Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 山东省计算中心(国家超级计算济南中心);齐鲁工业大学陈静获国家专利权

山东省计算中心(国家超级计算济南中心);齐鲁工业大学陈静获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉山东省计算中心(国家超级计算济南中心);齐鲁工业大学申请的专利一种基于云边端架构的图像联合推理识别系统及方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN115187847B

龙图腾网通过国家知识产权局官网在2026-01-27发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202210832612.1,技术领域涉及:G06V10/82;该发明授权一种基于云边端架构的图像联合推理识别系统及方法是由陈静;肖恭翼;郭莹;李娜;孙浩;李文;张传福设计研发完成,并于2022-07-14向国家知识产权局提交的专利申请。

一种基于云边端架构的图像联合推理识别系统及方法在说明书摘要公布了:本发明涉及一种基于云边端架构的图像联合推理识别系统及方法,包括云平台层、通信网络层、边缘层、终端层;云平台层包括云计算中心、数据库、云端文件存储系统、镜像仓库;边缘层包括集成在目标图像识别场景中的各个设备,包括边缘设备、本地文件存储系统;终端层是目标图像识别场景中具有数据采集功能的终端设备,用于将监控采集的实时图像、视频通过有线或无线网络传输到边缘层,以待检测。本发明采用云边联合推理算法,攻克只将模型单边部署于云端或者边缘端的缺点,能更多更快的对多目标进行检测识别,充分利用云边资源,更适用于复杂的多目标图像识别与检测作业。

本发明授权一种基于云边端架构的图像联合推理识别系统及方法在权利要求书中公布了:1.一种以云边端架构为基础的图像联合推理识别系统,其特征在于,包括云平台层、通信网络层、边缘层及终端层; 所述云平台层包括云计算中心、数据库、云端文件存储系统、镜像仓库; 所述云计算中心用于云端、边缘端人工智能图像识别模型的训练以及处理边缘端卸载到云计算中心的图像识别任务;所述数据库用于存储寻址目录地址;所述云端文件存储系统用于存储云端、边缘端人工智能图像识别模型以及该模型训练所用的训练集、测试集图像文件;所述镜像仓库用于存储云计算中心训练好的云端、边缘端人工智能图像识别模型生成的镜像文件; 所述通信网络层用于边缘层与云平台层之间的信息交互、数据上传、模型与镜像的下载; 所述边缘层包括集成在目标图像识别场景中的各个设备,包括边缘设备、本地文件存储系统; 所述边缘设备承载边缘端人工智能图像识别模型,用于处理目标图像识别场景中终端层上传来的监控数据,且通过联合推理算法计算该监控数据是否启用云端人工智能图像识别模型进行检测;所述本地文件存储系统用于存储历史以及最新版本的边缘端人工智能图像识别模型的镜像文件、可执行程序、终端层上传的图像数据集以及检测结果; 所述终端层是目标图像识别场景中具有数据采集功能的终端设备,用于将监控采集的实时图像、视频通过有线或无线网络传输到边缘层,以待检测; 通过联合推理算法计算该监控数据是否启用云端人工智能图像识别模型进行检测,包括: 步骤1:计算边缘设备模型负载与资源利用的关系Dr,h得到资源压力负载参数n1的值: Dr,h如式1所示: 式1中,Ra与Rb分别为当前边缘设备cpu剩余率与内存剩余率,V1、V2为调节常数,a为模型启动时间平均常数,hi为当前该次作业数据大小; 当Dr,h的值低于0,n1=0,进入步骤6.2;否则,n1=1,进入步骤6.3; 步骤2:当n1=0时,表示当前边缘设备剩余资源不足以支持该次检测的负载;计算边缘设备与云计算中心网络情况Wt得到网络状态参数n2,Wt如式2所示: 式2中,T为边缘设备与云计算中心网络连接之间各个网关的延迟,m为连通路径上网关数量;当Wt大于150ms,n2=0,否则,n2=1; 如果n2=1,表示当前边缘设备与云计算中心网络连接状态良好,则将该图像上传到云端,启动云端人工智能图像识别模型进行识别;如果n2=0,表示当前边缘设备与云计算中心网络连接状态较差,则将该图像标记为不适宜上传云端识别状态,返回步骤6.1,当下次n2被计算并满足条件时便上传到云端人工智能图像识别模型进行检测; 步骤3:当n1=1时,表示当前边缘设备剩余资源足够支持该次检测的负载,启动人工智能图像识别模型进行检测,计算边缘端模型检测精度By;By如式3所示: 式3中,C为最低期望精准度,yi为该次检测的实际精准度;当By≥0时,检测精准合格参数n3=1,进入步骤6.4;By0时,n3=0,进入步骤6.4; 步骤4:如果n3=1时,表示边缘端图像识别模型对该图像的识别结果有较高精准度,将该图像标记为已识别,存入本地文件存储系统中; 步骤5:如果n3=0时,表示边缘端图像识别模型对该图像的识别结果精准度较低,计算Wt得到n2的值,如果h2=0,则将该图像标记为不适宜上传云端识别状态,等待网络状况良好再上传至云端;如果n2=1时,则将该图像上传到云端,启动云端人工智能图像识别模型进行识别。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人山东省计算中心(国家超级计算济南中心);齐鲁工业大学,其通讯地址为:250014 山东省济南市科院路19号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。