-
公开(公告)号：CN118072007A
公开(公告)日：2024-05-24
申请号：CN202311815124.0
申请日：2023-12-27
Applicant: 之江实验室
Abstract: 本发明公开了一种基于SAM的点云和图像融合的障碍物分割方法和装置，方法包括以下步骤：接收激光雷达回传的点云和相机拍摄的图像，对点云进行聚类处理；将聚类后的点云进行坐标系转换得到图像像素坐标系下的点云坐标并根据图像尺寸进行筛选；将筛选后的点云坐标作为图像分割大模型SAM的提示信息并结合对应图像输入到图像分割大模型SAM中进行图像障碍物分割得到分割输出；对分割输出进行后处理进一步过滤获取最优障碍物分割结果。本发明在进行障碍物分割时具有泛化性高、准确性高和实效性高的优点，适用于自动驾驶环境感知应用场景。
-
公开(公告)号：CN116628744A
公开(公告)日：2023-08-22
申请号：CN202310591140.X
申请日：2023-05-24
Abstract: 本发明公开了一种具有轻量级验证机制的隐私保护联邦学习方法，其特点是采用同态伪随机生成器生成掩码向量来加密梯度向量的方法，通过线性函数生成证明值并加密上传云服务器进行聚合，实现对聚合结果的轻量级验证具体包括：初始化阶段、本地训练阶段、聚合阶段、解密阶段和验证阶段等步骤。本发明与现有技术相比具有对聚合结果的可验证，并抵御云服务器发起的暴力破解攻击，有效解决了隐私泄露的问题，降低了开销并更适用于大规模用户掉线的情况，大大减少了计算和通信开销，具有较高的实际应用价值。
-
公开(公告)号：CN119150804B
公开(公告)日：2025-03-18
申请号：CN202411628434.6
申请日：2024-11-14
Applicant: 之江实验室
Abstract: 本说明书公开了一种模型训练和业务执行方法、装置、存储介质及设备。所述模型训练方法包括：根据预设的数据并行维度和序列并行维度将样本数据切分为多个子样本，并将各子样本分配到不同的图形处理器GPU上；针对每个GPU，在将分配到该GPU上的子样本输入部署在该GPU上的目标模型后，确定目标模型中的每一个子层所对应的激活值并存储，其中，针对每个子层，若该子层对应的层级小于指定层级，则将该子层对应的激活值存储到中央处理器CPU中，并在该GPU中将该子层对应的激活值进行删除；确定目标模型的损失值，并根据损失值以及每个子层所对应的激活值，对目标模型进行训练。本方案有效提高了模型的训练效率和GPU的利用率。
-
公开(公告)号：CN119150804A
公开(公告)日：2024-12-17
申请号：CN202411628434.6
申请日：2024-11-14
Applicant: 之江实验室
Abstract: 本说明书公开了一种模型训练和业务执行方法、装置、存储介质及设备。所述模型训练方法包括：根据预设的数据并行维度和序列并行维度将样本数据切分为多个子样本，并将各子样本分配到不同的图形处理器GPU上；针对每个GPU，在将分配到该GPU上的子样本输入部署在该GPU上的目标模型后，确定目标模型中的每一个子层所对应的激活值并存储，其中，针对每个子层，若该子层对应的层级小于指定层级，则将该子层对应的激活值存储到中央处理器CPU中，并在该GPU中将该子层对应的激活值进行删除；确定目标模型的损失值，并根据损失值以及每个子层所对应的激活值，对目标模型进行训练。本方案有效提高了模型的训练效率和GPU的利用率。
-
-
-
Search Results
4
records
(took 0.017 seconds)
