-
公开(公告)号：CN118536684A
公开(公告)日：2024-08-23
申请号：CN202410586711.5
申请日：2024-05-12
Applicant: 哈尔滨理工大学
IPC: G06Q10/047 , G06N3/0442 , G06N3/092 , G06N3/006 , G06N3/084
Abstract: 本发明涉及一种基于深度强化学习的多智能体路径规划方法，属于人工智能领域的深度强化学习子领域，重点解决多智能体系统中的路径规划和协作问题。方法包括：S1利用传感器获取环境信息，如智能体位置、目标位置、障碍物位置，并传输给智能体系统。S2将环境信息抽象为数学表达，构建状态空间和动作空间，便于智能体决策。S3训练嵌入门控循环单元(GRU)模块的MADDPG算法模型，动态调整智能体行为，提高路径规划性能。训练过程中，智能体根据环境信息和GRU模块输出更新策略，最大化预期奖励。S4由MADDPG算法输出智能体行动轨迹，实现协调和路径规划。该方法适用于智能交通管理、协作机器人、无人机编队等领域，提升路径规划质量。
-
公开(公告)号：CN118334588A
公开(公告)日：2024-07-12
申请号：CN202410586706.4
申请日：2024-05-12
Applicant: 哈尔滨理工大学
IPC: G06V20/52 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/764 , G06V10/80
Abstract: 一种基于注意力融合与残差结构的视频人群异常检测方法，属于视频异常检测领域。包括步骤：对原始视频进行预处理，将视频分为正样本与负样本，同时将视频分割为多个连续帧并对视频进行缩放为同样大小；将连续帧进行堆叠输入至生成器中，通过注意力融合与残差结构生成器的编码‑解码结构进行特征的提取与融合。同时引入光流网络进行运动特征提取；引入对抗学习与强度损失、梯度损失、光流损失，将生成网络与判别网络进行多组训练；将含有负样本的测试原始数据与生成器所生成的预测帧输入至判别网络中，得出测试判别分数。本发明引入注意力融合与残差结构，可以强化时间特征与空间特征的时空特征融合，实现对跨层信息的传递，提高特征的表达能力。
-
公开(公告)号：CN113992669A
公开(公告)日：2022-01-28
申请号：CN202111240583.1
申请日：2021-10-25
Applicant: 哈尔滨理工大学
IPC: H04L67/10 , H04L67/1095 , H04L9/40 , H04L67/55
Abstract: 本发明公开了一种工业内可信消息的分布式数据分发方法，属于通信电子计算机领域。本发明包括发布者节点(PUB)与若干订阅者节点(SUB)，其中PUB端中有信息处理模块、数据持久化模块、信息缓存模块与发布模块，SUB端中有接收模块、信息处理模块与数据持久化模块。本发明属于消息中间件技术，可跨平台应用于多种操作系统。本发明将待分发的消息(Message)通过信息处理模块建立Label‑Message标签映射关系配合数据持久化模块与信息缓存模块，实现对Message进行加密处理的同时减少信息分发的带宽资源浪费与减少信息分发时的丢包率，同时又使数据分发服务的灵活性保持不变，提高用户体验。
-
公开(公告)号：CN116827794A
公开(公告)日：2023-09-29
申请号：CN202310495775.X
申请日：2023-05-05
Applicant: 哈尔滨理工大学
IPC: H04L41/0894 , H04L41/0803 , H04L41/5051 , H04L41/5054 , H04L67/1004 , H04L67/1008 , G06F9/50
Abstract: 一种基于kubernetes的动态组合资源调度方法、电子设备及存储介质，属于云计算技术领域。为解决kubernetes中现有调度策略考虑资源种类少，未考虑pod资源类型和pod间关系的问题。本发明主控节点接收待调度pod的资源清单；识别待调度pod的主要资源、待调度pod的规模；工作节点向主控节点报告工作节点信息；主控节点分析工作节点信息，分析后将信息填入节点信息表，所述节点信息表包括RP表、镜像表、QoS表；主控节点生成动态组合状态位；对动态组合状态位排序，将待调度pod调度到动态组合状态位优先级最高的工作节点中；判断待调度pod是否调度完毕。本发明能减少时间成本和计算成本，保证服务质量。
-
公开(公告)号：CN116471186A
公开(公告)日：2023-07-21
申请号：CN202310445126.9
申请日：2023-04-23
Applicant: 哈尔滨理工大学
IPC: H04L41/0823 , G06F9/455 , H04L67/10
Abstract: 本发明公开了一种大规模图像处理场景下的云计算网络优化方法，属于电子计算机领域。本发明包括：针对大规模图像处理服务部署时对计算资源要求高的背景下，提出将有共享资源需求的容器化服务以一种类似进程组的方式进行打包，封装成容器组作为整体调度单位，根据不同容器组合提供的服务会离散分布在集群中各个业务节点上，导致集群中服务之间跨节点相互调用时耗费网络资源的问题，提出一种大规模图像处理场景下的云计算网络优化方法，云计算利用自身的存储与计算能力使图像处理技术的发展空间更为广阔,有效地实现了资源的合理分配，其次减少对云计算分布式集群内部网络资源的耗费与服务迟延，减少计算压力并提高处理图像的效率。
