-
公开(公告)号：CN114118406B
公开(公告)日：2025-04-11
申请号：CN202111262226.5
申请日：2021-10-28
Applicant: 哈尔滨工业大学 , 中国航天科工集团第二研究院
IPC: G06N3/0495 , G06N3/084 , G06N3/0464
Abstract: 一种卷积神经网络的量化压缩方法，解决了如何能够在提高压缩比的同时有效保留精度的问题，属于神经网络加速领域。本发明包括：S1、获取卷积神经网络的原始权重张量、输入特征张量以及量化点；S2、将原始权重张量输入至DP结构，DP结构对原始权重张量进行修改，输出修改后的原始权重张量；S3、利用量化点及量化函数对修改后的原始权重张量及除第一层外的原始输入特征张量进行定点量化；利用定点量化后的权重张量和输入特征张量替换原始权值张量和输入特征张量，得到量化后的卷积神经网络；S4、将训练数据输入至量化后的卷积神经网络，计算loss，利用反向传播和梯度下降更新DP结构的参数和原始权重张量，转入S2，进行下一轮，直至训练完成。
-
公开(公告)号：CN119513481A
公开(公告)日：2025-02-25
申请号：CN202411582239.4
申请日：2024-11-07
Applicant: 哈尔滨工业大学
Abstract: 本发明是一种基于高斯过程多核融合的目标检测性能曲面渐进采样方法。本发明涉及目标检测技术领域，本发明在目标检测过程中，进行多层次搜索空间构建，在复杂的性能曲面场景中实现高效的核函数组合与优化；建立多尺度协同自适应核体系的渐进采样优化策略，逐步优化核函数组合结构和参数，提高高斯过程模型对目标检测性能曲面的拟合精度。本发明方法主要用于解决多维干扰条件下的模型性能评估问题，通过优化核函数组合与参数调优，提高目标检测模型在复杂环境中的性能评估效率和准确性。
-
公开(公告)号：CN116311353A
公开(公告)日：2023-06-23
申请号：CN202310087699.9
申请日：2023-02-09
Applicant: 哈尔滨工业大学
IPC: G06V40/10 , G06V20/40 , G06V10/80 , G06V10/82 , G06V10/764 , G06T7/246 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/045 , G06N3/08
Abstract: 基于特征融合的密集行人多目标跟踪方法、计算机设备和存储介质，属于计算机视觉跟踪技术领域，解决现有未有针对密集场景下的行人进行跟踪方法问题。本发明的方法包括：首先，设计了一种新的目标中心点建模方法，利于将目标中心点位置定位更准确；其次，提出了一种轻量化的重识别特征提取网络，并利用基于本量矩阵的相似度比较方法获取目标帧间位移预测；然后，设计了一种基于混合注意力机制的特征增强网络，将时间维度的帧间信息和空间维度的静态信息进行融合，增强了检测任务与跟踪任务之间的联系；最后，通过二次数据关联的方法将检测结果与目标位移进行整合，获得最终轨迹。本发明适用于密集目标场景下的多行人跟踪。
-
公开(公告)号：CN111414994A
公开(公告)日：2020-07-14
申请号：CN202010150245.8
申请日：2020-03-03
Applicant: 哈尔滨工业大学
Abstract: 本发明是一种基于FPGA的Yolov3网络计算加速系统及其加速方法。所述系统包括ARM和FPGA平台架构、片外存储区、AXI_M接口和AXI_S接口，所述ARM平台架构包括核心处理器和数据和内存控制器，所述FPGA平台架构包括加速核心单元、输入缓存端和输出缓存端；所述核心处理器包括ARM Cortex-A53CPU和L2缓存区，所述片外存储区包括SD卡和外部DDR4，所述加速核心单元包括数据矩阵向量阵列和计算模块。本发明输入和输出缓存端采用多通道并行读取写回的方式代替传统的单通道读写方式，最大化利用了Zynq芯片的带宽。输入缓存端设计双缓存区和寄存器阵列，实现高效的数据复用，成倍提高带宽。
-
公开(公告)号：CN105631108A
公开(公告)日：2016-06-01
申请号：CN201510990005.8
申请日：2015-12-24
Applicant: 哈尔滨工业大学
IPC: G06F17/50
CPC classification number: G06F17/5036
Abstract: 基于Dsp Builder的卫星飞轮模拟器实现方法，涉及卫星测试领域。本发明为解决传统卫星飞轮模型的解算方法存在求解精度不高,求解速度慢的问题。本发明按以下步骤进行：一、在Simulink环境下采用图形化的建模方法搭建飞轮龙格库塔mdl文件模型，进行飞轮龙格库塔模型建模及仿真；二、把在Simulink环境下搭建的后缀为mdl飞轮龙格库塔模型，转化成通用的硬件描述语言VHDL文件；三、在QuartusII环境下用verilog语言编写顶层模块，分配输入/输出端口，调用转化后的VHDL硬件模块，实现飞轮龙格库塔模型的解算。本发明适用于卫星测试领域。
