“郁善金”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果14个，建议您升级VIP下载更多相关专利

[发明专利]基于KubeEdge和EdgeX Foundry的智能边缘设备控制平台-CN202011200641.3有效
发明人：汪明军;高丰;梁松涛;杨涛;施佩琦;郁善金;王晓江;郑欢欢 -专利权人：之江实验室
申请日： 2020-11-02 - 公布日： 2023-05-02 - 主分类号： H04L41/0823 文献下载
摘要：本发明公开了基于KubeEdge和EdgeX Foundry的智能边缘设备控制平台，包括KubeEdge系统和EdgeX Foundry平台，KubeEdge系统包括云端模块和边缘模块，通过KubeEdge系统将EdgeX Foundry平台部署到边缘节点，并通过边缘模块控制EdgeX Foundry平台；所述云端模块，通过边缘模块控制边缘节点和发布边缘应用；所述边缘模块，用于资源对象的控制，上报边缘信息到云端模块，执行边缘节点应用部署和数据同步到云端。
基于 kubeedge edgex foundry 智能边缘设备控制平台

[发明专利]端云协同的用户隐私保护车辆保险保费计算模型及方法-CN202110431694.4有效
发明人：郑欢欢;高丰;孙爽;王晓江;郁善金;杨涛;程宏才 -专利权人：之江实验室
申请日： 2021-04-21 - 公布日： 2022-05-06 - 主分类号： H04L9/40 文献下载
摘要：本发明公开了端云协同的用户隐私保护车辆保险保费计算模型及方法，方法包括：S1，端侧用户构建传输的数据包；S2，将数据包从端侧传输到云侧；S3，通过加密数据，筛选云侧共享数据池，得到候选数据集；S4，对候选数据集使用方程组求解恢复属性，得到匹配数据集；S5，生成会话秘钥；S6，对匹配数据集的每一条匹配项的车辆保险保费价格使用会话秘钥加密，并传输给端侧用户，端侧用户解密车辆保险保费价格；端侧模型包括：秘钥生成模块、哈希映射模块、布隆矩阵生成模块、启发式矩阵生成模、解密模块；云侧模型包括：云侧共享数据池、布隆过滤器、加密属性恢复模块、会话秘钥生成模块、车辆保险保费价格传输模块。
协同用户隐私保护车辆保险保费计算模型方法

[发明专利]一种基于端边云架构的深度神经网络协同推理方法-CN202011268445.X有效
发明人：梁松涛;高丰;杨涛;施佩琦;汪明军;郁善金;王晓江 -专利权人：之江实验室
申请日： 2020-11-13 - 公布日： 2022-05-06 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于端边云架构的深度神经网络协同推理方法，该方法通过端、边、云协同的方式加速端侧推理速度，将人工智能中的深度模型，根据神经网络的分层进行分割，将模型推理过程中的计算任务根据网络环境、端边云三方的资源配额及使用情况，发送到对应的端侧，完成推理的整个过程。本发明公开了模型分割的整体框架及分割计算任务所使用的算法组件及原理，通过端边云的协同，可以加速端侧的推理速度，提高业务场景的中的实时性，同时减少资源端的能耗。
一种基于端边云架构深度神经网络协同推理方法

[发明专利]面向边缘计算的重参数神经网络架构搜索方法-CN202110991876.7有效
发明人：张铭扬;高丰;汤志航;杨涛;郑欢欢;王晓江;郁善金 -专利权人：之江实验室
申请日： 2021-08-27 - 公布日： 2021-12-21 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了面向边缘计算的重参数神经网络架构搜索方法，包括如下步骤：步骤一：设计线性算子与多支路块结构；步骤二：通过堆叠多支路块结构构建超级网络；步骤三：通过基于梯度的一阶段搜索算法训练超级网络；步骤四：删除超级网络中多余的支路构建最佳子网络；步骤五：多分支的最佳子网络转化成单支路网络；步骤六：使用单支路网络完成任务推理。本发明用于搜索可进行重参数的神经网络结构，在保证推理精度的同时，确保了推理的实时性以及模型运算的高效率。
面向边缘计算参数神经网络架构搜索方法

[发明专利]一种基于KubeEdge和EdgeOS的物联网设备控制架构和方法-CN202110793971.6在审
发明人： 郁善金;王晓江;高丰;郑欢欢;杨涛;汤志航 -专利权人：之江实验室
申请日： 2021-07-13 - 公布日： 2021-11-23 - 主分类号： H04L29/06 文献下载
摘要：本发明涉及一种基于KubeEdge和EdgeOS的物联网设备控制架构和方法，该架构具体为：所述KubeEdge包含云侧模块和边缘侧模块，所述云侧模块部署有云端节点，边缘侧模块部署有边缘节点，所述云侧模块管理边缘节点和发布边缘端应用，边缘侧模块执行边缘端应用部署和数据同步至云侧模块，所述边缘节点部署Device Mapper和MQTT Broker，所述EdgeOS配置有Gateway网关并通过该网关与端侧设备进行数据通信，所述Device Mapper以HTTP消息形式与Gateway网关交互，发布、订阅MQTT消息至MQTT Broker。本发明降低了KubeEdge侧设备管理开发的复杂度。
一种基于 kubeedge edgeos 联网设备控制架构方法

