“全局”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果49036个，建议您升级VIP下载更多相关专利

[发明专利]一种基于自注意力机制的跨尺度图像超分辨处理方法及系统-CN202211056780.2在审
发明人：夏晗;邵航;袁肖赟;刘威 -专利权人：浙江未来技术研究院（嘉兴）
申请日： 2022-08-31 - 公布日： 2022-12-20 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于自注意力机制的跨尺度图像超分辨处理方法及系统，获取全局场景图像和多个局部细节图像，并获取局部细节图像与全局场景图像的对应关系，包括局部细节图像和全局场景图像的图像比例、局部细节图像在全局场景图像的相对位置；根据局部细节图像和全局场景图像的图像比例、局部细节图像在全局场景图像的相对位置，分别对全局场景图像和局部细节图像进行预处理；构建并训练基于自注意力机制的图像超分辨模型，通过所述图像超分辨模型对处理后的全局场景图像和局部细节图像进行图像融合基于不同尺度的图像(局部细节图像、全局场景图像)，利用自注意力机制的Transformer框架实现大场景图像的超分辨。
一种基于注意力机制尺度图像分辨处理方法系统

[发明专利]一种基于智能边缘设备的分布式AI训练系统及方法-CN202310133501.6在审
发明人：钟胜辉;廖先容;阮丹 -专利权人：中嘉数字科技（浙江）有限公司
申请日： 2023-02-20 - 公布日： 2023-06-23 - 主分类号： H04L67/10 文献下载
摘要：边缘网关确定参与联合训练的多个训练终端，向配置后的各训练终端发送全局模型；每一训练终端当接收到全局模型，使用本地数据集训练全局模型得到模型参数；边缘网关根据各训练终端的模型参数进行全局模型聚合，向各训练终端发送全局模型进行多轮联合训练直到全局模型满足预设的收敛条件，得到联合全局模型；许可区块链根据联合训练集训练联合全局模型得到目标全局模型。
一种基于智能边缘设备分布式 ai 训练系统方法

[发明专利]一种使用全局响应图的一阶段多目标跟踪方法及系统-CN202310417264.6在审
发明人：黄文丽;王子豪;逯丽芬 -专利权人：苏州凌图科技有限公司
申请日： 2023-04-18 - 公布日： 2023-07-18 - 主分类号： G06T7/246 文献下载
摘要：本发明公开了一种使用全局响应图的一阶段多目标跟踪方法及系统，包括：获取原始视频，所述原始视频中存在多个待跟踪的目标对象，提取所述视频中每个目标对象的特征信息，生成全局响应图；将所述全局响应图分别输入全局特征嵌入模块和局部特征嵌入模块；将所述全局特征图和所述局部特征图送入特征提取模块，得到目标全局响应图，根据所述目标全局响应图进行目标定位；基于目标定位结果进行动态跟踪，得到目标轨迹。本发明通过加入注意力机制，在提取的全局特征中增强了有用特征，丰富了目标的局部特征，并进一步融合提取的全局特征和局部特征，优化目标跟踪精度问题，能够实现微小目标的精准识别，能够满足更多应用场景。
一种使用全局响应阶段多目标跟踪方法系统

[发明专利]一种用于羊脸检测的全局上下文增强方法-CN202310078422.X在审
发明人：韩高格;唐晶磊;苏庆国 -专利权人：西北农林科技大学
申请日： 2023-01-29 - 公布日： 2023-04-18 - 主分类号： G06V40/10 文献下载
摘要：本发明公开了一种用于羊脸检测的全局上下文增强方法，目的是使得模型网络中特征提取模块具有学习全局上下文信息的能力，从而使模型在检测羊脸的时候能够感知羊的身体以及背景信息，提高羊脸检测精度。本发明方法主要是先通过池化操作聚合全局信息，然后采用一维卷积操作进行信息交互得到全局上下文向量，最后将全局上下文向量与输入特征图相加实现全局上下文增强。本发明全局上下文增强方法可以学习到全局上下文特征，增强了模型网络的全局信息感知能力，而且具有轻量化和即插即用的特点，它可以被添加到任意目标检测模型的主干网络中，可以有效提高模型羊脸检测精度。
一种用于检测全局上下文增强方法

