-
公开(公告)号：CN118552417A
公开(公告)日：2024-08-27
申请号：CN202410475232.6
申请日：2024-04-19
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本申请公开了一种基于跟踪算法的高效视频场景图生成方法和装置，采用对象元素跟踪方法获取每帧画面中的元素信息，再联系时间上下文信息拟合出每帧画面中对象元素之间的场景关系，并根据场景关系生成对应的场景图。本申请避免了传统获取元素信息方案中对每帧画面进行对象元素识别的方法，减少对象元素的检测次数，较大程度上提高了场景图生成效率。此外，本申请仅对元素预测置信度最高的对象元素进行跟踪，丢弃了低置信度对象的预测结果对获取元素信息准确度的干扰。
-
公开(公告)号：CN114298973A
公开(公告)日：2022-04-08
申请号：CN202111457519.9
申请日：2021-12-01
Applicant: 哈尔滨工业大学 , 哈尔滨工业大学人工智能研究院有限公司
Abstract: 本发明公开了一种基于红外图像分割的智能供热监测方法，属于智能供热监测技术领域，解决现有技术用户接受度低、设备成本高且难以管理和鲁棒性差的问题。本发明的方法包括：采集建筑热力图，选取用于预测室内温度的目标区域；利用标注后的建筑热力图对图像分割模型进行训练，获得基于深度学习的红外图像分割模型，利用基于深度学习的红外图像分割模型获取若干个目标区域热力图；采集目标区域热力图对应的室内温度；选取与室内温度最接近线性变化规律的温度数据为室外温度采集数据；建立室外温度采集数据和室内温度的温度拟合方程；根据室外温度采集数据和温度拟合方程，获取室内温度预测值。本发明适用于智能供热中对室内温度的监测。
-
公开(公告)号：CN118488322B
公开(公告)日：2024-11-01
申请号：CN202410951152.3
申请日：2024-07-16
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H04N23/84 , H04N23/86 , H04N25/47 , G06T5/60 , G06T3/4015 , G06T3/4046 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及发明一种图像去马赛克方法及系统。其中方法包括：获取包括应用混合事件图像传感器采集的RGB颜色信息的马赛克图像；根据所述马赛克图像获取Quad Bayer排列位置图和事件位置掩码图；根据将所述马赛克图像、所述Quad Bayer排列位置图和所述事件位置掩码图应用基于深度神经网络的两阶段去马赛克模型进行处理，获取去马赛克后的重建图像。通过以上方式，能够同时考虑颜色信息和位置信息，通过二者的共同编码实现高质量的去马赛克效果，重建出去马赛克的高质量的RGB图像。
-
公开(公告)号：CN118488322A
公开(公告)日：2024-08-13
申请号：CN202410951152.3
申请日：2024-07-16
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H04N23/84 , H04N23/86 , H04N25/47 , G06T5/60 , G06T3/4015 , G06T3/4046 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及发明一种图像去马赛克方法及系统。其中方法包括：获取包括应用混合事件图像传感器采集的RGB颜色信息的马赛克图像；根据所述马赛克图像获取Quad Bayer排列位置图和事件位置掩码图；根据将所述马赛克图像、所述Quad Bayer排列位置图和所述事件位置掩码图应用基于深度神经网络的两阶段去马赛克模型进行处理，获取去马赛克后的重建图像。通过以上方式，能够同时考虑颜色信息和位置信息，通过二者的共同编码实现高质量的去马赛克效果，重建出去马赛克的高质量的RGB图像。
-
公开(公告)号：CN115827239A
公开(公告)日：2023-03-21
申请号：CN202211603470.8
申请日：2022-12-13
Applicant: 哈尔滨工业大学 , 哈尔滨工业大学(深圳)
IPC: G06F9/50
Abstract: 本发明提出了一种基于深度强化学习的动态频率和深度学习模型卸载联合调节方法及系统，首先建立边缘设备能耗最小化模型；然后构建基于DVFS的边云协同推理框架，以联合优化边缘设备的能耗和端到端延迟；再构建基于DRL的增强型DVFS优化算法DVFO，通过联合优化边缘设备的计算频率和特征图的卸载比例来减少边缘设备的整体能耗；最后建立卸载机制，以解决特征图的卸载瓶颈问题，避免特征图的大小直接影响边云协同推理的端到端延迟；本发明用于云边协同推理中的DNN特征图卸载，使用“边移动边思考”并发策略的强化学习算法为每个任务计算特征图的最佳卸载比和边缘设备的计算频率，以最小化边缘设备的能耗。
