-
公开(公告)号：CN118823553A
公开(公告)日：2024-10-22
申请号：CN202411279996.4
申请日：2024-09-12
Applicant: 之江实验室
Abstract: 本说明书公开了一种卫星遥感图像在轨实时处理系统、方法及装置，该系统包括地面中心和若干卫星。地面中心响应于用户的指令文本，确定任务地点信息，根据各卫星的运行轨迹和任务地点信息，确定目标卫星，将指令文本和任务地点信息发送给目标卫星。目标卫星根据任务地点信息，采集遥感图像，通过遥感大模型，确定指令文本对应的数据处理任务，对遥感图像进行数据处理，得到结果数据，将结果数据发送给地面中心。通过本系统，地面中心能够将用户的自然语言形式的指令文本直接发送到目标卫星，使目标卫星通过该指令文本采集的遥感图像进行数据处理，不需要用户输入专业的任务指令，降低了在轨数据处理任务的操作门槛。
-
公开(公告)号：CN118394733B
公开(公告)日：2024-10-22
申请号：CN202410871608.5
申请日：2024-07-01
Applicant: 之江实验室
IPC: G06F16/182 , G06F16/11 , G06F11/07
Abstract: 本发明公开了一种星载计算节点下电Cubefs文件系统异常场景下的数据自愈方法，包括：在文件系统部署管理服务模块，在星载计算节点部署控制服务模块；星载计算节点需要下电，应用迁移前触发数据迁移机制，自动迁移数据至指定存储区，将应用迁移至其他星载计算节点，确保应用迁移后在新环境下持续访问数据，保持业务连续性和数据高可用性；星载计算节点重新上电后，文件系统逐步恢复运行，通过数据回迁机制将数据还原至原文件系统目录，实现应用数据与文件系统的无隙对接。本发明通过自动化、智能化数据处理策略有效应对星载计算节点下电带来的挑战，增强了天基计算中数据的可用性和可靠性，为复杂情境下的星载应用提供了稳定运行基础。
-
公开(公告)号：CN118626100A
公开(公告)日：2024-09-10
申请号：CN202411110280.1
申请日：2024-08-14
Applicant: 之江实验室
IPC: G06F8/60 , G06F16/174 , G06F8/61
Abstract: 本发明公开一种适用于太空分布式操作系统的星载镜像管理分发方法，包括：设计镜像仓库分层架构；地面部署地面应用镜像仓库以及地面卫星基础镜像仓库；卫星算力平台部署星上镜像仓库，设计星载基础镜像并导入地面卫星基础镜像仓库、星上镜像仓库；完成星载应用镜像生成并发布到地面应用镜像仓库；根据地面星载基础镜像和地面应用镜像仓库中的星载应用镜像作差分对比，生成镜像差分压缩文件，提交地面站运营商，由地面站运营商择机通过星地高速上行数据通道完成镜像差分压缩文件上注；将星载应用镜像差分压缩文件导入星上镜像仓库，完成星载应用星上发布。本发明实现了在低带宽、非对称的星地网络环境下的太空分布式操作系统星载应用的星上发布。
-
公开(公告)号：CN118466864A
公开(公告)日：2024-08-09
申请号：CN202410937905.5
申请日：2024-07-12
Applicant: 之江实验室
IPC: G06F3/06
Abstract: 在本说明书提供一种卫星数据存储方法、装置、介质及设备中，首先确定待存储数据的数据大小，其次根据处理器的读取线程数量，分割待存储数据，得到各第一子数据，并确定各第一子数据与各读取线程的对应关系，通过所述各第一子数据对应的读取线程，将各第一子数据写入处理器缓存，最后响应于缓存中任一完整写入的第一子数据，根据处理器的写入线程数量，分割完整写入的第一子数据，得到各第二子数据，确定各第二子数据与各写入线程的对应关系，并据此对应关系，将各第二子数据写入存储器，通过对待存储数据的多次分割，避免了卫星在存储待存储数据时，出现因处理器内存大小不足导致的读写错误，降低了对处理器缓存的要求。
-
公开(公告)号：CN118409869A
公开(公告)日：2024-07-30
申请号：CN202410872322.9
申请日：2024-07-01
Applicant: 之江实验室
IPC: G06F9/50 , G06N3/0464 , G06N3/092 , G06N5/04
Abstract: 本申请涉及一种星云运算资源分配方法、装置、计算机设备及存储介质。方法包括：获取目标运算任务和实时资源状态；将目标运算任务和实时资源状态输入资源分配模型，经资源分配模型输出星云资源分配策略，其中，资源分配模型包括资源预估模块和资源优化模块，资源预估模块用于确定目标运算任务的预占用资源；资源优化模块用于根据实时资源状态以及预占用资源确定星云资源分配策略。本申请将目标运算任务和实时资源状态输入资源分配模型，通过资源预估模块确定预占用资源，以及在充分考虑动态资源环境的情况下，通过资源优化模块根据实时资源状态和预占用资源输出星云资源分配策略，能够有效提高运算资源利用率。
-