[发明专利]机器人行进的控制方法、控制装置及机器人-CN202211090378.6在审
发明人：顾震江;高耀庭 -专利权人：深圳优地科技有限公司
申请日： 2022-09-07 - 公布日： 2023-05-30 - 主分类号： G05D1/02 文献下载
摘要：本申请涉及机器人技术领域，公开了一种机器人行进的控制方法、控制装置及机器人，该机器人行进的控制方法，包括：根据机器人的当前位置和目的地位置规划路径，以输出初始全局路径；获取初始全局路径的位置点和对应可通行区域的边界位置，基于可通行区域的第一侧边界位置修正初始全局路径，获得修正后的目标全局路径；根据目标全局路径控制机器人靠边行驶。通过获取初始全局路径的位置点和对应可通行区域的边界位置，基于可通行区域的第一侧边界位置修正初始全局路径，获得修正后的目标全局路径，根据目标全局路径控制机器人靠边行驶，本申请能够控制机器人靠边行驶，以降低道路堵塞风险
机器人行进控制方法装置

[发明专利]全局性识别生物特征图像的方法、装置、设备及存储介质-CN202310923928.6在审
发明人：杨奇;陈书楷 -专利权人：熵基科技股份有限公司
申请日： 2023-07-25 - 公布日： 2023-10-13 - 主分类号： G06V10/44 文献下载
摘要：本申请公开了全局性识别生物特征图像的方法、装置、设备及存储介质，方法包括：获取数据格式为四维张量的生物特征图像，将生物特征图像输入至预先构建的全局分支网络，输出全局分支特征图，通过主干网络的特征图模块对生物特征图像处理，得到局部分支特征图，当局部分支特征图宽与全局分支特征图宽相同，且局部分支特征图高与全局分支特征图高相同时，将全局分支特征图与局部分支特征图融合，得到融合特征图。可见，在主干网络对生物特征图像的局部特征进行高精度分析的同时，通过全局分支网络对生物特征图像的全局特征进行提取，使得生物识别特征融合了全局特征和局部特征，从而增强了生物识别特征识别能力。
全局性识别生物特征图像方法装置设备存储介质

[发明专利]一种存储器-CN201410490374.6有效
发明人：舒清明;胡洪;张建军 -专利权人：北京兆易创新科技股份有限公司
申请日： 2014-09-23 - 公布日： 2019-04-09 - 主分类号： G11C16/20 文献下载
摘要：本发明公开了一种存储器，该存储器包括：存储阵列和全局位线；所述存储阵列，包括以阵列排布的若干个存储单元，所述存储单元由隔离区按列隔开；至少一条所述全局位线，所述全局位线为相连的n条窄全局位线，所述窄全局位线的宽度小于宽度阈值，所述窄全局位线位于所述存储阵列的隔离区所在区域的上方，其中，n为整数且大于或等于2。本发明提供的一种存储器，通过将全局位线拆分为n条窄全局位线，使得存储器的任意一列存储单元均不会被窄全局位线完全覆盖，进而在紫外光照射后，存储器的存储单元的初始化一致性良好。
一种存储器

[发明专利]全局信息获取及处理的方法、装置和更新系统-CN201511017566.6有效
发明人：朱云锋;卢毅军;李彦超;雷继斌;陶云峰;唐治洋;余俊;冯嘉;郭东白 -专利权人：阿里巴巴集团控股有限公司
申请日： 2015-12-29 - 公布日： 2020-12-01 - 主分类号： G06F8/65 文献下载
摘要：本申请实施例提供了一种全局信息获取方法，应用于应用服务器，其特征在于，所述方法包括：从全局信息服务器获取全局信息的当前版本信息并更新至本地，并根据获取的版本信息从所述全局信息服务器获取对应的全局信息；根据与所述全局信息服务器的通讯状态更新本地的当前版本信息的有效期；检测到所述本地的当前版本信息的有效期失效，暂停提供针对所述全局信息的服务，以使各个应用服务器的全局信息同步。根据本申请实施例，避免了应用服务器会因为网络异常或者更新进程“假死”等原因造成的全局数据不一致的问题。
全局信息获取处理方法装置更新系统