-
Patent Agency Ranking
公开(公告)号：CN102789545B
公开(公告)日：2015-08-19
申请号：CN201210240981.8
申请日：2012-07-12
Applicant: 哈尔滨工业大学
IPC: G06F19/00
Abstract: 基于退化模型匹配的涡轮发动机剩余寿命的预测方法，涉及涡轮发动机剩余寿命预测方法，它为了解决现有涡轮发动机剩余寿命的预测采用通用RUL预测模型的预测效果无法达到预测要求的问题，它包括具体步骤如下：步骤一、数据预处理：从采集到的数据提取运行状态变量；从传感器采集到特征向量；由运行状态变量与特征向量融合得到健康因子；步骤二、建立退化模型库：利用健康因子建立退化模型；多个退化模型组成退化模型库；步骤三、相似性评估：将退化轨迹与模型库中的模型匹配，每个模型给出一个RUL估计；步骤四、RUL融合：根据测试涡轮发动机与模型匹配程度，采用相似度加权，融合得到最终的剩余寿命预测值。适用于涡轮发动机剩余寿命预测。
-
公开(公告)号：CN104063717A
公开(公告)日：2014-09-24
申请号：CN201410325740.2
申请日：2014-07-09
Applicant: 哈尔滨工业大学
IPC: G06K9/64
Abstract: 局部结构保持的全局监督图嵌入复杂系统监测数据可视化方法，属于复杂系统监测数据处理技术领域。本发明为了解决现有复杂系统监测数据维度高、尺度大、可视化难度大的问题。它包括以下步骤：采集复杂系统的m类n维监测数据，计算获得标签信息相同的监测数据与相互邻近的监测数据；再计算获得监测数据的同类权重矩阵和邻近权重矩阵，进而获得嵌入图的权重矩阵；再获得对角矩阵D和拉普拉斯矩阵L；最后根据特征映射公式计算获得线性映射矩阵A，进而获得m类n维监测数据xi在可视的二维或三维空间的映射，实现复杂系统监测数据的可视化。本发明用于复杂系统监测数据的可视化。
-
公开(公告)号：CN101719282B
公开(公告)日：2012-06-27
申请号：CN200910073179.2
申请日：2009-11-11
Applicant: 哈尔滨工业大学
IPC: G06T15/00
Abstract: 基于碎片断面的高度图的三维物体碎片的数字拼接方法，它涉及一种三维物体碎片的数字拼接方法，它解决了目前对三维物体碎片的拼接方法中存在的拼接不准确的问题。本发明的数字拼接方法为：首先将碎片表面进行区域分割，然后判断各表面区域是否为断面，根据各断面的高度图寻找最优拼接方案，按照最优拼接方案即可实现对所有碎片的数字拼接。本发明完全利用碎片断面的三维形状特征对碎片进行数字拼接，克服了已有技术的不足，保留了碎片的厚度信息，适用于三维物体碎片的自动数字拼接。
-
公开(公告)号：CN102487347A
公开(公告)日：2012-06-06
申请号：CN200910073451.7
申请日：2009-12-18
Applicant: 哈尔滨工业大学
Abstract: 航天智能总线接口系统和使用该接口系统的航天智能网络系统，它涉及一种接口系统和网络系统，它解决了目前Space Wire总线接口不提供航天设备标准电源、同步精度低且在离线或通信中断时无法同步工作以及不具备自描述、自组织、动态自适应可重构、自认知和自诊断的功能的问题。接口系统包括Space Wire总线接口、电源接口、同步脉冲接口和总线接口控制器；网络系统包括n个航天智能接口系统，各个航天智能接口系统的Space Wire总线接口并联；另一种网络系统包括一个主航天智能接口系统、n个从属航天智能接口系统、一个电源分配模块、一个Space Wire总线路由器和一个同步分配模块。本发明克服了已有技术的不足，适合用于各种航天器综合电子接口系统和网络系统领域。
-
公开(公告)号：CN119785107A
公开(公告)日：2025-04-08
申请号：CN202411959736.1
申请日：2024-12-30
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06N3/045 , G06N3/0495 , G06N3/082 , G06V10/40 , G06V10/74
Abstract: 基于特征空间扩展压缩和空谱联合增广的高光谱图像类增量学习方法和系统，涉及高光谱图像类增量学习领域。解决了传统的图像增广方法主要针对空间信息进行处理，无法充分利用高光谱图像的光谱维度，同时类增量学习中的存在灾难性遗忘的问题。方法包括：根据空间‑光谱联合增强方法构建轻量化分类模型；在初始阶段，将全精度网络作为教师模型为轻量级网络的训练提供在线监督；在增量阶段，引入新的全精度网络缩小旧特征空间和目标特征空间之间的差距，获取优化的量化网络；根据优化的量化网络实现高光谱分类网络的学习能力的在线更新。应用于图像处理领域。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.028 seconds)
