-
公开(公告)号：CN111698327A
公开(公告)日：2020-09-22
申请号：CN202010537848.3
申请日：2020-06-12
Applicant: 中国人民解放军国防科技大学
Abstract: 本发明公开一种基于聊天室架构的分布并行强化学习模型训练方法，包括根据消息中间件，构建聊天室架构的消息共享机制；将预先设置的强化学习模型的局部模型分别部署在各个所述节点中，通过各个所述节点产生的训练样本分别对各个所述节点中部署的局部模型进行训练，得到各个局部模型的更新参数；将所述更新参数保存为参数消息，并将所述参数消息利用所述消息中间件共享至所述聊天室架构中的其他所述节点；获取其他所述节点中的参数消息，将从其他所述节点中获取的参数消息与当前节点的参数消息进行聚合，得到训练后的强化学习模型。与现有技术相比，本发明提供的训练方法可有效克服现有的分布并行强化学习算法负载不均衡、单点失效等缺陷。
-
公开(公告)号：CN111460080A
公开(公告)日：2020-07-28
申请号：CN202010220386.2
申请日：2020-03-25
Applicant: 中国人民解放军国防科技大学
Abstract: 本发明公开一种用于开源数据热度分析的事件图谱构建与查询方法及系统，该方法包括：通过哈希表构建事件图谱的表示模型并根据导入开源事件数据初始化，更新图谱的顶点哈希表和边哈希表；根据新到达事件数据递增维护事件图谱，更新图谱的边属性哈希表；基于更新的顶点哈希表、边哈希表或边属性哈希表实现热度查询。用于解决现有技术中由于全球开源时间数据规模大导致图谱对不同事件记录存在冗余和重叠等问题，实现精简表示关联时空事件，高效支持国际关系事件热度分析等查询。
-
公开(公告)号：CN111353580A
公开(公告)日：2020-06-30
申请号：CN202010078783.0
申请日：2020-02-03
Applicant: 中国人民解放军国防科技大学
Abstract: 本申请公开一种目标检测网络的训练方法、电子设备及存储介质，该方法包括：分别构建孪生网络和目标检测网络的网络结构；获取训练集，训练集中包括多组含有飞行器图像的交叉样本图像；根据训练集包括的交叉样本图像训练孪生网络，得到训练后的孪生网络对应的网络参数；根据网络参数和训练集包括的交叉样本图像，训练目标检测网络。本申请根据训练好的孪生网络的网络参数和训练集来训练目标检测网络。由于孪生网络的网络参数对于不同样本具有很好的鲁棒性，因此将训练好的孪生网络的网络参数作为目标检测网络的初始化参数，能够使得目标检测网络在初始状态具备较好的鲁棒性，从而训练后能够提高目标检测的准确性。
-
公开(公告)号：CN111353002A
公开(公告)日：2020-06-30
申请号：CN202010079116.4
申请日：2020-02-03
Applicant: 中国人民解放军国防科技大学
Abstract: 本申请提供一种网络表示学习模型的训练方法及装置、一种电子设备以及一种计算机可读介质。方法包括：获取网络节点之间的关联信息，建立网络节点的拓扑信息矩阵；获取网络中各个节点的属性信息，建立网络节点的属性信息矩阵；通过矩阵分解的方式将拓扑信息矩阵和属性信息矩阵同时投影到预设矩阵空间中，得到对应的第一矩阵和第二矩阵，并计算两者的相似性；根据拓扑信息矩阵、属性信息矩阵和相似性，构建网络节点表示向量；将所述网络节点表示向量代入网络表示学习模型中进行训练。本方案，将网络的外部信息合理地结合到网络表示学习模型的训练中，进一步增强了网络表示学习的效果。
-
公开(公告)号：CN111340180A
公开(公告)日：2020-06-26
申请号：CN202010084790.1
申请日：2020-02-10
Applicant: 中国人民解放军国防科技大学
Abstract: 本申请提供一种指定标签的对抗样本生成方法及装置、一种电子设备以及一种计算机可读介质。方法包括：将原始图像样本输入预设多标签分类网络，得到用于对原始图像样本进行多标签分类的各个标签的预测分数值；从各个标签的预测分数值中抽取指定标签对应的预测分数值；根据指定标签对应的预测分数值，采用动量快速梯度迭代MI-FGSM方法生成第一攻击扰动；利用梯度权值类别响应图Grad-CAM方法对第一攻击扰动进行裁剪，得到第二攻击扰动；将第二攻击扰动叠加到所述原始图像样本上，生成与所述指定标签对应的对抗样本。通过本方案，可以有选择性地生成指定标签的对抗样本，可以用于多标签分类网络数据增广，从而提升多标签分类模型的分类能力。
-
Patent Agency Ranking
公开(公告)号：CN111339832A
公开(公告)日：2020-06-26
申请号：CN202010078798.7
