-
公开(公告)号：CN119295348A
公开(公告)日：2025-01-10
申请号：CN202411341849.5
申请日：2024-09-25
Applicant: 中国科学院沈阳计算技术研究所有限公司
IPC: G06T5/77 , G06T5/60 , G06N3/0464 , G06N3/08 , G06T5/94
Abstract: 本发明公开一种基于状态空间模型的多天气退化图像恢复方法。方法包括：获取多场景清晰图像并利用图像合成技术，合成在雨雪雾天气条件下的图像，构建标准的多天气数据集；对上述数据集预处理后进行划分；构建基于状态空间模型的多天气退化图像恢复模型，对该模型进行训练优化；获取受天气影响导致退化的图像并对其进行预处理，将处理后的图像输入预训练的多天气退化图像恢复模型中进行恢复，输出即为处理后的清晰图像。本发明基于状态空间模型，引入了自适应通道注意力机制，增强了网络对图像局部特征的捕捉能力，通过重叠的块嵌入和多尺度处理策略，能有效处理各种尺度的图像，显著提高了图像恢复的性能。本发明的方法能够处理包括但不限于因雨、雪、雾的多种天气退化的图像恢复任务，具有广泛的应用前景。
-
公开(公告)号：CN119090768A
公开(公告)日：2024-12-06
申请号：CN202411190366.X
申请日：2024-08-28
Applicant: 中国科学院沈阳计算技术研究所有限公司
IPC: G06T5/70 , G06T5/90 , G06T5/60 , G06T7/00 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/0455
Abstract: 本发明公开一种基于生成对抗网络的缺陷图像增强方法，包括：收集异常状态下的图像数据并对其进行预处理；对图像进行标记；利用基于Efficient GAN改进PN‑Efficient GAN作为图像增强算法进行训练，最终得到基于生成对抗网络的缺陷图像增强模型。本发明采用迁移学习的策略，解决了工业缺陷检测缺少数据从而难以训练大型神经网络的难题。为了进一步提高模型的性能，本发明采用新的编码器和判定器，引入残差连接，并采用改进的倒置瓶颈结构，有效地提高了运算效率和模型性能。本发明还引入ParNet‑Attention注意力机制，极大地增强了模型的准确性和鲁棒性。
-
公开(公告)号：CN118967474A
公开(公告)日：2024-11-15
申请号：CN202411031481.2
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: G06T5/50 , G06T5/60 , G06T5/70 , G06V10/762
Abstract: 本发明属于图像处理与增强，具体说是一种基于传统数据增强方法的缺陷图像增强方法，包括：采集工业生产中产品表面及内部的图像数据并对其进行分类和预处理；对采集到的图像数据进行图像增强；利用改进的自动数据增强算法，通过训练搜索算法学习最佳的数据增强策略，最终得到了增强后的缺陷图像数据集。本发明采用了图像增强与数据增强结合的方式增强了数据的质量和鲁棒性，增加数据的数量和多样性，解决了缺陷数据类别不平衡的问题。本发明还引入了强化学习算法自动搜索并选取最佳的数据增强策略及顺序，显著节约了人员的时间和精力。
-
公开(公告)号：CN118250166A
公开(公告)日：2024-06-25
申请号：CN202211667028.1
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: H04L41/0813 , H04L43/18 , H04L69/22
Abstract: 本发明涉及JSON协议解析领域，具体涉及一种使用配置文件解析JSON并提取目标内容的方法。通过从编写样式中获取目标JSON的嵌套层数、数组数量、目标值的名称等参数，再根据参数填写配置文件，根据配置文件解析JSON并提取目标值，实现复杂解析工作的简单化，提高工作效率。实现了通过更改配置文件实现解析多种格式JSON的能力。
-
公开(公告)号：CN108469785B
公开(公告)日：2021-05-25
申请号：CN201710098813.2
申请日：2017-02-23
Applicant: 中国科学院沈阳计算技术研究所有限公司
IPC: G05B19/408
Abstract: 本发明涉及一种基于隐函数的五轴加工复杂曲面碰撞检测方法，在五轴加工仿真应用中，针对复杂曲面选取工件体素，通过隐函数建模方程在工件坐标系下构建刀具曲面，再进行逆运动映射，运用包围盒检测，缩小检测范围，减少检测时间,根据隐函数方程求解根之间的关系判断是否发生碰撞，最后判断碰撞发生位置。本发明针对复杂曲面无需三维空间相交计算，减少计算量，避免耗时；包围盒粗检测，缩小检测范围，提高时间性能；利用逆运动运算，运用矩阵变换，简化计算过程；隐函数和包围盒相结合的检测方法，能有效提高碰撞检测的精确度；利用隐函数方程构建刀具扫描体，能够防止碰撞检测时发生漏点情况。
-
Patent Agency Ranking
公开(公告)号：CN105630126B
