车辆身份识别系统
    21.
    发明公开

    公开(公告)号:CN101017528A

    公开(公告)日:2007-08-15

    申请号:CN200610095315.4

    申请日:2006-12-20

    申请人: 重庆大学

    IPC分类号: G06K7/00 H04L12/00

    摘要: 一种车辆身份识别系统,由车载终端、手持机和管理中心组成,手持机分别与车载终端和管理中心之间有数据传输,其特征在于:所述车载终端由车载Zigbee模块、车载智能卡处理模块和车载智能卡座组成,所述车载智能卡处理模块接收车载Zigbee模块的指令,并发送给所述车载Zigbee模块;所述手持机包括Zigbee模块、智能卡处理模块和智能卡座,所述智能卡处理模块接收Zigbee模块的指令,读取智能卡座内IC卡信息,并发送给所述Zigbee模块。本发明的显著效果是:具有抗干扰性能强,有效距离远的,可以检查运行中的车辆,具有操作简便、不影响车辆行使、成本低、扩展能力强的优点。

    使用空间点云集合无序性的空间对象数据Hash校验方法

    公开(公告)号:CN117131546A

    公开(公告)日:2023-11-28

    申请号:CN202310157773.X

    申请日:2023-02-23

    申请人: 重庆大学

    IPC分类号: G06F21/64 H04L9/32

    摘要: 本发明提出了一种使用空间点云集合无序性的空间对象数据Hash校验方法,包括以下步骤:S1,获取待处理的空间对象数据;S2,将待处理的空间对象数据进行元素串行化;S3,将串行化元素分配到多台设备;S4,多台设备对各自分配得到的串行化元素进行元素认证码计算;S5,利用计算得到的元素认证码计算集合认证码。本发明能够实现空间数据的快速验证,降低等待时间,保证数据的一致性。

    基于半异步的联邦学习方法、系统、服务器及介质

    公开(公告)号:CN113516249B

    公开(公告)日:2023-04-07

    申请号:CN202110681063.8

    申请日:2021-06-18

    申请人: 重庆大学

    摘要: 本发明公开了一种基于半异步的联邦学习方法,其在中央服务器上根据每一个客户端的的本地模型更新方向和更新时间对所述客户端进行分组,得到多个客户端组,并创建多个以客户端组为单位的调度进程,以使得所述调度进程在每个通信轮中初始化所属组的组模型版本号,并在每个通信轮中根据客户端的本地模型的版本号与组模型版本号计算版本号之差,以用来衡量客户端的本地模型的过时程度,进而使得所述客户端根据版本号之差与预设模型过时阈值的比较结果选择同步更新或异步更新的方式更新本地模型,其能有效解决客户端的掉队效应,并能解决客户端的模型过时问题,进而提升模型的精确度。

    一种重复数据删除的元数据管理方法

    公开(公告)号:CN115098481A

    公开(公告)日:2022-09-23

    申请号:CN202210737553.X

    申请日:2022-06-27

    申请人: 重庆大学

    IPC分类号: G06F16/215

    摘要: 本申请涉及一种重复数据删除的元数据管理方法,接收I/O的请求,将数据切割成数据块,利用哈希算法建立唯一指纹;在指纹索引结构中,对数据块的指纹进行查询;以位图形式创建事务条目,元数据管理器扫描位图,获取处于自由状态的事务条目,分配全局唯一Trans‑i d;若接收到命中指纹索引的请求,则将上层访问的逻辑块号映射为指纹映射中的物理块号,引用计数加1;如果没有命中指纹索引的请求,则分配新的空闲物理块号,建立一个逻辑块号映射,将映射表和引用计数写入到PM的元数据区,对写入的数据块进行存储。本申请中引入与日志机制相结合的事务条目,确保事务条目内的原子性,保证崩溃时一致性的重复数据删除的元数据。

    一种基于FPGA的ORB_SLAM重定位特征点检索加速方法

    公开(公告)号:CN113536024B

    公开(公告)日:2022-09-09

    申请号:CN202110918561.X

    申请日:2021-08-11

    申请人: 重庆大学

    摘要: 本发明提出了一种基于FPGA的ORB_SLAM重定位特征点检索加速方法,包括:S1,将输入的图片缓冲,提取描述子;S2,然后进入工作空间Workspace,通过计算电路对结点的距离求解;S3,每个计算电路的结果会一起流向一个并行比较电路,求出最小值所在的点;S4,最后再判断是否是底层,若是则搜索结束,得出最终结点;S5,每个结点会有一个偏移值,用于寻找求子结点的地址,从而获得关键帧,然后根据关键帧集合进行重新定位。本发明对于电路资源的消耗情况,在计数器前加上近似单元AU形成累计并行计数器APC的电路结构,基于近似计算的原理,在bit流比较长并且需要复制多个相同结构的情况下可以减少硬件资源的消耗,并且提高电路计算速度。

