-
公开(公告)号：CN120029935A
公开(公告)日：2025-05-23
申请号：CN202510110072.X
申请日：2025-01-23
Applicant: 重庆邮电大学
IPC: G06F12/1036 , G06F12/1009
Abstract: 本发明涉及到数据中心新型存储技术领域，具体涉及到一种基于进程虚拟地址空间分段的分层内存页面分配方法，包括在分层内存中构建基于分段的数据页分配节点选择机制，利用该机制管理进程数据页在分层内存架构中的分配策略，将虚拟地址空间不同地址段分为不同的页面访问热度，从不同的内存节点分配物理页面；在分层内存中构建基于分段的页表页分配节点选择机制，利用该机制管理进程页表空间在分层内存架构中的空间分配策略，为不同的虚拟地址空间分段的页表页从不同的分层内存节点上分配物理空间。本发明通过基于分段的数据页分配节点选择机制、基于分段的页表页分配节点选择机制，降低新分配页面的访问延迟，减少页面在节点之间的迁移次数。
-
公开(公告)号：CN119012007A
公开(公告)日：2024-11-22
申请号：CN202411113841.3
申请日：2024-08-14
Applicant: 重庆邮电大学
Abstract: 本发明涉及数码摄像头图像处理领域，尤其涉及一种用于双焦相机系统的图像高清变焦方法；该方法设置三种模式，在短焦模式对短焦距相机主动捕获的图像IL进行双线性插值，得到变焦结果图像；在动态变焦模式和长焦模式，采用超分变焦模型获取变焦结果图像；本发明在双焦相机系统中，针对动态变焦中重叠视场区域和非重叠视场区域，结合多种超分策略进行数码变焦，提高变焦精度。
-
公开(公告)号：CN116595166A
公开(公告)日：2023-08-15
申请号：CN202310257925.3
申请日：2023-03-16
Applicant: 重庆邮电大学
IPC: G06F16/35 , G06F16/215 , G06F40/289 , G06N3/08 , G06N3/0464 , G06N3/0442 , G06F40/30 , G06F40/268 , G06F18/25 , G06F40/216
Abstract: 本发明请求保护一种结合特征改进及扩展的双通道短文本分类方法及系统，包括：首先对获取到的短文本数据进行文本预处理操作，预处理操作中主要包括对数据进行数据清洗、文本分词、去停用词和文本向量化；随后对获取后的短文本特征进行特征改进和扩展操作，特征改进主要是结合词性对原本的词特征进行增强，特征扩展操作主要是结合改进的IF‑IDF关键特征挖掘算法对文本特征进行扩展；最后使用深度学习中的CNN和BiGRU构建的双通道网络模型对短文本进行分类训练。本文发明的短文本分类方法针对短文本特征稀疏、语义模糊的问题，对特征本身进行了改进和扩展增强了文本语义表达，并进一步使用双通道的网络模型加强对文本特征的提取，增强短文本的分类效果。
-
公开(公告)号：CN110349086B
公开(公告)日：2023-01-24
申请号：CN201910594041.0
申请日：2019-07-03
Applicant: 重庆邮电大学
IPC: G06T3/40
Abstract: 本发明公开了一种非同心成像条件下的图像拼接方法，其中，采用一种配准误差导向的循环选择机制选择出符合当前场景的目标候选单应矩阵，在基于该目标候选单应矩阵进行二维变换粗配准后，采用插值算法对目标候选单应矩阵对应的稀疏特征点配准误差进行稠密化，获取整个重叠区域的配准误差后，进行误差补偿，优化图像对齐增加了重叠区域图像对齐区域，更方便缝合线查找，另外通过结合特征点配准误差约束函数优化缝合线查找，促使缝合线查找函数代价最小，找到对应最优缝合线，从而实现缝合线两侧图像几何结构完美对齐和图像内容不存在增加或者删减，解决了复杂场景图像拼接过程中出现的重影问题。
-
公开(公告)号：CN114356213A
公开(公告)日：2022-04-15
申请号：CN202111431298.8
申请日：2021-11-29
Applicant: 重庆邮电大学
IPC: G06F3/06
Abstract: 本发明公开了一种NUMA架构下NVM磨损均衡的并行空间管理方法，克服了现有的磨损均衡策略直接应用在NUMA架构中时，由于磨损策略中的空间管理没有考虑NUMA多节点处理器和存储器管理架构，将导致三方面的问题：1)节点内多条非易失性内存非均匀磨损；2)节点间非易失性内存存储空间非均衡磨损；3)多个处理器请求空间分配时的扩展性问题。采用了节点内磨损均衡机制、并行分配回收机制和节点间磨损均衡机制，旨在实现NUMA架构中节点内和节点间多个非易失性内存条磨损均衡并提升空间分配的并行性能。
-
Patent Agency Ranking
公开(公告)号：CN106920221A
公开(公告)日：2017-07-04
申请号：CN201710140076.8
申请日：2017-03-10
Applicant: 重庆邮电大学
CPC classification number: G06T5/009 , G06T5/50 , G06T2207/20221