[发明专利]基于多尺度相机阵列的分级视频拼接方法及装置-CN202010628067.5有效
发明人：戴琼海;袁文帅;裴承全 -专利权人：清华大学
申请日： 2020-07-02 - 公布日： 2021-12-14 - 主分类号： H04N5/262 文献下载
摘要：本发明公开了一种基于多尺度相机阵列的分级视频拼接方法及装置，其中，该方法包括：通过多尺度相机阵列的全局相机和N个级别的局部相机采集场景的全局视频和多个局部视频；其中，N为正整数；利用嵌入式拼接算法将第一级别局部视频嵌入到全局视频中，生成一级全局视频；利用嵌入式拼接算法将第M级别局部视频嵌入到M‑1级全局视频中，生成M级全局视频，其中，M＝2、3、4…N，N为局部相机的级数；完成所有级别局部视频的嵌入处理，得到N级全局视频，输出N级全局视频作为场景的全局视频。
基于尺度相机阵列分级视频拼接方法装置

[发明专利]一种随机写的方法、电子设备及存储介质-CN202110323391.0有效
发明人：赵健雄 -专利权人：湖南国科微电子股份有限公司
申请日： 2021-03-25 - 公布日： 2022-10-14 - 主分类号： G06F3/06 文献下载
摘要：本申请提供一种随机写的方法、电子设备及存储介质，涉及数据存储技术领域，该方法包括：监控存储单元中全局映射表的转换指令，根据转换指令确定出待转换全局映射表的加载指令，根据加载指令从存储单元中加载所述待转换全局映射表，将加载后的待转换全局映射表进行批量数据转换，以得到转换后的全局映射表，以完成随机写的过程。通过将存储单元中进行随机写过程中多个需要进行数据转换的全局映射表进行批量数据转换，对多个待转换全局映射表同时进行处理，减小了全局映射表的数据转换所需的时间，提高了全局映射表的数据转换速率，提升了存储单元的随机写性能
一种随机方法电子设备存储介质

[发明专利]联邦学习模型训练方法、装置、计算机设备及存储介质-CN202211574598.6有效
发明人：杜杰;李炜;刘鹏;汪天富 -专利权人：深圳大学
申请日： 2022-12-08 - 公布日： 2023-08-01 - 主分类号： G06N20/00 文献下载
摘要：所述方法包括：获取来自服务器端的全局模型梯度和部分全局模型参数，以得到初始参数；利用所述初始参数更新本地模型；随机选取部分样本数据迭代训练所述本地模型，以得到本地模型梯度和部分本地模型参数；发送本地模型梯度和部分本地模型参数至服务器端，以由服务器端更新全局模型，当全局模型未收敛时，发送所述全局模型梯度以及部分全局模型参数，并执行所述获取来自服务器端的全局模型梯度和部分全局模型参数，以得到初始参数。通过实施本发明实施例的方法可实现采用低时间成本获取性能良好的全局模型，缩短联邦学习整体训练时间。
联邦学习模型训练方法装置计算机设备存储介质

