-
公开(公告)号：CN118447532A
公开(公告)日：2024-08-06
申请号：CN202410497326.3
申请日：2024-04-24
Applicant: 西安电子科技大学青岛计算技术研究院 , 西安电子科技大学
IPC: G06V40/10 , G06V40/20 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/048
Abstract: 本发明属于人体姿态估计技术领域，公开了一种基于多视角的人体姿态估计方法与系统，本发明提出了一种轻量和高效的多视角三维人体姿态估计方法。该方法遵循两阶段式处理思想，先对多视角姿态估计出各视角的二维关节点热度图，再根据二维热度图重建出三维人体姿态，有效降低了模型的复杂度，提高了系统的实时检测性能和动作分类。该方法利用多视几何中的极线约束对不同视角中同一关节点的热图进行对齐和融合，在不增加学习参数的前提下进一步提高二维姿态估计结果的准确性和几何一致性，从而降低三维姿态估计误差，实现基于多视角的三维人体姿态估计系统。
-
公开(公告)号：CN118411508A
公开(公告)日：2024-07-30
申请号：CN202410468688.X
申请日：2024-04-18
Applicant: 西安电子科技大学青岛计算技术研究院 , 西安电子科技大学
Abstract: 本发明属于目标检测和智能安防技术领域，公开了一种基于路侧相机和毫米波雷达的多尺度目标检测方法及系统，本发明通过引入空洞多尺度注意力机制，减少复杂背景对检测性能的干扰，在跨空间学习过程中捕获更多的空间上下文信息，增加网络对被检测目标的感知能力。采用扩展卡尔曼滤波减少雷达数据噪声并引入双边滤波扩展雷达点云投影，增强雷达特征信息表示，提高雷达图像特征丰富度。使用空间注意力设计了两阶段融合检测网络，动态优化两传感器的特征权重，有效学习雷达与相机异构特征间的交互关系，更充分地发挥雷达图像信息在关键特征提取中的引导作用，优化了雷达与相机数据的整体融合效果，提高了在复杂环境中的目标检测准确性与鲁棒性。
-
公开(公告)号：CN118410423A
公开(公告)日：2024-07-30
申请号：CN202410464644.X
申请日：2024-04-17
Applicant: 西安电子科技大学青岛计算技术研究院 , 西安电子科技大学
IPC: G06F18/243 , G06Q10/20 , G06F18/211 , G06F18/213 , G06N3/0475 , G06N3/094 , G06N20/20 , G06N3/047 , G06N3/088
Abstract: 本发明属于设备检测维护技术领域，公开了一种智能生产线预测性维护方法、系统、设备及终端；创建设备运行状态数据库对数据进行分类和标识；使用无监督深度置信网络对设备运行状态数据进行数据降维和特征选择；使用改进后的生成式对抗网络对降维后的数据进行过采样；使用处理完成的数据训练随机森林算法的分类器；使用训练好的分类器对实时数据进行故障时间预测；使用基于视觉表现的方法对实时数据中的概念漂移进行检测；对已经发生概念漂移的实时数据采用概念漂移适应方法，及时更新预测模型。本发明有助于提高生产线的生产效率，降低维护成本，避免连续生产过程中预测模型的性能劣化，增强生产系统的稳定性和可靠性，确保生产线的高质量产出。
-
公开(公告)号：CN118411457A
公开(公告)日：2024-07-30
申请号：CN202410464647.3
申请日：2024-04-17
Applicant: 西安电子科技大学青岛计算技术研究院 , 西安电子科技大学
Abstract: 本发明属于三维可视化下的多路视频与三维场景拼接融合技术领域，公开了一种多路视频与三维场景拼接融合方法，本发明通过层次包围盒结构对投影的三维场景进行空间划分，有效加速排除当前视角之外的物体。本发明将投影相机与包围盒关联，快速识别当前视区内的视频节点。为了快速筛选渲染对象，采用了一种自适应的启发式方法来构建BVH，本发明提出了一种中心—表面排序策略，该策略可以自适应地对场景进行有效划分，从而减少几何查询所需的计算量。本发明基于WebGL的多路视频投影融合系统设计旨在提供沉浸式视觉体验。保障所有视频数据的安全传输和存储，并符合当前的数据保护标准。在设计时考虑到未来的功能扩展或升级，确保系统的长期可维护性。
-
公开(公告)号：CN116524376A
公开(公告)日：2023-08-01
申请号：CN202310198988.6
申请日：2023-03-03
Applicant: 西安电子科技大学青岛计算技术研究院
IPC: G06V20/17 , G06V10/80 , G06V10/82 , G06V10/778 , G06V10/764 , G06T9/00
Abstract: 本发明属于计算机视觉技术领域，公开了一种遥感目标检测方法、系统、介质、设备及终端，构建基于CNN的RGB‑红外图像融合网络，采用面向任务的融合方法、低层和高层联合自适应训练策略，利用由内容损失和语义损失组成的联合损失约束融合网络和显著性目标检测的融合方法；引入角度信息采用高斯循环编码和矩形循环编码预测角度，进行特征提取并利用BIFPN双向特征融合方法进行特征融合；利用实时采集的多模态视频流进行解码、算法推理以及边界框标定，将结果编码推流至流媒体服务器或客户端中。本发明利用图像融合算法和旋转目标检测算法相结合的方式，能够在强光和弱光条件下快速、准确检测到车辆位置和类别信息，应用于无人机交通管理和灾难救援场景等下的旋转目标检测。
