当前第 148 / 5741 页 共 57406 项数据
知识产权简介:本申请所要解决的技术问题是判别式神经网络模型无法补偿因过度抑制使得输出信号中出现的缺失或受到严重破坏的频率成分。其主要的发明点在于直接基于语音离散化技术，将连续语音转化为一个离散标记序列，再训练一个使用离散标记序列为输入的声码器，将其转化为语音。
- 国民经济行业: 信息传输、软件和信息技术服务业／软件和信息技术服务业／软件开发
- 权利人: 上海交通大学
- 联系合作
知识产权简介:本发明提供一种基于多模态输入的人体动作重建技术，所述多模态输入的人体动作重建技术包括：基于单RGB相机输入及逆向动力学的肢体动作追踪及补全方法，基于单RGB相机输入及语音信号的人脸遮挡情况下动作追踪方法，多RGB相机输入下并行化架构设计和脸部关键点位置与肢体关节点位置基于运动连贯性的融合算法。本发明能够在严重面部遮挡的情况下较为准确的重建出面部关键点，并较为自然的与肢体关节点在尺度、旋转上融合，有效解决疫情下佩戴口罩时全身动作追踪时面部动作追踪精度低的技术问题。
- 国民经济行业: 信息传输、软件和信息技术服务业／软件和信息技术服务业／软件开发
- 权利人: 上海交通大学
- 联系合作
知识产权简介:本专利为一种面向云上黑盒应用的服务质量违反感知与干扰源检测技术。技术包括离线准备阶段和在线监测阶段。 在离线阶段对常见云上在线业务建立相应的QoS违反预测模型、工作负载预测模型以及资源压力-QoS曲线簇，并采集业务在不同工作负载状态下运行的资源使用向量和函数调用列表搭建典型应用函数调用列表库。 在在线监测阶段：黑盒应用部署时，该技术会根据其资源分配情况为其打上相应的资源使用标签，随后通过采集黑盒应用运行时的资源使用向量和函数调用列表信息对黑盒应用进行分类，匹配与之相似度最高的典型应用，确定该黑盒应用的类型。在监测期间，该技术持续采集在线业务运行期间的各种共享资源的资源使用率（包括CPU利用率、LLC占用量、内存带宽占用量等）、操作系统统计信息以及eBPF脚本抓取信息，通过QoS 违反预测模型判断当前业务是否发生QoS违反。如果业务发生QoS违反，该技术会调用其工作负载预测模型预测应用当前工作负载，选取相应的压力曲线模型，依据压力曲线计算各共享资源和竞争容器对Qos的影响程度，并定位QoS干扰源。
- 国民经济行业: 信息传输、软件和信息技术服务业／软件和信息技术服务业／软件开发
- 权利人: 上海交通大学
- 联系合作
知识产权简介:本发明公开了一种基于感数信息的弱监督显著目标检测方法,其方法包括两个模块:显著性感数模块（SSM）和显著性更新模块（SUM）。SSM 用于对显著目标进行计数并提取标识有目标物体位置的粗显著图。SUM 用于更新由 SSM 获得的显著图，并将其逐步扩展为完整的显著图。最终使用一个后处理方法对物体边缘进行细化。在每个阶段，生成的显著性图会和原始图像结合，生成了新的融合图像，这种融合图像会成为下一个迭代的输入图像，网络会逐步学习那些相关但不够显著的区域，逐步达到细化的效果。本发明解决了依赖于大量的像素级标签的费力低效的问题，以及在有限类别内检测通用物体，而不是显著物体的问题，提升了可用训练样本的数量，保证了图像类别标签的显著性。
- 国民经济行业: 信息传输、软件和信息技术服务业／软件和信息技术服务业／软件开发
- 权利人: 上海交通大学
- 联系合作
知识产权简介:本发明提供了一种基于动态层高的LSM树读优化设计方法，包括：一、一种根据写负载动态变化层高的设计方法，通过在写流量较大时增加一层来保证写性能不受影响，在写流量较小时减少一层来提高读性能；二、将后台合并细分为普通合并与减层合并，并分别用不同的线程执行。本发明设计了可以根据工作负载动态调整层数的LSM树架构，能够在不牺牲写性能的前提下，很大程度上提高基于LSM树的键值存储的读性能。
- 国民经济行业: 信息传输、软件和信息技术服务业／软件和信息技术服务业／数据处理和存储服务
- 权利人: 上海交通大学
- 联系合作