Abstract: 本发明涉及计算机图像高动态范围成像技术领域，提供兼顾亮度分布和细节呈现的曝光融合方法，将低动态范围多曝光图像序列分解在Lab颜色空间，得到亮度序列和颜色序列；根据亮度序列计算亮度全局权重函数；将亮度序列在行数列数平面上分割为多个超像素计算单元，获得亮度细节权重函数，将颜色序列在行数列数平面上分割为多个超像素计算单元，获得颜色细节权重函数；利用亮度全局权重函数和亮度细节权重函数对亮度序列进行加权求和得到融合亮度分量；利用颜色细节权重函数对颜色序列进行加权求和得到融合颜色分量；本发明实现从多张低动态范围图像直接合成单张低动态范围的高动态范围快速成像，并满足在亮度分布和细节呈现的需求。
-
公开(公告)号：CN119441168A
公开(公告)日：2025-02-14
申请号：CN202411508017.8
申请日：2024-10-28
Applicant: 重庆邮电大学
IPC: G06F16/18 , G06F16/13 , G06F16/178
Abstract: 本发明公开了一种NUMA系统中持久化内存文件系统多节点元数据管理方法，涉及数据中心新型存储技术领域。文件数据访问是文件元数据和文件数据的混合过程，例如，在创建、删除文件的过程中，需要访问文件系统全局信息，以更新文件系统的访问时间、空闲数据块、空闲inode等；在文件读写过程中，需要遍历目录结构，查找文件名称对应的文件元数据inode结构，分配空间，拷贝数据，更新文件系统全局信息和文件元数据inode信息，完成文件的读写。在当前NUMA持久化内存文件系统设计中，文件数据访问过程中涉及有远程访问元数据的操作，导致文件读写性能下降。本发明采用基于访问频率的冗余动态属性元数据管理机制、集中式目录管理机制，优化NUMA系统中持久化内存文件系统元数据管理，减少跨节点元数据访问对文件数据访问性能的影响。
-
公开(公告)号：CN116503448A
公开(公告)日：2023-07-28
申请号：CN202310348503.7
申请日：2023-04-03
Applicant: 重庆邮电大学
IPC: G06T7/30
Abstract: 本发明涉及一种自适应分块估算位移的多曝光图像配准方法、装置及设备，该方法属于计算机视觉领域；所述方法包括获取至少两幅不同曝光量图像，并从中确定出参考图像和源图像；将所述源图像按照梯度强度方差进行自适应分块，划分为多个分块图像；按照所述源图像的自适应分块和所述参考图像进行局部匹配，估计出空间变换参数；根据所述空间变换参数，将所述源图像映射到参考图像的空间，得到配准后的源图像。本发明能恰当地把控局部位移的粒度，提高运算效率。本发明从最大类间方差二值化映射到像素值排序二值化，利用两个方向上的双向位移检验，进一步提升了局部位移向量的鲁棒性。本发明具有计算量小，速度快、易实施等优点。
-
公开(公告)号：CN116339986A
公开(公告)日：2023-06-27
申请号：CN202310255769.7
申请日：2023-03-16
Applicant: 重庆邮电大学
IPC: G06F9/50 , G06F9/48 , G06F9/54 , G06F18/213 , G06F18/22
Abstract: 本发明请求保护一种面向核磁谱图特征峰相似度分析算法的并行计算方法，属于深度学习领域。该方法包括：S1：Consul所在的服务器基于服务器集群计算集群中节点的初始圈子；S2：Ribbon所在的服务器会定期获取集群服务器的硬件信息，然后基于硬件信息与初始权值进行动态权重的更新；S3：当有任务需要分析与计算时，Ribbon会基于动态权重的值将任务合理分配给集群中的节点；S4：集群中的节点服务器将核磁谱图特征峰数据合理的划分，并交由不同的子线程分析与计算；S5：子线程完成分析与计算后，由主线程对子线程的结果汇总并返回给用户。本文使用面向核磁谱图特征峰相似度分析算法的并行计算模型，提高了对待测样品检测的分析效率。
-
公开(公告)号：CN116010885A
公开(公告)日：2023-04-25
申请号：CN202211650417.3
申请日：2022-12-21
Applicant: 重庆邮电大学
IPC: G06F18/2431 , G06F18/2433 , G06F18/214 , G06F16/215 , G06F18/24 , G06F18/213 , G06F18/10 , G06N3/08 , G06N3/0442
Abstract: 本发明请求保护一种长序列条件下的车辆异常时空数据检测模型及方法。XGBoost是一种梯度增强，决策树可用于分类或回归，但不是处理典型时间序列问题的方法。相反，GRU是一个神经网络模型，它是RNN模型的一个派生，用于处理时间序列问题。两种模型的原理有很大的不同，结果的相关性很小。因此，两种不同模型的融合有利于提高预测精度。该方法包括：1)用机器学习的方法，基于已知样本中的决定性特征，建立和训练基于样本决定性特征的车辆轨迹模型；2)获取新个体的决定性特征数据，根据所述的基于样本决定性特征的车辆轨迹异常挖掘模型得到该新轨迹的判别结果，根据结果来预判车辆的时空数据是否正常。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.025 seconds)