[发明专利]基于异步分组联邦学习的数据保护方法、装置及系统-CN202310265804.3有效
发明人：周少鹏;王滨;朱伟康;王旭;毕志城;张峰 -专利权人：杭州海康威视数字技术股份有限公司
申请日： 2023-03-13 - 公布日： 2023-06-27 - 主分类号： G06F21/60 文献下载
摘要：本申请提供一种基于异步分组联邦学习的数据保护方法、装置及系统，该方法包括：将初始全局模型参数和初始扰动参数发送给物联网终端，以使物联网终端基于初始全局模型参数获取局部模型参数，基于局部模型参数和初始扰动参数生成扰动模型参数；从多个物联网终端获取多个扰动模型参数，基于多个扰动模型参数和每个扰动模型参数对应的权重系数确定目标全局模型参数；若目标全局模型参数未收敛，获取新的初始扰动参数，将目标全局模型参数确定为初始全局模型参数，将初始全局模型参数和初始扰动参数发送给物联网终端；若目标全局模型参数已收敛，将目标全局模型参数确定为已训练参数。
基于异步分组联邦学习数据保护方法装置系统

[发明专利]结合惯性导航系统的视觉传感器全局定位方法-CN202011305036.2有效
发明人：尹仕斌;郭寅;张楠楠;张泽阳 -专利权人：易思维（杭州）科技有限公司
申请日： 2020-11-19 - 公布日： 2023-06-06 - 主分类号： G01C21/16 文献下载
摘要：本发明公开了一种结合惯性导航系统的视觉传感器全局定位方法，在任一测量位置处，判断：全局定位装置能否进行全局定位；若是，利用全局定位装置获取：视觉传感器坐标系与全局坐标系之间的关系以及惯性导航系统坐标系与全局坐标系之间的关系；若否，利用惯性导航系统实时获取从上一正常测量位置移动到当前测量位置的惯性导航数据，再利用所述惯性导航数据解算视觉传感器坐标系与全局坐标系之间的关系；对每个测量位置处的视觉传感器进行全局定位，完成对待测工件所有测点的三维测量；本方法能够在被遮挡的位置进行全局定位，具有便捷、高效的特点。
结合惯性导航系统视觉传感器全局定位方法

[实用新型]一种DRAM全局字线驱动电路-CN201920881743.2有效
发明人：杜艳强;吴君;张学渊;朱光伟 -专利权人：苏州汇峰微电子有限公司
申请日： 2019-06-13 - 公布日： 2019-12-06 - 主分类号： G11C11/408 文献下载
摘要：本实用新型公开了一种DRAM全局字线驱动电路，包括全局字线驱动模块和电源切换模块，所述的电源切换模块的输出与多个所述的全局字线驱动模块的电源输入相连，其中，所述的全局字线驱动模块包括依次连接用于驱动全局字线的地址选择下拉电路、预充电锁存电路和全局字线输出驱动电路。通过上述方式，本实用新型提供的DRAM全局字线驱动电路，结构简单，设计合理，能够有效地降低DRAM全局字线驱动电路在待机模式下的漏电，通过降低待机模式下的全局字线驱动电路的电源电压，来减小其晶体管源漏两端跨压
全局字线驱动电路驱动模块电源切换模块本实用新型减小输出驱动电路在待机模式待机模式地址选择电源电压电源输入晶体管源漏电电流锁存电路下拉电路依次连接阈值电压漏电有效地预充电跨压驱动输出

[发明专利]具有在相同金属层上的共享第一和第二全局读字线以及全局写字线的3端口位单元阵列-CN201580061935.3有效
发明人： N·N·莫江德;S·S·宋;Z·王;P·刘;K·利姆;C·F·耶普 -专利权人：高通股份有限公司
申请日： 2015-10-26 - 公布日： 2019-05-21 - 主分类号： G11C8/14 文献下载
摘要：该装置还包括第一全局读字线(240)，该第一全局读字线(240)被配置成选择性地耦合到第一行位单元和第二行位单元。该装置进一步包括第二全局读字线(244)，该第二全局读字线(244)被配置成选择性地耦合到第一行位单元和第二行位单元。该装置还包括全局写字线(242)，该全局写字线(242)被配置成选择性地耦合到第一行位单元和第二行位单元。第一全局读字线、第二全局读字线、以及全局写字线位于共用金属层(M4)中。
具有相同金属共享第一第二全局读字线以及写字端口单元阵列