-
公开(公告)号：CN115661712A
公开(公告)日：2023-01-31
申请号：CN202211348871.3
申请日：2022-10-31
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种轻量级多任务视频流实时推理方法及系统，采用推理效率更高的目标检测模型作为检测基准模型，在其基础上增加可行驶区域分割头网络和多物体跟踪头网络来分别完成可行驶区域分割任务和多物体跟踪任务，通过共享主干网络和特征金字塔网络的方式减少参数量和计算量的冗余，通过级联知识蒸馏的端到端结构化迭代剪枝算法，进一步降低模型的计算量，有效提高了模型在边缘芯片硬件上的加速比，最终模型能够保证精度的同时在边缘端做到实时推理。
-
公开(公告)号：CN114327926A
公开(公告)日：2022-04-12
申请号：CN202111342715.1
申请日：2021-11-12
Applicant: 中国科学院计算技术研究所
IPC: G06F9/54 , G06F9/50 , G06F15/173
Abstract: 本发明提出一种异构边缘智能微服务器，包括：多个同构或异构的计算单元，各计算单元具有独立的操作系统，并安装有分布式资源管理软件，所有该计算单元接入通用互连总线进行通信连接；异构子计算模块，每个该异构子计算模块包括至少一个该计算单元，该异构子计算模块独立承担或与其他异构子计算模块协作承担边缘计算任务；上级计算模块，包括多个该异构子计算模块。还提出一种异构边缘智能微服务器的搭建方法。
-
公开(公告)号：CN113868177A
公开(公告)日：2021-12-31
申请号：CN202111031038.1
申请日：2021-09-03
Applicant: 中国科学院计算技术研究所
Abstract: 一种规模易扩展的嵌入式智能计算系统,包括：处理器模块，包括处理器主模块、内存装置、固态存储装置、通信网口装置、通信串口装置，该处理器主模块与该内存装置、该固态存储装置、该通信网口装置、该通信串口装置分别连接；智能加速模块，包括至少一路智能加速卡，至少一路加速卡连接器，该至少一路智能加速卡独立安装于该至少一路加速卡连接器且与该处理器主模块连接并实现通信；时钟模块，包括时钟产生器，用于提供参考时钟；使能模块，包括至少一路电源开关芯片，连接该至少一路加速卡连接器；电源模块，包含至少一电压转换芯片；连接器模块，用于提供外部电源输入和该处理器模块与外部高速差分信号和单端信号互连。
-
公开(公告)号：CN110727634B
公开(公告)日：2021-10-29
申请号：CN201910605382.3
申请日：2019-07-05
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种面向物端数据处理的嵌入式智能计算机系统，包括：IO互联系统，用于通过高速数据通道，将来自多源传感器的物端数据发送至人工智能处理器子系统，并将该物端数据的标签类别发送至嵌入式ARM处理器子系统；嵌入式ARM处理器子系统，用于在内存中检索与该标签类别相对应的人工智能神经网络模型，并将该人工智能神经网络模型加载至该人工智能处理器子系统；人工智能处理器子系统，用于将该物端数据输入至该人工智能神经网络模型，以完成对该物端数据的人工智能处理，得到智能数据处理结果。由此本申请既能完成自然环境数据采集计算任务，也能完成人因环境数据采集计算任务。
-
公开(公告)号：CN113255550A
公开(公告)日：2021-08-13
申请号：CN202110623005.X
申请日：2021-06-04
Applicant: 中国科学院计算技术研究所厦门数据智能研究院
Abstract: 本发明公开了一种基于视频的行人垃圾扔投次数统计方法，包括以下步骤，步骤一：将视频流数据拆分成一系列单帧图片，后续步骤在图片上进行；步骤二：对人体姿态进行评估，确定人体骨架的关键点；步骤三：训练垃圾桶位置检测网络；步骤四：训练垃圾桶开合状态的分类网络；步骤五：根据人体手部的位置坐标、垃圾桶位置区域坐标和垃圾桶开合状况，判断扔投状态；步骤六：依据连续帧扔投转态的变化进行投放统计判断。本发明所述的一种基于视频的行人垃圾扔投次数统计方法，采用视频识别的方法，通过对视频数据的转换，综合各种图像视频检测技术，对垃圾扔投进行统计，在垃圾管理领域，相较于使用硬件方式统计，无需增加特定硬件，灵活方便成本低。
-
Patent Agency Ranking
公开(公告)号：CN111770152B
公开(公告)日：2021-07-20
申请号：CN202010588987.9