    一种面向CNN专用加速器的深度学习编译器优化方法

    公开(公告)号:CN114995823A

    公开(公告)日:2022-09-02

    申请号:CN202210639397.3

    申请日:2022-06-07

    申请人: 重庆大学

    IPC分类号: G06F8/41 G06N3/04 G06N3/08

    摘要: 本发明提出了一种面向CNN专用加速器的深度学习编译器优化方法,包括以下之一或者任意组合步骤:S1,通过算子融合和/或bn融合的优化方法减少加速器对内存的访问以及存储空间的浪费,同时使用内存分配地址叠加的方式避免各张量之间的数据覆盖;S2,采用内存共享和编址的方法,并通过特征图深度复制、算子执行顺序交换策略使编译器支持复杂的跳跃连接网络结构;S3,采用优化卷积循环平铺和循环重排的调度策略来提升加速器的性能。

    一种神经网络的剪枝方法、装置、设备及介质

    公开(公告)号:CN114662689A

    公开(公告)日:2022-06-24

    申请号:CN202210332430.8

    申请日:2022-03-31

    申请人: 重庆大学

    IPC分类号: G06N3/08 G06N3/04

    摘要: 本发明公开了一种神经网络的剪枝方法、装置、设备及介质,包括:根据预先配置的PE阵列的总行数和预设的筛选通道数,获取随机存取存储器的总数量;根据所述总数量配置若干随机存取存储器,并将每一通道的输入特征图数据分别存入每一所述随机存取存储器中;对若干所述随机存取存储器进行分组,得到若干小组随机存取存储器;当接收到剪枝信号时,根据通道选择信号,对输入特征图数据进行选择,将每一小组内的不同通道的输入特征图数据输入至PE阵列,以实现神经网络的剪枝操作。采用本发明实施例能够提高神经网络模型的处理效率。

    一种可快速适应各种变化因素的睡眠动作识别系统

    公开(公告)号:CN111310599A

    公开(公告)日:2020-06-19

    申请号:CN202010067008.5

    申请日:2020-01-20

    申请人: 重庆大学

    摘要: 本发明提出了一种可快速适应各种变化因素的睡眠动作识别系统,包括数据采集模块、数据处理模块、特征提取模块以及工作引擎模块;所述数据采集模块用于通过振动传感器实现对原始数据的获取;所述数据处理模块用于对原始数据的预处理;所述特征提取模块用于对数据特征的计算;所述工作引擎模块包括规则提取模块;所述规则提取模块用于提取出动作识别的规则。本发明提取出的动作识别规则,可识别多种睡眠动作,每种动作的识别准确率均可达到96%以上,总识别准确率达到98.9%,且该系统扩展识别其它动作操作简捷。实验结果表明,该系统通过更新规则可快速适应睡眠动作识别中节点位置、节点数量和用户需求的变化。

    一种支撑智能环境快速实现的软件定义智能架构系统及其方法

    公开(公告)号:CN111240649A

    公开(公告)日:2020-06-05

    申请号:CN202010064921.X

    申请日:2020-01-20

    申请人: 重庆大学

    IPC分类号: G06F8/20

    摘要: 本发明提出了一种支撑智能环境快速实现的软件定义智能架构系统及其方法,该方法包括以下步骤:S1,规则控制器解析脚本配置文件,将智能实现分解为包含位置信息的计算单元,并基于智能节点的位置信息,将健康看护服务对应的规则集分配到相应位置的智能节点上;S2,智能节点基于脚本解释器编译脚本配置文件,将健康看护服务中功能算法对应的脚本文件编译为系统可执行的代码文件。本发明能够快速、有效地实现智能环境的智能服务、功能调整,并充分降低了系统开发的代价,提高了智能实现的灵活性。

    基于智能看护系统面向用户活动模式隐私保护实施方法

    公开(公告)号:CN110427769A

    公开(公告)日:2019-11-08

    申请号:CN201910738213.7

    申请日:2019-08-12

    申请人: 重庆大学

    摘要: 本发明提出了一种基于智能看护系统面向用户活动模式隐私保护实施方法,包括:S1,部署智能节点与智能网关,以轻量级脚本驱动智能节点收集、推理、计算、匹配用户日常活动数据,传递到智能网关进行集中处理;S2,通过智能网关统计用户活动模式,并基于活动模式的多粒度特性以及活动模式之间的时空关联性对活动模式进行脱敏;S3,将脱敏的活动模式上传到具有大数据挖掘与分析能力的数据分析机构,以获取可能符合用户看护需求的服务规则;S4,智能网关上构建专家知识库,存储验证服务规则与未脱敏活动模式之间匹配性的知识,实现对不符用户看护需求的服务规则的过滤,且搭建规则推理引擎实现面向活动模式的实时看护服务。