-
公开(公告)号：CN115509789A
公开(公告)日：2022-12-23
申请号：CN202211214987.8
申请日：2022-09-30
申请人： 中国科学院重庆绿色智能技术研究院 , 重庆大学
摘要： 本发明涉及故障预测技术领域，具体为一种基于组件调用分析的计算系统故障预测方法和系统，包括：获取待预测组件的关联组件集合，采集其中每个组件的监测数据，进行处理，形成加权时序数据矩阵；根据关联组件集合，获取调用关系序列数据向量；获取采集监测数据的时刻开始预设时间间隔内的故障状态数据；根据加权时序数据矩阵、调用关系序列数据向量和故障状态数据，获取输入输出数据组；提取加权时序数据矩阵和调用关系序列数据向量的特征，进行融合，建立与实时故障状态数据的对应关系，形成分类预测模型；对分类预测模型进行训练优化，输出满足预设预测精度的分类预测模型。本方案能融合组件动态调用关系，以提高故障预测精度。
-
公开(公告)号：CN113239813A
公开(公告)日：2021-08-10
申请号：CN202110534466.X
申请日：2021-05-17
申请人： 中国科学院重庆绿色智能技术研究院 , 重庆大学
摘要： 本发明涉及一种基于三阶级联架构的YOLOv3的远景目标检测方法，属于目标检测技术领域。该方法包括：S1：构建目标检测模型：将准备好的远景农作物图片作为样本图片，再使用视觉相干混合技术和几何手段进行数据增强，形成远景数据集后再使用图像标注软件进行标注，最后通过三阶级联架构的YOLOv3算法进行训练，生成目标检测模型；S2：采集检测目标的视频图像，输入目标检测模型中进行目标检测，得到含有置信得分的目标图；S3：通过NMS算法比较置信度得分，得到目标的位置信息和置信度信息；S4：根据得到的位置信息，对目标个数进行计算总数。本发明提高了目标跟踪算法的准确性、鲁棒性以及适应性，并减少了算法的计算量。
-
公开(公告)号：CN111488948B
公开(公告)日：2021-07-20
申请号：CN202010358369.5
申请日：2020-04-29
申请人： 中国科学院重庆绿色智能技术研究院 , 重庆大学
摘要： 本发明涉及一种抖动环境下稀疏样本的标记方法，属于图像识别技术领域。该方法包括：S1：采用去抖动算法给输入的视频文件去抖动；S2：利用改进的Mask fast RCNN模型识别稀疏样本；S3：构建智能标记系统，对识别出的稀疏样本进行人工标记；S4：更新训练集：将标记好的数据返回至训练数据集中，用于下一轮改进的Mask fast RCNN模型的训练。本发明针对人烟稀少环境的监控视频中有效样本稀疏的问题，并考虑抖动环境带来的视频不稳定难点，能够对特定目标进行标记，提高视频的有效性。
-
公开(公告)号：CN115509789B
公开(公告)日：2023-08-11
申请号：CN202211214987.8
申请日：2022-09-30
申请人： 中国科学院重庆绿色智能技术研究院 , 重庆大学
摘要： 本发明涉及故障预测技术领域，具体为一种基于组件调用分析的计算系统故障预测方法和系统，包括：获取待预测组件的关联组件集合，采集其中每个组件的监测数据，进行处理，形成加权时序数据矩阵；根据关联组件集合，获取调用关系序列数据向量；获取采集监测数据的时刻开始预设时间间隔内的故障状态数据；根据加权时序数据矩阵、调用关系序列数据向量和故障状态数据，获取输入输出数据组；提取加权时序数据矩阵和调用关系序列数据向量的特征，进行融合，建立与实时故障状态数据的对应关系，形成分类预测模型；对分类预测模型进行训练优化，输出满足预设预测精度的分类预测模型。本方案能融合组件动态调用关系，以提高故障预测精度。
-
公开(公告)号：CN113239813B
公开(公告)日：2022-11-25
申请号：CN202110534466.X
申请日：2021-05-17
申请人： 中国科学院重庆绿色智能技术研究院 , 重庆大学
IPC分类号： G06V10/82 , G06V10/774 , G06V10/34 , G06V10/762 , G06V10/75 , G06N3/04 , G06N3/08
摘要： 本发明涉及一种基于三阶级联架构的YOLOv3的远景目标检测方法，属于目标检测技术领域。该方法包括：S1：构建目标检测模型：将准备好的远景农作物图片作为样本图片，再使用视觉相干混合技术和几何手段进行数据增强，形成远景数据集后再使用图像标注软件进行标注，最后通过三阶级联架构的YOLOv3算法进行训练，生成目标检测模型；S2：采集检测目标的视频图像，输入目标检测模型中进行目标检测，得到含有置信得分的目标图；S3：通过NMS算法比较置信度得分，得到目标的位置信息和置信度信息；S4：根据得到的位置信息，对目标个数进行计算总数。本发明提高了目标跟踪算法的准确性、鲁棒性以及适应性，并减少了算法的计算量。
