一种整车控制器用三层监控架构

    公开(公告)号:CN117590789B

    公开(公告)日:2024-10-01

    申请号:CN202410062925.2

    申请日:2024-01-17

    IPC分类号: G05B19/042

    摘要: 本发明涉及一种整车控制器用三层监控架构,包括功能层、功能监控层和控制器监控层,本发明以带有锁步核和内存测试等功能的多核主控芯片和带有监控功能的电源芯片为基础,提出一种更为详细的基于EGAS架构的三层监控架构,包括处理器监控层软件部分相关的安全模块设计与测试。此外,将三个CPU分别分配到三层架构中实现独立运行并充分覆盖三层,实现了软硬件的解耦。与此同时,设计了故障处理策略,使系统在故障容错时间间隔100毫秒内快速恢复或迅速进入安全状态。

    一种基于全局-局部对比学习的领域自适应目标检测方法

    公开(公告)号:CN117876668A

    公开(公告)日:2024-04-12

    申请号:CN202410063203.9

    申请日:2024-01-16

    摘要: 本发明公开了一种基于全局‑局部对比学习的领域自适应目标检测方法,包括:获取数据样本,所述样本数据包括源域数据和目标域数据;基于所述源域数据和目标域数据生成中间域数据并进行域自适应过程;基于全局‑局部对比学习特征对齐模块对所述域自适应过程进行训练得到训练好的判别器;基于所述训练好的判别器对所述源域数据和目标域数据进行特征提取得到源域数据特征图像和目标域数据特征图像;将所述源域数据特征图像和目标域数据特征图像输入协同训练网络得到域自适应目标检测结果。本发明通过全局和局部对比学习在两层特征层面上进行域适应,有效减小图像域之间的特征差异促进了全局和局部一致的表示,同时提高了检测精度。

    一种基于world-tacotron的语音合成方法、系统及服务器

    公开(公告)号:CN113129862B

    公开(公告)日:2024-03-12

    申请号:CN202110436317.X

    申请日:2021-04-22

    摘要: 本发明涉及一种人工智能技术领域,提供一种基于world‑tacotron的语音合成方法、系统及服务器,本发明在现有的tacotron模型基础上,将韵律信息融入端到端声学建模过程,引入双任务学习框架,主任务为改进的tacotron模型,学习基于字符级嵌入表示的声学特征参数预测;辅助任务为韵律生成模型,即韵律生成器,学习基于词级嵌入的韵律预测。本发明在训练阶段,通过双任务的联合训练,在模型训练中可以学习到更加显示的韵律知识,从而优化了输出语音的质量。

    一种视觉问答方法、系统及服务器

    公开(公告)号:CN113205507B

    公开(公告)日:2023-03-10

    申请号:CN202110540093.7

    申请日:2021-05-18

    摘要: 本发明提供一种视觉问答方法、系统及服务器,包括:获取输电设备的图像数据,图像数据包括视频数据和图片数据;预处理图像数据,得到原始数据集;对原始数据集依次进行视觉问答标注和语义分割标注,得到视觉问答数据集;对视觉问答数据集进行训练,得到视觉问答模型;输入问题文本和图片到视觉问答模型,得到视觉问答结果。本发明对图像数据进行视觉问答标注和语义分割标注,得到视觉问答数据集,从而建立了图像数据的语义分割与文本问答之间的图文链接;根据该视觉问答数据集训练得到的视觉问答模型,以图文链接作为锚点,将输入的图片与文本在语义上对齐,提高了视觉问答模型的性能,获得了更加准确的视觉问答结果。

    多领域自适应模型的训练方法、系统、设备及存储介质

    公开(公告)号:CN114663725A

    公开(公告)日:2022-06-24

    申请号:CN202210278102.4

    申请日:2022-03-21

    摘要: 本发明提供一种多领域自适应模型的训练方法、系统、设备及存储介质,所述方法包括:获得源域数据和目标域数据,并根据域不同将目标域数据划分为若干个分组,每个分组包含一个域的目标域数据;将源域数据输入源域分类网络,将一组目标域数据输入目标域分类网络进行训练,根据训练结果更新增量卷积层的权重,其中,源域分类网络和目标域分类网络的权重共享;将增量卷积层的权重加载至源域分类网络和目标域分类网络;选择另一组目标域数据,进行迭代训练,直至目标域数据训练完毕,获得多领域自适应模型。解决了在传统自适应模型中,只能使用单源域到单目标域的问题。