申请日：2020-06-24
Applicant: 中国科学院计算技术研究所
IPC: H04L29/08
Abstract: 本发明实施例提供了一种边缘数据管理方法、介质、边缘服务器和系统，该系统中，各边缘服务器各自确定其存储的各副本的最优存储位置，边缘服务器以副本所属的数据表格对应的协同网络内的所有边缘服务器以及该协同网络外访问过该副本的边缘服务器组成的局部边缘服务网络作为副本迁移的计算范围，基于累计时延计算其中每个边缘服务器访问该副本的访问权重，其中，最大访问权重对应的边缘服务器为该副本在局部边缘服务网络中的最优存储位置，将每个副本存储到其对应的最优存储位置，进而有效降低用户数据访问时延；同时，该方法计算复杂度低，可减少对边缘服务器的宝贵计算资源的占用，提高用户体验。
-
公开(公告)号：CN113033764A
公开(公告)日：2021-06-25
申请号：CN202010282701.4
申请日：2020-04-12
Applicant: 北京工业大学 , 中国科学院计算技术研究所
Abstract: 本发明公开了基于高斯分布特征的深层卷积神经网络压缩加速方法，适用于深度神经网络模型的压缩。首先训练好一个原始的卷积神经网络，然后逐层对该网络进行高斯分析，根据分析的结果选择保留还是删除的卷积核，之后进训练，直到模型剪枝完成。本发明在进行压缩剪枝过程中，采用的技术方案是根据分布收敛特征进行剪枝，在压缩的过程中没有引入其他的剪枝约束超参数，因此压缩的过程是自动化搜索的。本发明的压缩结果是直接压缩出更小的模型，没有引入mask对权重进行操作，压缩的结果可以不依赖于相关的加速库而直接产生加速效果，始终让模型的性能保证在原来的基础上，即没有出现任何的精度损失下进行的。
-
公开(公告)号：CN112308139A
公开(公告)日：2021-02-02
申请号：CN202011186817.4
申请日：2020-10-29
Applicant: 中国科学院计算技术研究所厦门数据智能研究院
IPC: G06K9/62 , G06F16/532 , G06F16/583
Abstract: 本发明公开了一种基于主动学习的样本标注方法，包括如下步骤：S1、从样本池中随机小样本抽样并标注，得到初始标注样本；S2、采用度量学习计算初始标注样本与待标注样本的特征距离，生成特征距离图，遍历特征距离图，在样本池中寻找与初始标注样本距离小于阈值的样本并抽取出来；S3、将抽取出来的样本再次进行标注并汇入初始标注样本形成样本训练库，以样本训练库为样本集训练检索模型；S4、通过检索模型从样本池中检索出更多的负样本再次进行标注，并汇入样本训练库，形成最终的训练集。本发明采用计算特征距离及图片检索的方式快速抽取样本池中的负样本，在保持模型精度的前提下，大幅度降低标注时间，节约成本，利于工业智能算法的多产线推广。
-
公开(公告)号：CN112199491A
公开(公告)日：2021-01-08
申请号：CN202011099237.1
申请日：2020-10-14
Applicant: 中国科学院计算技术研究所厦门数据智能研究院
IPC: G06F16/335 , G06F40/30 , G06F16/36
Abstract: 本发明公开了一种基于BERT与先验知识特征的关系五元组抽取方法，包括如下步骤：预处理；提取语义特征向量；融合拼接；s抽取阶段；p、o抽取阶段；t、l抽取阶段；最终得到关系五元组的特征向量h+pre+s+p+o+t+l。本发明利用BERT模型与先验知识特征融合的方法抽取文本的关系五元组，利用概率图结合指针结构，解决了一种关系对应多个实体以及实体重叠的问题。
-
公开(公告)号：CN109587751B
公开(公告)日：2020-12-22
申请号：CN201910012976.3
申请日：2019-01-07
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种无人机自组网自适应路由方法，包括：以无人机自组网中的无人机为节点，所有节点以预定周期发送握手包；任一节点接收其邻居节点发送的握手包，获取并更新该邻居节点的节点信息；该节点发送或转发数据包时，获取该数据包从该节点到目标节点的要求传输速度，以及该数据包从该节点到该邻居节点的实际传输速度，以大于或等于该要求传输速度的该实际传输速度对应的邻居节点为候选节点；根据该候选节点的节点信息，通过Q‑learning算法获得该候选节点的Q值，以最大Q值对应的候选节点为下一跳的路由节点进行该数据包的路由。
-
-
-
-
-
-
-
-
-
Search Results
202
records
(took 0.042 seconds)
