据作为输入、云资源预测结果作为输出的CNN‑GRU模型，CNN‑GRU模型包括CNN模型、GRU模型和加权融合输出层，加权融合输出层利用加权平均法融合CNN和GRU的输出；使用均方误差定义CNN‑GRU模型的损失函数，并以历史云资源数据作为训练集，使用随机梯度下降法最小化损失函数，对模型进行训练；以历史云资源数据作为输入，利用训练完成的CNN‑GRU模型进行云资源预测，生成未来时间点的云资源使用预测。与现有技术相比，本发明具有预测准确等优点。