“辛致宜”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5个，建议您升级VIP下载更多相关专利

[发明专利]基于孪生残差注意力聚合网络的视觉目标跟踪方法-CN202310894398.7在审
发明人：于俊洋;辛致宜;李勃翰;赵宇曦;李世昌;何义茹 -专利权人：河南大学
申请日： 2023-07-20 - 公布日： 2023-10-24 - 主分类号： G06T7/223 文献下载
摘要：本发明属于视觉跟踪技术领域，公开一种基于孪生残差注意力聚合网络的视觉目标跟踪方法，包括：提出了一种孪生残差注意力聚合网络框架SiamRAAN，实现了自适应特征隐式更新；首先，SiamRAAN将Self‑RAAN加入骨干网络中，利用残差自注意力提取出目标有效特征；然后，通过加入Cross‑RAAN，使目标模板和搜索图像提取特征时重点关注关联性高的部分，同时实现了模板特征的在线更新；最后，加入了多级特征融合模块，对RAAN增强的特征信息进行融合，提升了网络对于重点特征的感知能力，提高了视觉目标跟踪的准确性。
基于孪生注意力聚合网络视觉目标跟踪方法

[发明专利]基于多通道注意机制的子空间聚类方法-CN202310859986.7在审
发明人：王龙葛;赵宇曦;辛致宜;何义茹;王霆宇;王志诚 -专利权人：河南大学
申请日： 2023-07-13 - 公布日： 2023-09-29 - 主分类号： G06V10/762 文献下载
摘要：本发明提出了一个基于多通道注意机制的子空间聚类方法，该方法将能够挖掘空间特征的模块合并到自表示网络中，以凸显不同的数据特征，并补充多层感知机丢失的空间信息。具体通过通道和空间注意力模块成功的挖掘了输入数据样本中的潜在特征，并提取了图像不同特征之间的空间关系；同时采用静态参数化的通道映射和空间映射对已获得的特征空间信息进行细化筛选，进一步增强了自我表达的质量；最后，依托自表示网络，通过学习亲和矩阵来完成聚类任务。通过实验证明了本发明的聚类方法具有较高的准确性。
基于通道注意机制空间方法

[发明专利]基于AHP方法的云数据中心资源平衡感知的虚拟机放置策略-CN202310784865.0在审
发明人：于俊洋;谷航宇;何义茹;潘顺杰;辛致宜;李勃瀚 -专利权人：河南大学
申请日： 2023-06-29 - 公布日： 2023-09-12 - 主分类号： G06F9/455 文献下载
摘要：本发明公开一种基于AHP方法的云数据中心资源平衡感知的虚拟机放置策略，包括：构造一个分层的模型；其中第一层为目标层，用于选择最合适的主机来承载被迁移的虚拟机；第二层为决策层，有三个决策标准：主机的功耗增加、主机的资源分配平衡率和主机的可用资源；第三层为被迁移的虚拟机；在构造的分层模型的基础上构造判断矩阵；所述判断矩阵为由上述三个决策标准组成的3×3矩阵；基于判断矩阵计算标准权重向量，并设置标准矩阵；基于标准权重向量和判断矩阵进行一致性检验，若一致性检验通过则基于标准权重向量和标准矩阵计算主机得分，并将虚拟机迁移至得分最高的主机。本发明在降低能耗的同时也降低了SLAV，保证了数据中心服务质量。
基于 ahp 方法数据中心资源平衡感知虚拟机放置策略

[发明专利]Spark环境下基于自适应预留内存的数据调度策略-CN202310787387.9在审
发明人：何欣;李勃翰;辛致宜;谷航宇;潘顺杰;何义茹;赵宇曦 -专利权人：河南大学
申请日： 2023-06-29 - 公布日： 2023-09-05 - 主分类号： G06F9/50 文献下载
摘要：本发明公开一种Spark环境下基于自适应预留内存的数据调度策略，首先判断内存空间是否满足执行任务并行度最优内存的执行条件，如果满足并且发现有任务被阻塞，进行执行内存的重新分配并优先保证任务并行度；其次如果内存中任务运行正常，触发内存的自适应调节算法，对多余的内存进行回收；最后根据内存的分配空间大小控制RDD选择计算代价更低的存储位置，以让出足够的空间优先保证执行内存的空间预留。本发明通过自适应预留执行内存空间，根据任务运行的情况选择压缩或增加分配的执行内存空间，动态保证Spark并行计算框架计算过程中的任务并行度；还根据Spark任务的特性分配内存空间，以保证计算并行性，优化资源利用率。
spark 环境基于自适应预留内存数据调度策略

[发明专利]一种基于SSD改进的不平衡数据及复杂背景下水下小目标检测方法-CN202310578589.2在审
发明人：于俊洋;何义茹;谷航宇;潘顺杰;辛致宜;赵宇曦 -专利权人：河南大学
申请日： 2023-05-22 - 公布日： 2023-08-18 - 主分类号： G06V20/05 文献下载
摘要：本发明公开一种基于SSD改进的不平衡数据及复杂背景下水下小目标检测方法，包括：对SSD的网络进行改进：使用VGG16作为前端骨干网络，将第Conv3_3处的输出作为第一层特征层，在Conv3_3之后嵌入多维像素注意力网络；在多维像素注意力网络之后使用膨胀率为r且具有ReLU激活的空洞卷积，依次生成剩余需要预测的多个特征层；将生成的多个特征层对应的特征图输入联合加权知识蒸馏与多尺度特征蒸馏模块；调整原始不平衡的水下图像数据集中待检测图片大小并输入至改进后SSD的网络；基于改进后SSD的网络对水下小目标进行检测。本发明大大提高了稀有类别的检测能力，减小了由于样本分布不平衡对模型检测能力的影响。
一种基于 ssd 改进不平衡数据复杂背景水下目标检测方法