[发明专利]一种端边协同的视觉同步建图与定位系统及方法-CN202110813841.4在审
发明人：汤志航;高丰;杨涛;郁善金;郑欢欢;王晓江 -专利权人：之江实验室
申请日： 2021-07-19 - 公布日： 2021-11-19 - 主分类号： G06T17/05 文献下载
摘要：本发明涉及计算机视觉领域，具体涉及一种端边协同的视觉同步建图与定位系统及方法，该系统通过一个边缘设备，同时服务于控制范围内的多个移动端设备，满足视觉SLAM应用在端边场景下的应用的算力需求，通过在移动端运行跟踪模块，完成图像帧的采集和预处理和图像的特征点的提取并筛选出关键帧，在边缘侧运行局部建图模块与回环检测模块，完成定位和局部建图。本发明选用ORBSLAM2作为基本框架，通过边缘计算技术中的端边协同技术与视觉同步建图定位技术相结合，提高了视觉同步建图与定位的精度、实时性和可靠性，并且能够有效拓宽其在移动设备中的应用范围。
一种协同视觉同步定位系统方法

[发明专利]一种基于智能合约的云边协同多模式隐私数据流转方法-CN202110886663.8有效
发明人：高丰;王晓江;郁善金;杨涛;郑欢欢;汤志航 -专利权人：之江实验室
申请日： 2021-08-03 - 公布日： 2021-11-16 - 主分类号： G06F21/62 文献下载
摘要：本发明公开了一种基于智能合约的云边协同多模式隐私数据流转方法，包括如下步骤：S1，系统初始化；S2，DO将原始数据加密成隐私数据，产生存储的加密凭证z’，z’中包含元数据metadata和数据凭证key’；S3，DO调用智能合约程序实现加密凭证z’上链，DO将z’通过智能合约发布到区块链上，智能合约对所有用户账户开放；S4，实现快速数据流转：DO在发布时，已经明确DU，通过访问策略policy设定DU的用户账号IDDU，DU通过执行智能合约和密钥算法，得到数据访问的加密密钥key，通过元数据，获取隐私数据并解密获取明文；S5，数据流转的确认：DO提交数据流转的交易凭证，确认数据流转完成。
一种基于智能合约协同模式隐私数据流转方法

[发明专利]基于SuperEdge和EdgeXFoundry的云边端设备平台控制架构和方法-CN202110791582.X在审
发明人： 郁善金;王晓江;高丰;郑欢欢;杨涛;汤志航 -专利权人：之江实验室
申请日： 2021-07-13 - 公布日： 2021-11-05 - 主分类号： H04L29/08 文献下载
摘要：本发明涉及云计算、边缘计算领域，具体涉及一种基于SuperEdge和EdgeXFoundry的云边端设备平台控制架构和方法，将EdgeX Foundry边缘计算框架以微服务形式运行在边缘节点，并管理支持多种协议的物联网设备；所述SuperEdge包含云侧和边缘侧，具备云边协同，边缘自治、分布式健康检查的特性，其以容器化编排方式将EdgeX Foundry平台部署于边缘节点之上，可实现EdgeX Foundry设备管理平台的高可用，同时兼顾云端设备数据的存储/分析，解决工业互联网、智能交通、新零售等场景中物联网设备高效管理，可实现设备管理在云端和边缘端的协同，提高了物联网平台的可扩展性以及提高边缘设备管理效率。
基于 superedge edgexfoundry 云边端设备平台控制架构方法

[发明专利]一种基于容器云的云边协同海量设备和业务批量控制方法-CN202110476378.9在审
发明人：王晓江;杨涛;高丰;程宏才;郁善金;郑欢欢;汤志航 -专利权人：之江实验室
申请日： 2021-04-29 - 公布日： 2021-09-03 - 主分类号： G06F9/455 文献下载
摘要：本发明涉及边缘计算领域，尤其是涉及了一种基于容器云的云边协同海量设备和业务批量控制方法，采用打标签分类的方式，对不同的设备和业务进行控制分类，将边缘侧海量的具有计算能力的设备以节点的形式，纳管到容器云集群中，用户在容器云集群中，对设备进行控制和分类，当需要在海量设备中按需求部署业务时，可以通过标签的形式，在某一类设备上进行业务的快速部署，同时，对于海量业务，用户也可以在容器云集群中进行控制和分类，当需要对海量的业务按照需求进行升级时，也可以通过标签的形式，对某一类业务进行快速的升级。本发明方案满足了用户对海量设备海量业务进行控制和维护的需求，大大提升了控制和维护的效率。
一种基于容器协同海量设备业务批量控制方法

