专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果193个,建议您升级VIP下载更多相关专利
  • [发明专利]获取带时间窗和先进后出限制的取送货车辆路径的方法-CN201910272354.4有效
  • 刘发贵;易辰;桂梦珂 - 华南理工大学
  • 2019-04-04 - 2023-10-13 - G06Q10/0835
  • 本发明公开了获取带时间窗和先进后出限制的取送货车辆路径的方法。本发明为了快速求解大规模客户订单下的上述问题,在使用贪婪插入算法求得初始解后,引入一种分解‑组合框架将初始解分解成多个局部解,然后并行使用禁忌搜索算法对局部解进行迭代优化求解,待所有并行求解过程结束后将所有局部解重新组装成一个完整的解,再将得到的完整解重新投入到分解‑组合框架中进行优化,重复多次分解‑组合框架优化后输出最优解。为了在高质量的求解上述问题,在分解‑组合框架中并行优化过程中,本发明使用多种领域算子计算解的领域。本发明能快速的高质量求解大规模客户订单下的带时间窗和先进后出限制的取送货车辆路径问题,使得预先设定的目标最优化。
  • 获取时间先进限制送货车辆路径方法
  • [发明专利]一种基于轻量化卷积神经网络的实时图像语义分割方法-CN202011036023.X有效
  • 刘发贵;唐泉 - 华南理工大学
  • 2020-09-27 - 2023-10-13 - G06V10/26
  • 本发明公开一种基于轻量化卷积神经网络的实时图像语义分割方法。所述方法包括以下步骤:构建轻量化卷积神经网络;训练构建的轻量化卷积神经网络;使用训练完成的轻量化神经网络对给定场景中图像进行语义分割。本发明在所构建的卷积神经网络中,融合了多路处理机制,能有效编码像素的多空间尺度特征,解决多尺度目标区分困难的问题。同时,本发明结合深度卷积(depth‑wise convolution)大大减少了模型参数,所构建的轻量化卷积神经网络仅有90万参数,远低于现有方法,实现了模型轻量化的目的,满足实时性处理要求。另外,本发明的轻量化卷积神经网络基于全卷积网络,实现了端到端训练和推理,极大地简化了模型的训练和部署过程。
  • 一种基于量化卷积神经网络实时图像语义分割方法
  • [发明专利]一种基于数据增强的微服务系统异常检测方法及装置-CN202310711566.4在审
  • 刘发贵;谭壮伦 - 华南理工大学
  • 2023-06-15 - 2023-09-29 - G06F18/241
  • 本发明提出一种基于数据增强的微服务系统异常检测方法及装置。所述方法包括以下步骤:采集微服务系统的各服务节点的机器指标监控数据以及调用链数据;对采集的数据进行采样后手工标注样本标签并将所有数据预处理为多组属性图;为每组属性图分别构建一个编码器并利用该编码器将组内的属性图编码为低维向量;将低维向量经过数据增强后输入到一个分类网络得到分类结果;以最小化损失函数的损失为目标训练所有编码器以及分类网络;将微服务系统的机器指标监控数据以及调用链数据输入到已经训练好的编码器及分类网络进行异常检测。本发明能结合机器指标监控数据以及调用链数据对微服务系统进行异常检测。
  • 一种基于数据增强微服系统异常检测方法装置
  • [发明专利]一种基于深度学习的文本检测与识别的端到端方法-CN202310866899.4在审
  • 刘发贵;陈希;朱伯远 - 华南理工大学
  • 2023-07-14 - 2023-09-15 - G06V30/18
  • 本发明公开了一种基于深度学习的文本检测与识别的端到端方法,包括以下步骤:构建并训练基于神经网络的端到端模型,使用训练完成的端到端模型对给定图像中的文档文本进行检测和识别。本发明的文本检测与识别的端到端模型,在骨架网络阶段,通过设计的融合模块达成跨尺度的特征融合,不仅降低了计算开销,还提高了模型的精度;在训练的优化阶段,通过联合文本检测任务的损失函数和文本识别的损失函数,兼顾了文本检测与识别的损失,同时优化文本检测与文本识别任务,降低训练带来的时间成本;在推理阶段,模型只需要进行一次向前推理,就可以在较低代价下同时获取文本框和对应的置信度、文本内容。
  • 一种基于深度学习文本检测识别端方
  • [发明专利]一种基于本体模型和概率推理的复杂事件识别方法-CN201910412450.4有效
  • 刘发贵;唐泉 - 华南理工大学
  • 2019-05-17 - 2023-06-20 - G06N5/046
  • 本发明公开了一种基于本体模型和概率推理的复杂事件识别方法,包括以下步骤:(1)利用本体模型对智能环境中的传感器和事件进行建模;(2)利用描述逻辑的语义属性将本体模型转换为马尔科夫逻辑网模型;(3)利用一种基于地点和固定时间间隔的分割方法对连续产生的传感器数据进行分割,形成事件序列,作为马尔科夫逻辑网模型的输入;(4)在马尔科夫逻辑网模型上进行概率推理,从而识别智能环境中发生的事件;所述的复杂事件识别方法融合了知识驱动方法和数据驱动方法的优势,可以准确地对智能环境进行建模,有效地处理事件之间的时间约束关系和传感数据的不确定性,提高识别的准确率。
  • 一种基于本体模型概率推理复杂事件识别方法
