基于双检测头D-YOLO的热轧带钢表面缺陷检测方法、存储介质及设备

    公开(公告)号:CN118429302A

    公开(公告)日:2024-08-02

    申请号:CN202410528130.6

    申请日:2024-04-29

    Abstract: 本发明公开了一种基于双检测头D‑YOLO的热轧带钢表面缺陷检测方法、存储介质及设备,收集热轧带钢表面缺陷图像,进行数据增强处理,得到增强缺陷数据集;修改YOLOv5网络的检测层,并融合注意机制CA模块、Swin Transformer模块,采用自适应空间特征融合方式构建双检测头D‑YOLO卷积神经网络模型;将增强缺陷数据集输入双检测头D‑YOLO卷积神经网络模型中进行训练;实时采集热轧带钢表面图像,输入训练好的双检测头D‑YOLO卷积神经网络模型中,得到热轧带钢表面缺陷检测结果。本发明在提升热轧带钢表面缺陷检测精度的同时提高推理速度。

    一种监控视听数据融合的降水定量估算方法

    公开(公告)号:CN117333745B

    公开(公告)日:2024-10-01

    申请号:CN202311308376.4

    申请日:2023-10-10

    Abstract: 本发明公开了一种监控视听数据融合的降水定量估算方法,包括:基于张量和稀疏编码方法,从监控视频中将雨线层与监控背景层分离,将视频雨线层作为降雨的视觉特征;提取音频数据的时域特征和频域特征,将时域特征和频域特征的融合结果作为降雨的听觉特征;以降雨的视觉特征和听觉特征为输入,以降雨强度为输出,选取卷积神经网络、长短期记忆网络,搭建权重动态自适应的监控视听融合深度学习模型,采用监控视听融合深度学习模型对降雨强度进行估算。本发明无需对监控相机参数进行复杂的标定,估算精度高,可适应于复杂多变的真实监控场景中,具有重要的实际应用价值。

    一种大数据处理系统的去重方法

    公开(公告)号:CN110968575A

    公开(公告)日:2020-04-07

    申请号:CN201811175309.9

    申请日:2018-09-30

    Abstract: 本发明涉及一种大数据处理系统的去重方法,包括:选择待处理的数据单元,获取分割向量;判断该数据单元的末尾是否等于该分割向量,若不等于,则在末尾之后增加一个分割向量;使用分割向量分割所述数据单元,得到多个数据块;合并数据块,使得各数据块的长度不小于最小块长度;计算每个数据块的哈希值,判断是新数据块,还是重复数据块以进行去重。该方法在大数据处理系统中,能够较快地查找到重复数据;对于大文件的处理,可以降低去重比较的粒度,提高去重的可能性。

    一种监控视听数据融合的降水定量估算方法

    公开(公告)号:CN117333745A

    公开(公告)日:2024-01-02

    申请号:CN202311308376.4

    申请日:2023-10-10

    Abstract: 本发明公开了一种监控视听数据融合的降水定量估算方法,包括:基于张量和稀疏编码方法,从监控视频中将雨线层与监控背景层分离,将视频雨线层作为降雨的视觉特征;提取音频数据的时域特征和频域特征,将时域特征和频域特征的融合结果作为降雨的听觉特征;以降雨的视觉特征和听觉特征为输入,以降雨强度为输出,选取卷积神经网络、长短期记忆网络,搭建权重动态自适应的监控视听融合深度学习模型,采用监控视听融合深度学习模型对降雨强度进行估算。本发明无需对监控相机参数进行复杂的标定,估算精度高,可适应于复杂多变的真实监控场景中,具有重要的实际应用价值。

    一种大数据处理系统的去重方法

    公开(公告)号:CN110968575B

    公开(公告)日:2023-06-06

    申请号:CN201811175309.9

    申请日:2018-09-30

    Abstract: 本发明涉及一种大数据处理系统的去重方法,包括:选择待处理的数据单元,获取分割向量;判断该数据单元的末尾是否等于该分割向量,若不等于,则在末尾之后增加一个分割向量;使用分割向量分割所述数据单元,得到多个数据块;合并数据块,使得各数据块的长度不小于最小块长度;计算每个数据块的哈希值,判断是新数据块,还是重复数据块以进行去重。该方法在大数据处理系统中,能够较快地查找到重复数据;对于大文件的处理,可以降低去重比较的粒度,提高去重的可能性。