-
Patent Agency Ranking
公开(公告)号：CN113900822A
公开(公告)日：2022-01-07
申请号：CN202111263932.1
申请日：2021-10-27
Applicant: 哈尔滨理工大学
IPC: G06F9/50
Abstract: 本发明公开了一种新的权重可变的资源调度方法，涉及容器集群领域，该方法包括对容器化集群中资源(CPU，内存，存储，镜像)的监控，并以固定时间间隔将获取的资源信息，保存在数组中；当有新任务调度时，从数组中按照比例获取满足其资源需求的节点，并对满足任务资源需要的节点进行初始筛选；根据生产需要手动赋予不同的权重，对通过筛选的节点，权值累加求和，进而选出总分最高的工作节点进行任务绑定。本公开方案能够在新任务加入集群时，减少任务调度的时间消耗，并在任务部署阶段有效节约占用的网络带宽。
-
公开(公告)号：CN117729251A
公开(公告)日：2024-03-19
申请号：CN202311733721.9
申请日：2023-12-18
Applicant: 哈尔滨理工大学
IPC: H04L67/56 , G06F9/455 , H04L67/133
Abstract: 本发明公开了一种边缘计算设备、嵌入式设备、控制系统及其构建方法，其中，控制系统包括：边缘计算设备，基于Kubernetes平台部署有多个节点和集群控制中心；在集群控制中心中部署有容器管理器；以及嵌入式设备，嵌入式设备基于LiteOS系统部署有对应的容器管理器代理，容器管理器代理用于与容器管理器进行交互通讯，将嵌入式设备构建为集群控制中心中的节点。本发明可以将运行LiteOS系统的嵌入式设备集成到边缘云集群，实现更强大的边缘云计算算力；这大大地降低了LiteOS系统的使用者部署边缘云的成本，以及有关IoT应用的开发成本。
-
公开(公告)号：CN116612033A
公开(公告)日：2023-08-18
申请号：CN202310596145.1
申请日：2023-05-24
Applicant: 哈尔滨理工大学
Abstract: 一种基于改进多尺度Retinex算法的暗光图像增强方法，属于图像处理领域。包括步骤：将原始RGB图像转换至HSI，将I分量复制，对第一I分量采用改进的多尺度Retinex算法即结合巴特沃斯低通滤波与高斯滤波加权计算得到新的中心环绕函数进行处理，对第二I分量采用CLAHE和均值滤波进行增强，融合处理后的I分量并保留处理后的清晰特征，转换回RGB目标图像。本发明通过采用一种基于改进多尺度Retinex算法的暗光图像增强方法，针对传统方法在细节保留，色彩保留等方面的不足做出了改善，使图像亮度增强，保护图像细节的同时提高图像的对比度并有效去除图像噪声，保持图像真实性。
-
公开(公告)号：CN116363015A
公开(公告)日：2023-06-30
申请号：CN202310438562.3
申请日：2023-04-22
Applicant: 哈尔滨理工大学
IPC: G06T5/00 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提出的一种基于Retinex理论和卷积神经网络的低照度图像增强方法，首先将成对的低照度图像和正常光照图像输入到分解网络，该分解网络输出一对三通道的反射分量和一对单通道的光照分量；然后将低照度图像分解得到的反射分量输入到反射分量去噪网络，得到去噪后的反射分量；再将低照度图像分解得到的光照分量输入到光照分量增强网络，得到增强后的光照分量；最后将去噪后的反射分量和增强后的光照分量进行点乘得到最终增强图像。本发明基于Retinex理论，利用卷积神经网络实现低照度图像的增强，并构建了一系列损失函数对卷积神经网络的参数进行约束优化，达到所期望的低照度图像亮度、对比度增强，极大程度上避免增强区域出现严重的噪声和颜色失真。
-
公开(公告)号：CN222134991U
公开(公告)日：2024-12-10
申请号：CN202420266435.X
申请日：2024-02-02
Applicant: 哈尔滨理工大学
Abstract: 本实用新型公开了基于视觉识别的自适应调整式夹爪及物品拾取机械手，其中，基于视觉识别的自适应调整式夹爪包括：OpenMV摄像头模块，用于识别物品的类别和尺寸大小；连接座，连接座上安装有基座；夹持模块，设置有一对，用于已识别的将物品夹住；调节机构，安装在基座上，用于调整一对夹持模块之间的间距，以适配物品的尺寸大小；微型控制器，其基于OpenMV摄像头模块的识别结果，用于控制调节机构执行调节动作，还用于控制夹持模块执行夹持动作。本实用新型结构合理，可以识别物品的类别和尺寸大小，能够自适应调整夹持模块间距，可以稳定拾取各类室内不同大小物品。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.018 seconds)
