公开(公告)号：CN118260669A

公开(公告)日：2024-06-28

申请号：CN202410367978.5

申请日：2024-03-28

Applicant: 大连海事大学

Inventor： 张秀国 ,  张波 ,  左雅楠 ,  曹志英

IPC: G06F18/2415 ,  G06F18/214 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明公开了一种基于EMD和改进GRU的边缘资源请求概率预测方法，包括：步骤1：获取各边缘服务器的历史和当前资源请求量序列集合；步骤2：对单个边缘服务器的资源请求量序列进行EMD分解，获取分解后的若干内涵模态分量和一个残余分量；步骤3：基于改进GRU模型预测下一时间段资源请求量；步骤4：判断资源请求信息集合中是否有未被处理的资源请求量序列；步骤5：计算资源请求概率值；步骤6：获得待缓存资源列表。采用本发明方案可以得到合理的待缓存资源列表，同时能够减少边缘资源请求概率预测的误差。

公开(公告)号：CN113487600B

公开(公告)日：2024-05-03

申请号：CN202110852830.7

申请日：2021-07-27

Applicant: 大连海事大学

Inventor： 姚婷婷 ,  张波 ,  李鹏飞 ,  柳晓鸣 ,  胡青

IPC: G06V10/764 ,  G06V10/766 ,  G06V10/774 ,  G06V10/80 ,  G06V10/40 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开一种特征增强尺度自适应感知船舶检测方法，包括以下步骤：1、选取任意经典深度主干网络模型进行图像特征提取，在主干网络模型中加入特征增强模块，其次，在主干网络的部分输出特征后插入尺度自适应感知模块，并构建特征金字塔网络；将通过特征金字塔网络获得的多尺度特征输入至目标检测头部网络；2、构建目标检测头部网络求取回归信息、分类信息和中心度；3、构建损失求解函数对分类信息、回归信息和中心度进行求解，使用公开的船舶训练数据集，利用损失求解函数对所述深度网络模型进行参数学习；4、输入测试图像，通过训练后的所述深度网络模型，确定图像中不同种类船舶的位置与类别。本发明可以提高深度网络模型对不同尺度大小船舶的感知能力，在保证检测效率的同时进一步提高船舶检测性能。

公开(公告)号：CN113487600A

公开(公告)日：2021-10-08

申请号：CN202110852830.7

申请日：2021-07-27

Applicant: 大连海事大学

Inventor： 姚婷婷 ,  张波 ,  李鹏飞 ,  柳晓鸣 ,  胡青

IPC: G06T7/00 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种特征增强尺度自适应感知船舶检测方法，包括以下步骤：1、选取任意经典深度主干网络模型进行图像特征提取，在主干网络模型中加入特征增强模块，其次，在主干网络的部分输出特征后插入尺度自适应感知模块，并构建特征金字塔网络；将通过特征金字塔网络获得的多尺度特征输入至目标检测头部网络；2、构建目标检测头部网络求取回归信息、分类信息和中心度；3、构建损失求解函数对分类信息、回归信息和中心度进行求解，使用公开的船舶训练数据集，利用损失求解函数对所述深度网络模型进行参数学习；4、输入测试图像，通过训练后的所述深度网络模型，确定图像中不同种类船舶的位置与类别。本发明可以提高深度网络模型对不同尺度大小船舶的感知能力，在保证检测效率的同时进一步提高船舶检测性能。