Patent Agency Ranking
公开(公告)号：CN118354004A
公开(公告)日：2024-07-16
申请号：CN202410779805.4
申请日：2024-06-17
Applicant: 之江实验室
IPC: H04N1/00
Abstract: 在本说明书提供一种卫星图像传输方法、装置、介质及设备中，首先确定地面站发送的传输任务，确定执行传输任务需要的各第一图像，并创建记录各第一图像的传输状态的传输状态表，其次将各第一图像下传地面站，根据各第一图像的传输结果，更新传输状态表，当需要对传输任务更新时，根据更新以及从传输状态表确定的未下传的各第一图像，确定执行传输任务需要的各第二图像，并将各第二图像下传地面站，通过确定各第一图像的传输状态变化，使卫星能够确定未下传的第一图像并从中确定第二图像，从而提升了卫星的资源利用率。
-
公开(公告)号：CN118295789A
公开(公告)日：2024-07-05
申请号：CN202410724690.9
申请日：2024-06-05
Applicant: 之江实验室
Abstract: 本说明书公开了一种遥测遥控系统、方法、装置、存储介质及电子设备。其中，遥测遥控系统的控制模块用于接收各控制指令，并将各控制指令保存到预设的第一任务队列中，并根据第一任务队列中包含的每个控制指令的指令类型，从第一任务队列包含的各控制指令中筛选出目标控制指令，并将目标控制指令发送到业务模块中，遥测遥控系统的业务模块用于接收目标控制指令，调用与目标控制指令的指令类型相匹配的业务流并运行，以根据目标控制指令进行任务执行。
-
公开(公告)号：CN116992945B
公开(公告)日：2024-02-13
申请号：CN202311257346.5
申请日：2023-09-27
Applicant: 之江实验室
IPC: G06N3/082 , G06N3/063 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于贪心策略反向通道剪枝的图像处理方法及装置，该方法包括：获取图像数据集和待剪枝图像处理网络，对待剪枝图像处理网络进行预训练，得到预训练模型，其中预训练过程中所使用的图像集与图像数据集分布相似或相同；将预训练模型划分为特征提取量化模块和输出模块，其中特征提取量化模块作为剪枝对象；根据基于贪心策略的通道选择方法对特征提取量化模块进行反向的逐层通道剪枝，并在每层剪枝完成后进行预定轮次的微调；对进行反向的逐层通道剪枝后的预训练模型在图像数据集上进行一定轮次的微调，得到微调后的图像(56)对比文件吴雨茜;王俊丽;杨丽;余淼淼.代价敏感深度学习方法研究综述.计算机科学.2019,(05),全文.
-
公开(公告)号：CN117114053A
公开(公告)日：2023-11-24
申请号：CN202311073117.8
申请日：2023-08-24
Applicant: 之江实验室
IPC: G06N3/0464 , G06V10/82 , G06V10/774
Abstract: 本发明公开了一种基于结构搜索和知识蒸馏的卷积神经网络模型压缩的方法和装置，包括以下步骤：获取目标任务数据集；从目标任务数据集划分出训练集，利用训练集对卷积神经网络模型进行训练；卷积神经网络模型完成训练后作为教师网络；利用神经结构搜索技术对卷积神经网络模型搜索出轻量化网络结构；将搜索得到的轻量化网络结构作为学生网络；进行知识蒸馏，计算教师网络和学生网络Softmax层输出的差异，将差异作为学生网络损失的一部分，对学生网络进行迭代训练直至收敛；输出知识蒸馏后的学生网络模型，即压缩完成的模型。本发明方法能有效减少模型冗余参数，实现自动对学生网络模型进行设计，适用于高效和自适应的模型压缩应用场景。
-
公开(公告)号：CN115659281B
公开(公告)日：2023-10-27
申请号：CN202211461190.8
申请日：2022-11-16
Applicant: 之江实验室
IPC: G06F18/25 , G06F18/241 , G06N3/044 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种自适应加速算子融合的方法及装置，该方法包括：首先将神经网络抽象成计算图的形式；其次为图节点添加关键属性进行图赋权，并为赋权后计算图中的每个算子定义状态；然后基于包含状态信息的算子，设计基于深度强化学习的关键参与者算子节点自适应计算方法；最后基于关键参与者算子节点对计算图中的算子进行融合优化，对每一个计算图中的关键参与者算子最优融合方法进行探索，其余算子融合在关键参与者算子最优融合方案下进行探索，最终确定整个神经网络每个算子的最优融合方案。本发明能够大幅减少编译器搜索算子融合优化空间的时间，并且可面向更深更复杂的网络，具有较强的扩展性与重构性。
-
-
-
-
-
-
-
-
-
Search Results
134
records
(took 0.03 seconds)