[发明专利]一种基于端边云协同的可监管数据隐私共享方法-CN202110361878.8有效
发明人：高丰;郑欢欢;孙爽;王晓江;郁善金;杨涛 -专利权人：之江实验室
申请日： 2021-04-02 - 公布日： 2021-06-25 - 主分类号： H04L9/08 文献下载
摘要：本发明公开了一种基于端边云协同的可监管数据隐私共享方法，针对端边云场景下的数据隐私共享和监管，包括：基于对称密钥加密的数据云存储和元数据的产生，基于联盟链的分布式密钥的元数据的上链，基于可搜索加密的数据监管，监管的方式包括：信封监管和拆封监管等两种粒度的监管方式，信封监管在所有节点共识的情况下，确认用户是否在某个时间内提交元数据的存储凭证；拆封监管则获取用户的元数据存储凭证，对存储的数据进行解密并获取数据明文；区块链系统用于对用户的隐私数据存证，保护数据隐私不被泄露，同时实现对数据隐私共享条件下监管。
一种基于端边云协同监管数据隐私共享方法

[发明专利]一种基于AI芯片的多模型并行推理方法-CN202110075174.4在审
发明人： 郁善金;施佩琦;高丰;杨涛;梁松涛;郑欢欢;汪明军;王晓江 -专利权人：之江实验室
申请日： 2021-01-20 - 公布日： 2021-05-11 - 主分类号： G06F9/50 文献下载
摘要：本发明公开一种基于AI芯片的多模型并行推理方法。采用的技术方案包括以下步骤：步骤一：模型转换，至少将Tensorflow/Caffe AI框架训练的模型通过转换工具转换为AI芯片可解析的OM模型；步骤二：加载转换的OM模型，并遵循AscendCL库接口，采用线程方式并行执行多个模型推理。优点如下：针对单一推理模型并不能高效利用AI芯片（如华为公司的Ascend 310芯片）的算力的不足问题，以充分挖掘Ascend 310芯片的算力，研究多模型并行推理，同时能够保持良好的性能。
一种基于 ai 芯片模型并行推理方法

[发明专利]基于云边协同的定制化深度神经网络模型压缩方法及系统-CN202011382009.5在审
发明人：梁松涛;高丰;杨涛;施佩琦;汪明军;郁善金;王晓江;郑欢欢 -专利权人：之江实验室
申请日： 2020-11-30 - 公布日： 2021-03-12 - 主分类号： G06F9/50 文献下载
摘要：本发明公开了一种基于云边协同的定制化深度神经网络模型压缩方法及系统，该方法基于云端经过长时间训练的高精度的网络模型，基于用户的个性化需求，将网络模型分类关注的分类和不关注的分类，然后结合关注的分类、用户的数据集和模型压缩的比例，通过基于知识整理的神经网络模型压缩方法，进行模型的轻量化，满足用户边缘侧节点资源受限的场景需求，提升模型推理的速度，同时保证一定的模型精确度。本发明基于用户关注分类需求和知识蒸馏技术的模型训练方法，并在图片分类的场景下基于公共的数据集进行了验证。
基于协同定制深度神经网络模型压缩方法系统

[发明专利]边缘场景下基于容器的可扩展分布式双队列动态分配方法-CN202011295965.X在审
发明人：王晓江;高丰;郑欢欢;郁善金;汪明军;梁松涛;杨涛;施佩琦 -专利权人：之江实验室
申请日： 2020-11-18 - 公布日： 2021-03-09 - 主分类号： G06F9/455 文献下载
摘要：本发明公开了边缘场景下基于容器的可扩展分布式双队列动态分配方法，包括如下步骤：S1，获取视频流数据；S2，网关服务从视频流数据中获取视频帧，并从空闲服务器队列中挑选集群内的空闲服务器处理视频帧；S3，空闲服务器上的推理服务对视频帧进行深度神经网络推理和结果处理，完成后上报网关服务当前服务器已空闲；S4，网关服务将上报空闲的服务器重新加入空闲服务器队列。组成集群进行统一深度神经网络推理的服务器协同计算模式，相比于传统的单路视频流对应单路服务器的计算模式而言，充分利用了服务器的剩余计算资源，可以将多个服务器的剩余计算资源进行整合，完成更多路视频流处理。
边缘场景基于容器扩展分布式队列动态分配方法

[发明专利]基于深度强化学习实现人脸识别端边卸载计算方法及装置-CN202010789192.4在审
发明人：杨涛;高丰;梁松涛;崔广章;汪明军;郁善金;王晓江;施佩琦 -专利权人：之江实验室
申请日： 2020-08-07 - 公布日： 2020-12-11 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于深度强化学习实现人脸识别端边卸载计算方法及装置，包括：获取真实的人脸图片，根据边端人脸识别模型训练得到分类数据，其中，分类数据包括图片名称、id、图片提取出的128维特征向量、终端预测置信度、终端预测值、边缘预测值；将深度学习与强化学习进行结合，定义马尔科夫决策过程的状态空间、动作集、奖励函数和智能体；根据定义好的马尔科夫决策过程，构建Actor神经网络和Critic神经网络，使用分类数据对构建好的Actor神经网络和Critic神经网络进行训练，获得智能卸载决策模型；对智能卸载决策模型的性能与基准查询策略进行对比评估；根据对比评估的结果，将智能卸载决策模型部署到智能终端设备中，进行人脸识别的任务卸载决策。
基于深度强化学习实现识别卸载计算方法装置

1
共 14 条