-
公开(公告)号：CN114138494A
公开(公告)日：2022-03-04
申请号：CN202111478190.4
申请日：2021-12-06
Applicant: 昆明理工大学
IPC: G06F9/50
Abstract: 本发明涉及一种结合节点计算能力的负载均衡方法，属于大数据集群调度技术领域。本发明首先通过抽样方法获取中间数据关键字的频次和位置，然后根据汇总的关键字信息，结合计算节点的计算能力和数据传输开销，制定中间数据的分区计划，最后在运行计算任务时，使用缓存的分区计划生成分区策略，将中间数据划分到不同Reduce分区，得出计算结果。本发明提高了集群的资源利用率，同时降低了数据传输过程中的网络开销，提升了Hadoop集群分布式计算性能。
-
公开(公告)号：CN119996039A
公开(公告)日：2025-05-13
申请号：CN202510269495.6
申请日：2025-03-07
Applicant: 昆明理工大学
IPC: H04L9/40 , G06N3/0442 , G06F18/241
Abstract: 本发明涉及一种基于两阶段自适应架构的加密流量分类方法，属于计算机网络安全技术领域。本发明首先通过混合OOD检测机制区分数据分布内(ID)和分布外(OOD)流量，对于检测结果的处理采用自适应分类策略：对于ID流量，采用基于transformer的编码器对已知类别进行精确分类；对于OOD流量，通过结合大语言模型(LLM)和新提出的语义增强提示策略(SPS)将分类任务转化为生成任务，从而实现对未知流量类型的灵活细粒度识别。本发明的SPS策略包含严格模式、完整模式和扩展模式三个层次，在保证分类精度的同时提供灵活的生成空间。通过这种创新的两阶段设计，本发明在保持ID流量高精度分类的同时，有效解决了现有方法无法精确识别新兴网络应用的问题。
-
公开(公告)号：CN116229304B
公开(公告)日：2025-04-18
申请号：CN202211608953.7
申请日：2022-12-14
Applicant: 昆明理工大学
Abstract: 本发明涉及一种融合多尺度时空特征的三维人体姿态估计方法，属于计算机视觉、图形图像领域。本发明首先对人体运动视频数据集中的二维姿态序列进行姿态识别，生成描述人体姿态的关节点、肢体和上/下身的三种尺度，并将其映射为不同大小的高维向量；其次，构建空间多尺度特征提取模块，采用多头注意力并行提取三种尺度下的关节点、肢体和上/下身人体姿态特征；然后，计算三种特征的查询、键、值矩阵，得到融合了空间多尺度特征的三维人体姿态；最后，对融合后的不同空间多尺度特征帧间进行多尺度时序信息编码，最终生成细化的三维人体姿态。本发明通过融合多尺度空间和时间特征，提升了二维视频输入的三维人体姿态估计的准确率和效率。
-
公开(公告)号：CN119600651A
公开(公告)日：2025-03-11
申请号：CN202411666209.1
申请日：2024-11-20
Applicant: 昆明理工大学
IPC: G06V40/10 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/09
Abstract: 本发明涉及一种针对多人解析的实例‑类别特征关联学习方法，属计算机视觉、图像图形领域。本发明先得到人体多尺度特征；其次通过构建包含中心头、实例头和类别头的实例‑类别特征表示模块，分别得到实例重心热图、姿态特征、实例特征和类别特征；然后构建联合实例特征关联学习和类别特征关联学习的实例‑类别特征关联模块，分别对实例重心热图、姿态特征和实例特征，以及类别特征和类别内核进行实例‑类别特征关联，学习得到实例特征余弦和类别特征余弦相似图；最后，通过计算直接索引，对实例特征余弦相似图和类别特征余弦相似图进行实例‑类别特征融合，最终生成精细化的多人解析结果。本发明能有效解析多人图像，提升多人解析的准确性和效率。
-
公开(公告)号：CN118446930B
公开(公告)日：2024-12-20
申请号：CN202410614145.4
申请日：2024-05-17
Applicant: 昆明理工大学
IPC: G06T5/73 , G06T5/60 , G06T17/20 , G06T15/00 , G06V40/20 , G06T7/246 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455
Abstract: 本发明涉及一种基于神经辐射场的单目视频着装人体时空特征学习方法，属于计算机视觉、图形图像领域。首先对输入的着装人体数据集中的单目视频帧，采用时间相关多层感知机进行时序特征学习，得到着装人体的时序增强信息；再建立时序引导的空间特征学习模块进行点级特征和像素对齐特征学习，分别得到全局人体结构信息和服装局部细节信息；然后，引入自注意力对全局人体结构和服装局部细节进行空间特征融合，得到着装人体融合特征；最后，通过对着装人体融合特征进行神经辐射场渲染，预测得到重建着装人体的密度值和颜色值。预测的颜色和密度能有效生成连续一致的着装人体新视图，准确重建带有褶皱细节的着装人体模型。
-
Patent Agency Ranking
公开(公告)号：CN118552606A
公开(公告)日：2024-08-27
申请号：CN202410563573.9
申请日：2024-05-08
Applicant: 昆明理工大学