  • [发明专利]一种考虑三维装载约束的多阶段车货匹配方法-CN201910420860.3有效
  • 刘发贵;杨鑫 - 华南理工大学
  • 2019-05-20 - 2023-06-20 - G06Q10/0835
  • 本发明公开了一种考虑三维装载约束的多阶段车货匹配方法。本发明的目的为自动智能化物流领域城际订单的配送过程。本发明提供了一种可行方案,分四个阶段对车辆与货物进行匹配;第一阶段即装载阶段,对每个客户分别进行独立装箱,从而将客户需求替换为占用车厢长度;第二阶段即客户请求合并阶段,对条带装填率未达到阈值的客户计算相互之间的相似度,相似度大的两个客户合并为客户组;第三阶段即车辆路径优化阶段,将每个客户或客户组装箱后的占用车厢长度作为每个客户的需求,进行车辆路径优化;第四阶段即路径内装载整合阶段,依据优化路径的相反顺序进行装箱,从而得到最终的装箱与路径方案,本发明提高了车厢装载利用率和车型整体的装载率。
  • 一种考虑三维装载约束阶段匹配方法
  • [发明专利]一种基于微服务架构的多种数据库统一访问系统及方法-CN201910420272.X有效
  • 刘发贵;秦政 - 华南理工大学
  • 2019-05-20 - 2023-06-16 - G06F16/25
  • 本发明公开了一种基于微服务架构的多种数据库统一访问系统及方法。所述系统包括:统一访问网关、数据库连接模块、微服务协调模块和基础数据库;统一访问网关将访问端发送的资源访问请求按转发至数据库连接模块并获取查询结果;数据库连接模块用于配置连接及访问相应基础数据库并返回结果等。所述方法包括:访问端发送资源请求至统一访问网关的资源访问地址,统一访问网关根据请求的资源地址路由该请求至相应的数据库连接模块,数据库连接模块与基础数据库通信,将访问到的信息通过原数据链路返回至访问端。本发明只要向数据统一网关的相应资源地址发送数据访问请求,就可以获取到所需的数据资源,降低了数据访问的学习成本,提高了易用性。
  • 一种基于微服架构多种数据库统一访问系统方法
  • [发明专利]一种基于深度学习的自然场景文本检测方法-CN201911057601.5有效
  • 刘发贵;谷典 - 华南理工大学
  • 2019-10-31 - 2023-05-23 - G06V20/00
  • 本发明公开了一种基于深度学习的任意形状自然场景文本检测方法。本发明的目的在于提升对于任意形状自然场景文本检测的准确率和召回率。所述方法包括以下步骤:构建并训练基于神经网络的自然场景文本检测模型,使用训练完成的自然场景文本检测模型对给定图像中的自然场景文本进行检测。本发明提出通用的完整性感知的损失函数替代回归分支的smooth l1 loss损失函数,将IoU相关的指标直接作为被优化的对象,从而直接地提高检测的精度和召回率;本发明在Mask RCNN头中增加TextIoU头用来预测文本掩模的IoU,并将该预测值乘以Box头的分类置信度,获得最终的置信度得分,凭借此来筛选得到最终的检测结果。TextIoU头的加入,可以有效抑制假阳性结果,从而提高检测效果。
  • 一种基于深度学习自然场景文本检测方法
  • [发明专利]一种基于容器资源指标的自适应容器异常检测方法-CN202310087709.9在审
  • 刘发贵;石上松 - 华南理工大学
  • 2023-01-18 - 2023-05-09 - G06F9/455
  • 本发明公开了一种基于容器资源指标的容器异常检测方法。所述方法包括以下步骤:收集容器集群的资源指标数据并对其预处理,获取常态样本数据集;根据常态样本数据集生成样本微簇,在微簇中储存给定数量的常态样本;以存储的常态样本为数据集,训练自动编码器模型;构建一种基于数据流微簇的自动编码器自动更新机制,使用训练好的自动编码器实时计算容器样本的损失函数,根据损失函数判断样本是否异常,并在检测出异常时定位异常容器,同时根据构建的自动更新机制,实现容器异常实时检测。本发明可用于多平台的容器资源异常检测,具有不依赖标签、训练时间短、数据流适应性好、资源占用少、扩展性强的优点。
  • 一种基于容器资源指标自适应异常检测方法
  • [发明专利]神经网络部署方法、装置、设备及介质-CN202310072426.7在审
  • 谭经纬;刘发贵;王彬 - 鹏城实验室;华南理工大学
  • 2023-01-12 - 2023-05-05 - G06F9/50
  • 本发明公开了一种神经网络部署方法、装置、设备及计算机可读存储介质,该方法包括:按照预设训练策略,将终端设备和边缘设备对应的自编码器神经网络以及云计算中心对应的下游任务神经网络进行训练;根据预设的固定卸载策略和自适应卸载策略,通过训练后的自编码器神经网络和下游任务神经网络,分别确定边缘设备和云计算中心之间的第一卸载节点以及终端设备和边缘设备之间的第二卸载节点;将训练后的下游任务神经网络在第一卸载节点进行卸载,并将训练后的自编码器神经网络在第二卸载节点进行卸载。本发明能够在提升神经网络部署效率的基础上,提升网络服务质量。
  • 神经网络部署方法装置设备介质

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top