公开(公告)日：2018-05-25
申请号：CN201410617519.4
申请日：2014-11-05
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常带宽服务器混合任务低功耗调度方法。本发明在任务集调度之前，计算离线状态的运行速度Sof，并且设置非周期任务的运行速度为Sof；利用常带宽服务器设置非周期任务的截止期限，根据最早截止期限优先原则调度任务；计算任务的空闲时间ST；运行队列不空时，计算任务的运行速度S；运行队列为空，并且空闲时间ST大于关闭处理器所需的时间开销to，关闭处理器直到新的任务释放；否则将处理器的速度设置为其所能提供的最小运行速度Smin。采用本发明方法，不仅能够回收周期任务提早完成产生的空闲时间和服务器产生的空闲时间，而且能够利用动态功耗管理技术关闭处理器节约更多的能耗。该方法比现有的混合任务低功耗调度算法节约6.02％～34.14％的能耗。
-
公开(公告)号：CN104424017B
公开(公告)日：2017-06-30
申请号：CN201310369755.4
申请日：2013-08-21
Applicant: 中国科学院沈阳计算技术研究所有限公司
Abstract: 本发明涉及实时系统领域任务的实时调度，具体的说是一种适用于数控系统的容错低功耗调度方法。本发明在任务集调度之前，计算任务Ti的优化检查点的数量OCi，两个检查点之间的间距Fi，以及插入检查点后任务集的利用率Utot；计算出任务在离线状态下的运行速度Stemp；计算任务Ti在Stemp下的执行时间，根据最早截止期限优先原则对任务集进行排序；当某个任务完成时，回收该任务的空闲时间STH(Ti,t)，利用该空闲时间STH(Ti,t)计算出该任务的运行速度S。采用本发明方法，充分利用系统的空闲时间，降低处理器的运行速度，比现有的容错低功耗调度算法节约0～47.66%的能耗。即使任务在执行过程发生错误，通过检查点机制仍然能够正确的恢复执行，因此提高了系统的可靠性。
-
公开(公告)号：CN103810025B
公开(公告)日：2016-12-21
申请号：CN201210445612.2
申请日：2012-11-09
Applicant: 中国科学院沈阳计算技术研究所有限公司
Abstract: 本发明涉及一种适用于数控系统的容错实时调度算法。为数控系统中每个实时任务的功能定义两种实现：主版本和替代版本；按照固定优先级调度算法确定数控系统的实时任务集的运行时优先级序列；按照与实时任务集运行时优先级序列相反的次序，离线生成任务集替代版本的反向调度序列；数控系统运行时，正向调度任务集中各实时任务的主版本，当主版本在其替代版本的最晚启动时刻之前正确完成，则释放期替代版本的预留执行时间；否则撤销主版本的执行，并在最晚启动时刻开始执行替代版本，替代版本启动后具有最高执行优先级，能够抢占任意主版本执行。本发明能够在采用顺序反向调度方法的容错实时调度算法的基础上，大幅降低容错实时调度算法的运行开销。
-
公开(公告)号：CN103810043A
公开(公告)日：2014-05-21
申请号：CN201210445655.0
申请日：2012-11-09
Applicant: 中国科学院沈阳计算技术研究所有限公司
Abstract: 本发明公开一种适用于数控系统周期任务的节能调度方法，其步骤如下：计算数控系统中任务Ti在离线状态下的最佳运行速度再计算任务Ti在最佳运行速度下的执行时间，根据最早截止期限优先原则对任务集进行排序；当某个任务完成时，回收任务Ti的空闲时间Slack_Time，利用该空闲时间Slack_Time计算出该任务在处理器规定连续电压下的运行速度S；最终根据运行速度S来确定每个任务前部分的运行速度SL和后部分的运行速度SH，从而计算出任务在前部分的运行速度SL下的执行时间ex.L和在后部分的运行速度SH的执行时间ex.H，通过所求的实际的执行时间ex.L、ex.H来调度执行任务；这样使本发明充分利用系统的空闲时间Slack_Time，降低处理器的运行速度，达到节约能耗的目的。
-
公开(公告)号：CN119337959A
公开(公告)日：2025-01-21
申请号：CN202411314182.X
申请日：2024-09-20
Applicant: 中国科学院沈阳计算技术研究所有限公司
IPC: G06N3/092 , G06N3/0442 , G06N3/006 , G06N5/04 , G06Q50/26
Abstract: 本发明公开一种用于智能博弈推演的改进DS‑PPO强化学习方法。本发明为了使智能体能够在复杂的兵棋推演环境做出更加准确的决策，DS‑PPO针对兵棋推演环境的大规模的状态‑动作空间、环境不对称、随机性高等特点，首先引入了双状态输入机制和动作掩码机制，使得智能体能够更好的感知全局环境信息并规避无效动作。其次，对原有的损失函数进行重新设计，引入处理非法动作的掩码和自定义的熵损失，强化策略的探索性，避免智能体陷入局部最优解，减少策略更新的不稳定性。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.097 seconds)