申请日：2020-02-03
Applicant: 中国人民解放军国防科技大学
Abstract: 本发明公开了一种人脸合成图像的检测方法及装置，包括：将待检测图像输入已训练的网络模型，以由网络模型中的人脸检测网络基于待检测图像获得包含人脸框的图像并输出给网络模型中的真伪判别网络；真伪判别网络基于包含人脸框的图像判别待检测图像是否为人脸合成图像。针对不同换脸技术篡改得到的待检测图像，可以通过本发明提出的包含人脸检测网络和真伪判别网络的网络模型实现准确检测，通用性好，由于人脸检测网络可以精确检测出待检测图像中的人脸，真伪判别网络基于包含人脸框的图像可以只基于人脸特征来判别待检测图像的真伪，避免待检测图像背景的干扰，因此本发明得到的判别结果准确度比较高。
-
公开(公告)号：CN111274981A
公开(公告)日：2020-06-12
申请号：CN202010079113.0
申请日：2020-02-03
Applicant: 中国人民解放军国防科技大学
Abstract: 本申请提供一种目标检测网络构建方法及装置、一种目标检测方法及装置、一种电子设备以及一种计算机可读介质。目标检测网络构建方法包括：获取用于目标检测的初始网络模型，所述初始网络模型包括相连的骨干网络和多任务学习模块；在所述多任务学习模块中添加裁剪模块和新分类分支网络，以得到目标检测网络。本方案中，增加了一种基于锚框的裁剪机制，同时又增加了一个新的分类分支网络，组合原锚框的分类信息以及新尺度锚框在新分类分支网络得到的分类信息，从而得到更优质的分类结果，可以很好地应用在基于深度学习的目标检测器上，较好地解决在深度目标检测器中多尺度处理问题以及多标签分类的瓶颈问题，从而提升目标检测算法的精确度。
-
公开(公告)号：CN117217978A
公开(公告)日：2023-12-12
申请号：CN202311181014.3
申请日：2023-09-13
Applicant: 中国人民解放军国防科技大学
Abstract: 本申请公开了一种基于向量处理器的半精度反卷积方法及相关组件，应用于图像处理技术领域，包括：将半精度输入特征图和半精度滤波器数据分别加载到片上标量存储器和片上阵列存储器中；加载输入特征图子块Fbsm，基于反卷积计算的变换原理，确定其在反卷积变换后的有效值分布特征；基于有效值分布特征，将Fbsm中相应位置的有效数据，与相应位置的半精度滤波器数据进行向量化反卷积Deconv4×4计算，得到该Fbsm的计算结果；依次加载各Fbsm直至得到各Fbsm的计算结果后，确定出半精度输入特征图的输出特征图结果。应用本申请的方案，可以有效提高Deconv4×4的执行效率，得到半精度输入特征图的输出特征图结果。
-
公开(公告)号：CN111242066B
公开(公告)日：2023-09-05
申请号：CN202010053891.2
申请日：2020-01-17
Applicant: 中国人民解放军国防科技大学
IPC: G06V20/60 , G06V10/26 , G06V10/82 , G06N3/0464
Abstract: 本申请公开了一种大尺寸图像目标检测方法、装置及计算机可读存储介质，方法包括：对原图像进行预处理，得到若干组小图像；将所述若干组小图像输入目标检测网络进行批量目标检测，得到每个所述小图像的检测结果；对所述小图像的检测结果进行筛选；将筛选后的检测结果映射回所述原图像，得到所述原图像的目标检测结果。本申请提供的大尺寸图像目标检测方法，将图像分割为若干组小图像，通过目标检测网络分组检测小图像，将小图像的检测结果映射回原图像，得到原图像的目标检测结果，对图像的目标检测速度较快，检测结果准确性高，尤其适用于大尺寸图像的目标检测。
-
公开(公告)号：CN116542336A
公开(公告)日：2023-08-04
申请号：CN202310815099.X
申请日：2023-07-05
Applicant: 中国人民解放军国防科技大学
Abstract: 本发明提供了一种并行模糊推理系统，在接收到上位机的基础功能请求和模糊推理计算请求后，通过总控模块实现基础功能，通过模糊推理计算模块以及由存储器接收的外部数据作为模糊推理计算输入数据实现模糊推理计算，在并行处理完上述请求之后，通过控制PCIE模块将基础功能结果和模糊推理计算结果发送至上位机。相比于现有技术，本系统在硬件资源、通信、功耗等因素受限的情况下，通过将基础功能请求和模糊推理计算请求并行处理，可以有效的节约资源，提高系统整体性能，降低功耗和延迟。本发明还提供了一种并行模糊推理方法，具有相同的有益效果。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.039 seconds)