-
公开(公告)号：CN111488948A
公开(公告)日：2020-08-04
申请号：CN202010358369.5
申请日：2020-04-29
申请人： 中国科学院重庆绿色智能技术研究院
摘要： 本发明涉及一种抖动环境下稀疏样本的标记方法，属于图像识别技术领域。该方法包括：S1：采用去抖动算法给输入的视频文件去抖动；S2：利用改进的Mask fast RCNN模型识别稀疏样本；S3：构建智能标记系统，对识别出的稀疏样本进行人工标记；S4：更新训练集：将标记好的数据返回至训练数据集中，用于下一轮改进的Mask fast RCNN模型的训练。本发明针对人烟稀少环境的监控视频中有效样本稀疏的问题，并考虑抖动环境带来的视频不稳定难点，能够对特定目标进行标记，提高视频的有效性。
-
公开(公告)号：CN108306974A
公开(公告)日：2018-07-20
申请号：CN201810130124.X
申请日：2018-02-08
申请人： 中国科学院重庆绿色智能技术研究院
摘要： 本发明提供一种用户自定义数据接口的数据共享系统与方法，系统包括：数据接口模块，包括多个数据接口用于通过HTTP协议获取数据并根据接口信息生成数据接口统一资源标志符和接口访问统一资源定位符；数据应用模块，包括多个数据应用用于容纳数据接口，每个数据应用包括多个数据接口，每个数据接口被多个数据应用包含；用户权限管理模块，用于对数据源的数据表中数据字段的访问权限进行管理；系统设置模块，用于对数据源进行配置；本发明可以让使用者自定义数据访问接口，使数据提供方和数据使用方提高数据共享效率和共享管理效率，本发明使用简单，可以令使用者不需特殊的专业背景即可使用，通过采用通用数据格式对数据共享进行高效实现和管理。
-
公开(公告)号：CN104008212B
公开(公告)日：2017-05-03
申请号：CN201410285834.1
申请日：2014-06-23
申请人： 中国科学院重庆绿色智能技术研究院
IPC分类号： G06F17/30
摘要： 本发明提供一种地理位置信息相关联的物联网时间序列数据存取方法，属于计算机大数据存储领域。该方法包括：1)将最新一次数据信息存储至最新数据缓存表；2)确定基点时间，并生成时间索引表主键；3)在对应数据行的列族中保存增量时间、geohash编码及实际数据至时间索引表；4)根据geohash编码生成基点空间与基点时间组合构成的时空索引表的主键；5)在对应数据行的列族中保存增量时间、增量空间、设备ID及实际数据至时空索引表；6)查询数据信息。本发明可以实现与地理位置信息相关联的物联网时间序列数据的快速存储和查询，有效的应对海量的、与地理位置信息相关联的物联网时间序列数据管理的系统需求。
-
公开(公告)号：CN111582345A
公开(公告)日：2020-08-25
申请号：CN202010358400.5
申请日：2020-04-29
申请人： 中国科学院重庆绿色智能技术研究院
摘要： 本发明涉及一种小样本下复杂环境的目标识别方法，属于图像处理技术领域。该方法包括：1)数据扩充，具体包括：S11：构建并训练GAN；S12：GAN网络训练完成后，将GAN生成的数据集进行筛选，把结果和真实数据集混合形成新的数据集，得到扩充小样本数据集；标注新数据集，并把标注之后的新数据集作为YOLOV3的输入；2)目标识别，具体包括：S21：构建并训练YOLOV3网络；S22：在对YOLOV3网络的坐标、置信度和分类训练完成后，将新数据集输入到YOLOV3网络中，对图片中最终剩下的检测框进行NMS处理，删去多余的框，输出带有检测框的图片。本发明能够解决小样本下复杂环境难清楚识别目标的问题。
-
公开(公告)号：CN111565318A
公开(公告)日：2020-08-21
申请号：CN202010372156.8
申请日：2020-05-06
申请人： 中国科学院重庆绿色智能技术研究院
摘要： 本发明涉及一种基于稀疏样本的视频压缩方法，属于视频压缩技术领域。该方法包括：S1：数据预处理；S2：首先通过变分自编码器与生成对抗网络结合的视频生成方法，利用变分自编码器对数据集中视频的每一帧进行学习，构建具有良好连续性的隐空间，隐空间中的每一点对应视频中的一帧；然后将噪声与文本输入生成对抗网络的生成器，生成器则生成潜变量空间中的多个相关联的点，最后通过变分自编码器的解码器生成连续图像；S3：将生成的连续图像输入视频压缩模型，通过CNN网络筛选背景帧，然后使用YOLO神经网络对每一帧图像当中的目标进行识别。本发明能够提高视频压缩效率，同时减少网络传输时延和本地资源的消耗。
-
-
-
-
-
-
-
-
-
搜索结果
75 条记录 (耗时 0.087 秒)
