-
公开(公告)号：CN116579030A
公开(公告)日：2023-08-11
申请号：CN202310561814.1
申请日：2023-05-18
IPC分类号： G06F21/78 , G06F12/1009 , G06F9/54
摘要： 本发明提供了一种扩展物联网设备上安全资源的内存优化方法，包括以下步骤：步骤1：对计算任务进行预处理，获得计算任务运行需要的内存大小和计算任务输入参数的内存大小；步骤2：根据计算任务运行需要的内存大小确定安全内存大小；根据计算任务输入参数的内存大小和传输延迟确定共享内存大小；步骤3：在物理内存中设置共享内存地址域和安全内存地址域；步骤4：优化页表重映射操作：完成页表的全部映射后重置页表的映射。本发明从软硬件协同角度共同修改，扩展了物联网设备可用安全内存大小，可以将计算任务全部部署在TEE内，保护计算任务的全部过程，并且仅需一次世界切换操作即可在TEE内完成所有的计算，提高了计算效率。
-
公开(公告)号：CN114594929A
公开(公告)日：2022-06-07
申请号：CN202210103618.5
申请日：2022-01-27
摘要： 本发明提供了一种基于TrustZone的Solidity语言智能合约可信执行引擎，包括解释器、指令集、数据段和预取数据段，所述解释器分别与所述指令集、数据段和预取数据段连接，所述数据段与预取数据段连接，所述解释器，用于从合约字节码中取出指令，并进行指令的解释和执行，所述指令集描述了指令的操作码到功能函数的映射，所述数据段，用于存储智能合约执行过程中的中间数据，所述预取数据段，用于存储智能合约执行过程中用到的合约字节码、交易参数、函数输入参数和合约持久化存储数据。本发明为Solidity语言智能合约字节码提供正确的解释执行功能，并根据TrustZone执行机制提供执行效率和内存消耗的优化。
-
公开(公告)号：CN116450344A
公开(公告)日：2023-07-18
申请号：CN202310269682.5
申请日：2023-03-13
摘要： 本说明书公开了一种任务执行方法、装置、存储介质及电子设备。所述任务执行方法包括：根据第一任务指令，获取目标模型以及各候选训练框架，以不同候选训练框架对目标模型进行训练时所涉及的指定参数、不同候选训练框架所调用的算子和各算子之间的依赖关系，以及不同候选训练框架对所述目标模型进行更新时的更新方式中的至少一种保持等价为目标，得到各调整后框架，确定部署目标模型的终端设备基于该调整后框架执行目标模型的运算操作时的运算时长，根据运算时长，确定调整后框架对应的优先级，根据每个调整后框架的优先级，从各候选训练框架中确定出目标训练框架，当接收到第二任务指令时，通过目标训练框架，执行模型训练任务。
-
公开(公告)号：CN113176977B
公开(公告)日：2024-10-18
申请号：CN202110464020.4
申请日：2021-04-27
摘要： 本发明提供了一种构建物联网工作流的交错日志分析方法，包括以下步骤：日志文件中，在每个日志条目后设置长度为N的窗口，窗口覆盖日志条目后方相邻的N个后继日志条目；窗口的N值人为确定；计算在前日志条目与其后窗口中的每个后继日志条目之间的依赖值；设定过滤阈值，若联合依赖值大于过滤阈值，则对应后继日志条目为在前日志条目的真实后继条目。本发明在交错日志中构建工作流模型时避免了日志中标识信息的使用，具有广泛的适用性，同时解决了由日志交错带来的上下文丢失和噪声问题。
-
公开(公告)号：CN114170633B
公开(公告)日：2024-08-02
申请号：CN202111478512.5
申请日：2021-12-06
申请人： 南开大学
摘要： 本发明公开一种基于协同监督的海面小行人检测方法，包括以下步骤：预处理小行人检测数据集，划分为训练集和测试集；根据人工标注的目标包围框生成小行人中心点标签、中心点精度偏移标签以及中心点到包围框上下左右边界的垂直距离标签；在训练过程中，根据预测的中心点精度偏移，自适应地调整中心点到包围框垂直距离标签，促使检测框回归任务协同优化；前向传播计算三种标签对应的损失，以特定的权重进行融合；损失层梯度反向传播，更新网络模型中的参数，引导模型筛选行人显著特征。本发明根据预测中心点偏移量的变化，自适应地改变中心点到包围框垂直距离标签，有效地弥补中心点预测难度高带来的检测框回归偏差，提高了模型小行人检测的能力。
-
公开(公告)号：CN116258730A
公开(公告)日：2023-06-13
申请号：CN202310545669.8
申请日：2023-05-16
申请人： 先进计算与关键软件(信创)海河实验室 , 南开大学