知识产权简介:本发明提供一种基于分阶段处理的大尺度相变模拟方法，所述分阶段处理方法包括：初始化环境信息与模拟信息；使用基于物理的方法进行水体和冰体模拟；计算温度场的演化与冰水相变；进行冰和水在不同模型间的转化；使用实时方法进行水体与冰体模拟；计算用户交互以及冰与水的相互作用。其中，使用基于物理的方法进行冰、水以及相变模拟为第一阶段，该阶段主要处理相变，采用高精度、非实时的方法；第二阶段在第一阶段计算结果的基础上进行模拟，该阶段主要处理交互，采用快速、视觉效果好的实时方法。本发明相较于现有技术能够更加基于物理地模拟湖泊、河流的结冰与融化过程，同时在相变的过程中支持实时交互，模拟冰的破碎、漂浮等现象。
- 国民经济行业: 信息传输、软件和信息技术服务业／软件和信息技术服务业／软件开发
- 权利人: 上海交通大学
- 联系合作
知识产权简介:本发明提供了一种针对Linux恶意代码的技战术自动化分析系统。首先，通过爬取MITRE ATT&CK技战术描述网页提取恶意功能特征，结合特征编写针对Linux恶意代码的静态识别规则和动态识别规则；然后，对恶意代码进行静态分析和识别，包括代码查壳、脱壳和静态规则匹配三个步骤；随后，对恶意代码进行动态分析和识别，提供多种执行环境保证代码的顺利执行，并对代码的动态行为进行监控和规则匹配；最后，结合静态分析和动态分析的结果，输出代码对应的技战术。总体上，该发明能够解决静态分析不能处理加壳样本和Linux恶意代码动态执行环境复杂的问题，两种方法取长补短，完整地对恶意代码的功能进行分析。同时，针对目前静态分析引擎和动态分析引擎主要覆盖Windows恶意代码的问题，该发明将检测能力扩展到了Linux恶意代码。该系统以Linux恶意代码作为输入，通过自动化分析输出恶意代码使用的技战术，使安全人员对恶意代码的功能有直观的认识。
- 国民经济行业: 信息传输、软件和信息技术服务业／软件和信息技术服务业／软件开发
- 权利人: 上海交通大学
- 联系合作
知识产权简介:本专利提出了一种基于检索型问答方法的网页导航任务DOM节点剪枝方法，用于提高网页元素剪枝的效率和准确性。
- 国民经济行业: 信息传输、软件和信息技术服务业／互联网和相关服务／互联网信息服务
- 权利人: 上海交通大学
- 联系合作
知识产权简介:本发明涉及一种基于机器学习识别电器类别及使用状态的智能插座设备，其中方法包括设备数据采集：以智能插座方法采集一定量的家用设备电流数据与状态信息，筛选并构建设备数据集；设备状态的自监督分类：建立多种机器学习算法与神经网络模型，进行设备状态的分类；机器学习架构下插入的设备及其使用状态进行预测：应用机器学习的方法对实际应用场景下的设备类型及其使用状态进行准确预测。与现有技术相比，仅利用对电流信号的数据提取，即可达到类别和电器状态识别的效果，降低了智能插座的成本，应用多种高性能神经网络混合建模，在较低计算量下保证较高的准确率，并基于度量学习的深度学习方法，对电器的状态进行无监督分类，由用户自由打上相应标记或者选择默认流程标记，实现对电器使用全状态的分类。
- 国民经济行业: 信息传输、软件和信息技术服务业／软件和信息技术服务业／信息系统集成服务
- 权利人: 上海交通大学
- 联系合作
知识产权简介:本发明提供一种用于临床观察研究中评估药物、手术等干预效果的生存曲线矫正方法，用以消除观察实验中如性别、年龄等不平衡因素对结局变量的潜在影响，获得干预因素同干预效果之间的真实因果关系，通过数据预处理模块，收集患者干预状态、删失状态、随访时间以及除干预以外的重要临床因素；经过协变量平衡模块，抽取可能影响结局变量的其他因素从而确立平衡目标；经过多重假设检验模块，寻找使两组协变量无统计差异的超参数，即通过该超参数的加权可以实现干预组和对照组患者矫正目标的平衡；最后在生存曲线矫正模块，使用上一模块获得超参数对应的权重对样本进行加权从而绘制矫正后生存曲线，通过假设检验，在平衡各种协变量的情况下评估该干预的临床有效性。本发明基于干预组和对照组协变量分布的平衡，从根本上消除了协变量，即混杂因子对终点事件分析和临床干预效果评估的影响，可以用于临床药物、手术、疫苗等干预因素的有效性评估，且对比现有估计因果效应的方法均有明显的准确率提升。
- 国民经济行业: 信息传输、软件和信息技术服务业／软件和信息技术服务业／软件开发, 卫生和社会工作／卫生／医院／综合医院
- 权利人: 上海交通大学
- 联系合作