-
Patent Agency Ranking
公开(公告)号：CN117009119A
公开(公告)日：2023-11-07
申请号：CN202310350217.4
申请日：2023-04-04
Applicant: 西安电子科技大学青岛计算技术研究院
IPC: G06F11/07
Abstract: 本发明属于微服务系统性能诊断技术领域，公开了一种面向云原生的微服务智能运维系统、方法及应用，包括：数据采集器、存储服务、异常诊断器和数据可视化等功能模块。微服务异常检测与根因分析方法以云原生技术为基础构建面向微服务架构的智能运维管理平台；组件Node‑Exporter、Metric‑Server和Istio搭建采集器用来获取微服务系统中指标数据；采用微服务异常检测与根因分析方法来构建诊断器中的异常检测服务和根因定位服务用来诊断系统异常并且实时挖掘异常根因；通过组件Prometheus和InfluxDB构建存储服务用来存储时序指标数据与系统故障根因排序列表。本发明解决微服务在实际运维场景中指标数据异常难以检测和故障根本原因难以定位的问题，从而提高运维中故障发现与根因定位的效率。
-
公开(公告)号：CN116302519A
公开(公告)日：2023-06-23
申请号：CN202310199403.2
申请日：2023-03-04
Applicant: 西安电子科技大学青岛计算技术研究院
Abstract: 本发明属于云计算数据处理技术领域，公开了一种基于容器云平台的微服务工作流弹性调度方法、系统及设备，包括：将工作流划分为DSSW和RIBW；并将工作流截止日期划分为工作流的每个任务的子截止日期；对于DSSW和RIBW工作流就绪队列中的任务进行排序；采用不同的分配策略对DSSW和RIBW工作流中的任务分配到现有容器实例或创建的新容器，得到调度方案；采用多目标优化的新容器实例部署算法确定容器到VM的映射关系，得到部署方案。本发明可以对采用容器云平台部署的物联网系统的用户请求快速处理并返回结果，在保证用户SLA情况下降低资源使用成本，提高资源利用率。
-
公开(公告)号：CN113254146B
公开(公告)日：2024-09-27
申请号：CN202110446988.4
申请日：2021-04-25
Applicant: 西安电子科技大学
Abstract: 本发明属于云计算技术领域，公开了一种云平台服务信任值计算、任务调度与负载均衡系统、方法，所述云平台服务信任值计算、任务调度与负载均衡方法包括：首先，云计算决策中心收到用户请求后根据“加入最佳队列”的请求调度策略将用户请求调度到合适的虚拟机中；然后，云服务器根据“实时动态调整”的能源管理策略，用来控制服务虚拟机的运行状态；最后，云计算中心根据轻量级的信任管理策略对虚拟机的信任值进行更新。本发明提供的云平台服务信任值计算、任务调度与负载均衡方法，考虑恶意服务候选者的信任攻击对任务调度的影响，综合考虑系统效益与能耗之间的权衡，可以提高云的任务调度效率，减少恶意服务提供商对云平台的攻击。
-
公开(公告)号：CN114580710B
公开(公告)日：2024-04-30
申请号：CN202210109339.X
申请日：2022-01-28
Applicant: 西安电子科技大学
IPC: G16C20/20 , G06N3/0464 , G06N3/08 , G06Q50/26
Abstract: 本发明公开了一种基于Transformer时序预测的环境监测方法，该方法包括：获取当前环境中的气体浓度数据，气体浓度数据包括时间序列信息；将气体浓度数据输入至预先训练好的时序预测模型，以使时序预测模型中的第一子网络对气体浓度数据进行预处理得到全局数据；使编码器Encoder模型按照预设时间段从全局数据中获得多个局部数据，并确定各个局部数据相对于全局数据的自相关程度的概率分布；使译码器Decoder模型根据自相关程度的概率分布，确定当前时刻之后的预设时间段内待检测环境中的气体浓度。本发明改进了Transformer训练模型，引入了Bert的预训练模式，大大节约了模型的训练时间，同时采用扩张注意力机制缩减了模型的内存开销。
-
公开(公告)号：CN113222112B
公开(公告)日：2023-10-17
申请号：CN202110363509.2
申请日：2021-04-02
Applicant: 西安电子科技大学
IPC: G06N3/045 , G06N3/0442 , G06N3/08 , G06Q10/04 , G06Q50/06
Abstract: 本发明公开了一种利用多视角‑门控循环单元神经网络(MV‑GRU)对集中供热系统热负荷进行预测的方法，所诉方法包括：获取热负荷、室外温度的历史数据，将其作为两种视角；对两种视角的数据进行归一化处理，划分为训练集和验证集；利用归一化后的数据训练组合神经网络获得预测模型，组合神经网络由GRU和DMAN网络组成；基于所述热负荷预测模型，对集中供热系统的热负荷进行预测。本发明的基于MV‑GRU实现的集中供热系统热负荷预测方法，通过挖掘热负荷和室外温度两者之间的耦合关系，实现了对集中供热系统热负荷较为高效的预测。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.052 seconds)