    一种基于成本效益优化的多目标服务组合方法

    公开(公告)号:CN106230827A

    公开(公告)日:2016-12-14

    申请号:CN201610625449.6

    申请日:2016-08-02

    CPC classification number: H04L65/40

    Abstract: 本发明公开了一种基于成本效益优化的多目标服务组合方法,包括多目标服务组合模型和基于精英指导的多目标人工蜂群算法EMOABC两部分,多目标服务组合模型中,以最大化服务质量,最小化成本为两个优化目标,将服务组合问题建模为多目标整数规划模型;EMOABC算法用蜜蜂的觅食来模拟对服务组合方案的搜索。本发明提出的基于成本效益优化的多目标服务组合模型可以满足用户的复杂需求,提出的EMOABC算法无论在运行效率还是求解质量上相较于其他算法均具有明显优势。

    一种面向云计算隐私保护的自适应访问控制方法

    公开(公告)号:CN114978594B

    公开(公告)日:2024-02-09

    申请号:CN202210404909.8

    申请日:2022-04-18

    Abstract: 本发明公开了一种面向云计算隐私保护的自适应访问控制方法,属于信息安全访问控制技术领域。包括:隐私数据访问请求的发起、SaaS服务信任度的评估、用户隐私访问控制需求信息的查询、隐私授权约束可满足性的判定、隐私授权决策、隐私数据访问授权及访问过程记录。本发明一方面为SaaS服务引入信任度属性的同时,为其隐私数据使用行为引入目的、保留时长、敏感度属性,另一方面,引入一种包括敏感度/信任度约束、目的约束、保留时长约束的隐私授权约束。在隐私访问控制执行过程中通过对SaaS服务信任度进行动态评估更新,实现运行时动态隐私授权及细粒度的隐私访问控制,增强了云计算环境下隐私数据的安全保护。

    一种面向云计算隐私保护的自适应访问控制方法

    公开(公告)号:CN114978594A

    公开(公告)日:2022-08-30

    申请号:CN202210404909.8

    申请日:2022-04-18

    Abstract: 本发明公开了一种面向云计算隐私保护的自适应访问控制方法,属于信息安全访问控制技术领域。包括:隐私数据访问请求的发起、SaaS服务信任度的评估、用户隐私访问控制需求信息的查询、隐私授权约束可满足性的判定、隐私授权决策、隐私数据访问授权及访问过程记录。本发明一方面为SaaS服务引入信任度属性的同时,为其隐私数据使用行为引入目的、保留时长、敏感度属性,另一方面,引入一种包括敏感度/信任度约束、目的约束、保留时长约束的隐私授权约束。在隐私访问控制执行过程中通过对SaaS服务信任度进行动态评估更新,实现运行时动态隐私授权及细粒度的隐私访问控制,增强了云计算环境下隐私数据的安全保护。

    一种基于多目标优化的云资源分配方法及系统

    公开(公告)号:CN110471762A

    公开(公告)日:2019-11-19

    申请号:CN201910682142.3

    申请日:2019-07-26

    Inventor: 霍瑛 苏醒 刘一丹

    Abstract: 本发明提供了一种基于多目标优化的云资源分配方法及系统,方法包括以下步骤:将云资源分配给请求资源的虚拟机的分配问题,构建为以最大化虚拟机分配、最小化中心能耗、最大化效用三个优化目标构成多目标优化的目标函数;求解所述目标函数,获得云资源分配方案。本发明的基于多目标优化的云资源分配模型可以满足用户的复杂需求。

    一种基于成本效益优化的多目标服务组合方法

    公开(公告)号:CN106230827B

    公开(公告)日:2019-03-05

    申请号:CN201610625449.6

    申请日:2016-08-02

    Abstract: 本发明公开了一种基于成本效益优化的多目标服务组合方法,包括多目标服务组合模型和基于精英指导的多目标人工蜂群算法EMOABC两部分,多目标服务组合模型中,以最大化服务质量,最小化成本为两个优化目标,将服务组合问题建模为多目标整数规划模型;EMOABC算法用蜜蜂的觅食来模拟对服务组合方案的搜索。本发明提出的基于成本效益优化的多目标服务组合模型可以满足用户的复杂需求,提出的EMOABC算法无论在运行效率还是求解质量上相较于其他算法均具有明显优势。

Patent Agency Ranking