IPC分类号： G06T7/10 , G06N3/0455 , G06N3/084 , G06N3/0895 , G06T7/00
摘要： 本发明提供了一种基于一致性损失函数的半监督医学图像分割方法，属于神经网络技术领域，使用基于频域和多粒度相似度一致性约束来训练分割网络，通过利用有限标注样本和大量无标注样本来对医学图像进行高效地分割。根据频域和区域多粒度一致性约束，可以为无标注数据提供相应的监督信号，进而模型可以同时利用有标注和无标注数据训练模型，其中，频域一致性利用离散余弦变换将图像变换到频域；多尺度区域一致性可以利用区域一致性信息，可以为模型提供丰富的区域语义信息。本发明可减少全监督深度学习分割模型对标注数据的需求，从而减少90%标注成本，可以使得模型在有限标注样本的指导学习下利用大量无标注数据。
-
公开(公告)号：CN115376159A
公开(公告)日：2022-11-22
申请号：CN202210820445.9
申请日：2022-07-13
申请人： 南开大学
摘要： 本发明提供了一种基于多模态信息的跨外观行人重识别方法，包括以下步骤：预处理跨外观行人重识别数据集；从视觉图像中获取行人的轮廓图像与部件语义图像；利用网络模型提取特征矩阵；将三个特征矩阵拼接为融合特征矩阵；对四个特征矩阵，分别进行池化下采样获取特征；再分别使用批次归一化和全连接层获取分类特征；计算损失；损失层梯度反向传播，更新网络模型及其全连接层的权值参数；重复上述步骤，直至网络模型收敛，或者达到最大迭代次数；使用融合推理特征作为行人特征表示进行检索，融合推理特征由融合特征采用批次归一化获取。本发明有效地缓解了网络过于关注行人外观信息的问题，提升了跨外观行人重识别模型的检索性能。
-
公开(公告)号：CN114968472A
公开(公告)日：2022-08-30
申请号：CN202210113297.7
申请日：2022-01-29
申请人： 南开大学
摘要： 本发明提供了一种面向深度神经网络运行的智能合约虚拟机，包括虚拟指令集、解释器和存储空间，所述解释器分别与所述虚拟指令集、存储空间连接，所述虚拟指令集，是虚拟机运行合约所需的指令的完整集合，描述了指令的操作码到功能函数的映射，所述虚拟指令集中包括CNN指令，每一条CNN指令对应一个实现CNN推理计算的功能函数，解释器，用于从字节码文件中读出指令，并让CPU执行指令，存储空间，用于存储合约计算时的中间数据。本发明使开发者在智能合约上开发CNN更加便捷，需要编写的源码长度可以降低80％左右，并使CNN在智能合约虚拟机中的运行(推理过程)更快速、内存负载更低；利于推动依赖于CNN的智能应用和区块链的结合。
-
公开(公告)号：CN114170633A
公开(公告)日：2022-03-11
申请号：CN202111478512.5
申请日：2021-12-06
申请人： 南开大学
摘要： 本发明公开一种基于协同监督的海面小行人检测方法，包括以下步骤：预处理小行人检测数据集，划分为训练集和测试集；根据人工标注的目标包围框生成小行人中心点标签、中心点精度偏移标签以及中心点到包围框上下左右边界的垂直距离标签；在训练过程中，根据预测的中心点精度偏移，自适应地调整中心点到包围框垂直距离标签，促使检测框回归任务协同优化；前向传播计算三种标签对应的损失，以特定的权重进行融合；损失层梯度反向传播，更新网络模型中的参数，引导模型筛选行人显著特征。本发明根据预测中心点偏移量的变化，自适应地改变中心点到包围框垂直距离标签，有效地弥补中心点预测难度高带来的检测框回归偏差，提高了模型小行人检测的能力。
-
公开(公告)号：CN111428675A
公开(公告)日：2020-07-17
申请号：CN202010252780.4
申请日：2020-04-02
申请人： 南开大学
摘要： 本发明公开一种融入行人体态姿态特征的行人重识别方法，包括以下步骤：预处理行人重识别数据集，划分为训练集和验证集；利用公开数据集训练行人骨架检测模型；再提取出行人姿态高维矩阵特征；然后融入行人检索模型中进行训练；前向传播，获取到特征提取层提取出来的特征向量；前向计算损失；对数据集中的每一个样本，计算其梯度信息；损失层的梯度反向传播，更新行人检索模型特征处理模块中的权值参数；如果模型仍未收敛，或者是未达到最大迭代次数，重复上述步骤；网络训练结束之后，在测试集上完成查询集合内的行人检索任务。本发明提出引导模型学习筛选行人体态姿态特征，姿态信息的融入提高了行人检索模型对于相同行人的检索能力。
-
-
-
-
-
-
-
-
-
搜索结果
37 条记录 (耗时 0.086 秒)