Abstract: 本发明涉及融合绝对和相对深度的单目多人三维姿态估计方法，属计算机视觉、图形图像领域。先获取得到单人实例二维人体姿态；其次，基于输入的单幅多人图像进行绝对深度特征提取，得到人体绝对深度特征；然后，通过构建包含以根关节点二维坐标为引导并结合绝对深度特征的绝对深度估计和以所有关节点坐标引导的根相对深度估计的绝对‑相对深度估计模块，分别得到根关节点绝对深度和根相对三维姿态；最后通过对根关节点绝对深度和根相对三维姿态进行多人三维姿态融合，生成最终的多人三维姿态。本发明以根关节点二维坐标为引导估计多人根绝对深度，并融合根相对三维姿态，提高了单目多人三维姿态估计对尺度差异的鲁棒性和姿态的准确性。
-
公开(公告)号：CN118446930A
公开(公告)日：2024-08-06
申请号：CN202410614145.4
申请日：2024-05-17
Applicant: 昆明理工大学
IPC: G06T5/73 , G06T5/60 , G06T17/20 , G06T15/00 , G06V40/20 , G06T7/246 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455
Abstract: 本发明涉及一种基于神经辐射场的单目视频着装人体时空特征学习方法，属于计算机视觉、图形图像领域。首先对输入的着装人体数据集中的单目视频帧，采用时间相关多层感知机进行时序特征学习，得到着装人体的时序增强信息；再建立时序引导的空间特征学习模块进行点级特征和像素对齐特征学习，分别得到全局人体结构信息和服装局部细节信息；然后，引入自注意力对全局人体结构和服装局部细节进行空间特征融合，得到着装人体融合特征；最后，通过对着装人体融合特征进行神经辐射场渲染，预测得到重建着装人体的密度值和颜色值。预测的颜色和密度能有效生成连续一致的着装人体新视图，准确重建带有褶皱细节的着装人体模型。
-
公开(公告)号：CN118429514A
公开(公告)日：2024-08-02
申请号：CN202410608159.5
申请日：2024-05-16
Applicant: 昆明理工大学
IPC: G06T15/20 , G06T15/00 , G06T3/04 , G06N3/0464 , G06N3/0455 , G06N3/0475 , G06N3/094
Abstract: 本发明涉及一种单视角图像驱动的高真实感虚拟服装神经渲染方法，属于计算机视觉、图形图像领域。首先获取分割后的服装图像、服装部件掩码和输入姿态下的三维服装网格；再对分割后的服装图像、三维服装网格、服装部件掩码进行服装特征编码，分别得到风格特征、空间特征和映射特征；然后通过构建的基于神经辐射场的服装特征解码模块，融合风格、空间和映射特征，得到用于渲染的服装神经辐射场颜色与密度；最后，通过求解服装查询点在观测空间、规范空间和姿态空间之间渲染参数的变换关系，进行服装神经渲染，最终得到服装渲染结果。本发明可以用于有效表示单视角图像中的服装，并基于输入的视角和姿态进行高真实感虚拟服装渲染。
-
公开(公告)号：CN117952649A
公开(公告)日：2024-04-30
申请号：CN202410113001.0
申请日：2024-01-26
Applicant: 昆明理工大学
IPC: G06Q30/0201 , H04L67/10 , H04W28/086 , H04W28/084 , H04W28/08 , G06Q50/50 , G06N7/01
Abstract: 本发明涉及一种基于上下文多臂机的边缘计算任务卸载动态定价方法，属于边缘计算技术领域。本发明首先根据多用户多任务边缘计算动态环境收集用户的在线卸载信息与服务提供商在线收益信息，将定价问题建模为上下文多臂机模型，根据收集到的上下文用户卸载信息构建多元高斯分布，采用汤姆森采样方法选取在线边缘服务价格，即运用贝叶斯后验来诱导服务提供商进行价格选取，通过每一轮的在线奖励收益更新对应参数。本发明基于多臂机模型对边缘计算动态定价问题进行建模，在不需要提前了解用户的需求及效用函数的情况下，通过在线定价达到最大化服务提供商收益目的，有效避免陷入局部最优出价，在边缘计算技术领域具有应用前景。
-
公开(公告)号：CN117912676A
公开(公告)日：2024-04-19
申请号：CN202410083919.5
申请日：2024-01-19
Applicant: 昆明理工大学
IPC: G16H50/20 , G06T7/00 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及一种用于预测阿尔兹海默病类型的大脑区域时间序列位置编码方法，属于系统生物学技术领域。利用DPARSF工具对功能性磁共振成像(fMRI)进行预处理并提取脑区时间序列，使用绝对位置编码函数和可学习的位置信息矩阵整合脑区时间序列的相对和绝对时间位置信息，将得到的包含位置信息的脑区时间序列输入到Transformer注意力模型中更新脑区时间序列特征，将脑区时间序列特征输入到全连接分类器中得到样本的疾病类型预测概率。本发明通过位置编码技术可以提取脑区时间序列的位置信息从而增强脑区时间序列特征进一步提高深度学习模型的预测准确性。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.022 seconds)