-
Patent Agency Ranking
公开(公告)号：CN120065243A
公开(公告)日：2025-05-30
申请号：CN202510262340.X
申请日：2025-03-06
Applicant: 哈尔滨工业大学
IPC: G01S17/894 , G01S19/42 , G01B11/30 , G06V10/26
Abstract: 基于无人机的耕作农机作业质量检测方法，本发明涉及耕作农机作业质量检测领域，特别涉及耕作农机作业质量检测方法。本发明目的是为了解决旋耕机耕后土地平整度检测任务中人力成本消耗大、效率低下的问题，而提出基于无人机的耕作农机作业质量检测方法。基于无人机的耕作农机作业质量检测方法包括以下步骤：步骤S1、获得RGB影像数据；步骤S2、对步骤S1获取的影像数据进行处理，得到处理后数据；步骤S3、基于步骤S2得到的处理后数据，得到滤波后三维点云数据Plidar；步骤S4、基于步骤S3计算碎土率和土地平整度。
-
公开(公告)号：CN116331709B
公开(公告)日：2025-05-16
申请号：CN202310210594.8
申请日：2023-03-07
Applicant: 哈尔滨工业大学
Abstract: 本发明提出一种四全向轮驱动的传输系统及其控制方法。所述传输系统采用全向轮构建的平台进行包裹运输，同时，该系统基于分布式多智能体设备进行基本的控制指令下发，并且通过视觉定位模块定位包裹位置。所述传输系统可以将传统的单出入口的传送带替换为本发明所提出的四轮驱动的全向轮传输系统，将不同来源的包裹通过多入口运输至传送平台，再利用多出口运输至不同的目的地，这样能够有效地提高货物的分拣效率，达到货物仓库的最大化利用。
-
公开(公告)号：CN118414945A
公开(公告)日：2024-08-02
申请号：CN202310077239.8
申请日：2023-02-01
Applicant: 哈尔滨工业大学人工智能研究院有限公司
Abstract: 本发明公布了一种智能网联旱作水稻小麦播种施肥一体机，包括机架，所述机架的右端通过螺栓连接有压土辊调节支腿，所述压土辊调节支腿的下端安装有轴承，所述轴承中转动连接有压土辊，所述机架的左端连接有覆土板，所述机架的底壁右侧通过螺栓连接有开沟器连接梁，所述开沟器连接梁的下端安装有开沟器，所述机架的底部左侧固定有连接法兰，所述连接法兰的下端通过四连杆机构连接有镇压轮与覆土焊筒；本发明结构设计合理，播种深度一致性好，避免了漏播情况的产生，能够让农户更加科学的种植。
-
公开(公告)号：CN118246601A
公开(公告)日：2024-06-25
申请号：CN202410412380.3
申请日：2024-04-08
Applicant: 哈尔滨工业大学
IPC: G06Q10/04 , G06Q50/02 , G06F18/15 , G06F18/213 , G06N3/0455 , G06N3/0442 , G06N3/08 , G06F123/02
Abstract: 本发明涉及数据处理技术领域，提供一种作物生长相关趋势预测方法、装置、电子设备及存储介质，包括：对预先获取的作物生长趋势时序进行修补处理，为时序中每个变量配置对应的通道和相同的权重，根据权重对处理后的时序进行转化得到深层特征；利用编码器和解码器对深层特征进行编码及解码，得到第二特征，并进行后处理，得到目标预测结果。通过对作物生长趋势时序进行修补处理及通道分配得到深层特征，利用编码器、解码器依次对转化后的深化特征进行编码及解码及后处理得到目标预测结果，提高时序预测准确性和预测效率，同时使得处理后的深层特征适配不同的编码器和解码器，有效提高了时序预测的通用性。
-
公开(公告)号：CN112580481B
公开(公告)日：2024-05-28
申请号：CN202011466467.7
申请日：2020-12-14
Applicant: 康佳集团股份有限公司 , 哈尔滨工业大学(深圳) , 深圳哈工大科技创新产业发展有限公司
IPC: G06V20/40 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , H04N19/42 , H04N19/70
Abstract: 本发明公开了基于边缘节点和云端协同视频处理方法、装置、服务器，方法包括：获取边缘节点进行视频图像压缩编码处理后的视频图像像素数据；对视频图像像素数据进行视频图像解码，得到图像解码数据；将图像解码数据进行基于卷积神经网络模型的视觉特征分析训练，得到视频图像视觉特征分析数据。本实施例中通过将边缘节点和云端服务器协同来处理视频数据，使得算力需求较低的任务在边缘节点运行，而算力需求高的任务在云端服务器运行，结合了云端服务器计算的高性能和边缘节点计算的低延迟和私密性，同时使用流水线机制来提高计算任务的吞吐率，从而提高运算效率。
-
-
-
-
-
-
-
-
-
Search Results
112
records
(took 0.047 seconds)
