-
公开(公告)号：CN118314473A
公开(公告)日：2024-07-09
申请号：CN202410741910.9
申请日：2024-06-11
Applicant: 之江实验室
IPC: G06V20/13 , G06N3/082 , G06N3/0464 , G06V10/82
Abstract: 本发明公开了一种基于模型剪枝的星载目标识别方法及装置，包括：获取神经网络YOLOv5模型，神经网络YOLOv5模型实时识别图像或视频中的对象；对神经网络YOLOv5模型进行剪枝和重训练，剪枝包括结构化剪枝、非结构化剪枝；将经过处理的神经网络YOLOv5模型部署至星载计算机，加载遥感卫星云层图像训练数据集进行训练并推理，对推理结果进行解析，识别出卫星云图。通过本发明，能够保留YOLOv5模型的精简结构，且实现深度学习神经网络YOLOv5模型冗余参数的细粒度优化，减少神经网络YOLOv5模型参数量，从而降低计算量，保证深度学习神经网络YOLOv5模型在有限算力星载计算机中运行推理，识别出卫星云图。
-
公开(公告)号：CN117519733B
公开(公告)日：2024-05-28
申请号：CN202311534998.9
申请日：2023-11-16
Applicant: 之江实验室
Abstract: 本说明书公开了一种项目部署方法、装置、存储介质及电子设备。所述项目部署方法包括：获取待部署项目程序，对待部署项目程序中包含的代码进行解析，确定待部署项目程序中包含的各基础依赖环境程序包，针对每个基础依赖环境程序包，根据预先构建的总体环境依赖图，确定出该基础依赖环境程序包所依赖的其他环境程序包，在总体环境依赖图中，不同项目程序下的不同的环境程序包对应不同的节点，针对每个节点，该节点与该节点对应的环境程序包所依赖的其他环境程序包对应的节点之间相连，根据每个基础依赖环境程序包以及每个基础依赖环境程序包所依赖的其他环境程序包，生成轻量化镜像，并将轻量化镜像部署到指定设备中。
-
-
公开(公告)号：CN117036906A
公开(公告)日：2023-11-10
申请号：CN202311019433.7
申请日：2023-08-14
Applicant: 之江实验室
IPC: G06V10/82 , G06V10/764 , G06V10/40 , G06N3/0464 , G06N3/045 , G06N3/0495 , G06N3/082 , G06N3/047 , G06N3/048 , G06N3/0475 , G06N3/094 , G06N3/084 , G06N3/096
Abstract: 一种基于gan神经网络压缩的图像翻译方法和装置，其方法包括：(1)装置配置、初始化：从图像翻译程序中获取将要压缩的生成对抗网络(未压缩网络)，并将其作为教师网络，设置压缩率、参数规模的超参数；(2)构建最大学生网络模型并预训练；(3)学生网络模型剪枝；(4)学生网络模型蒸馏；(5)用学生网络模型执行图像翻译算法，获得翻译后的图像。本发明可以保证在图像翻译质量不下降的前提下，压缩图像翻译算法的参数量，进而减少图像翻译程序的硬件占用空间。
-
公开(公告)号：CN116992944A
公开(公告)日：2023-11-03
申请号：CN202311257199.1
申请日：2023-09-27
Applicant: 之江实验室
IPC: G06N3/082 , G06N3/0464 , G06N3/084 , G06V10/82
Abstract: 本发明公开了一种基于可学习重要性评判标准剪枝的图像处理方法及装置，属于人工智能模型压缩与推理加速领域，该方法包括：获取待剪枝的图像处理模型；在所述待剪枝的图像处理模型的前向传播中，加入重要性评判标准搜索空间，其中所述重要性评判标准搜索空间用于计算所述待剪枝的图像处理模型中每一层卷积层需要剪枝的部分；基于所述重要性评判标准搜索空间进行反向传播并更新所述重要性评判标准搜索空间的参数；对基于最终评判标准剪枝后的模型进行微调。
-
Patent Agency Ranking
公开(公告)号：CN118842510B
公开(公告)日：2025-01-21
申请号：CN202411279994.5
申请日：2024-09-12
Applicant: 之江实验室
IPC: H04B7/185 , G06V10/96 , G06V20/13 , G06V10/25 , G06V10/94 , G01N21/17 , H04B10/112 , H04B10/118
Abstract: 本说明书公开了一种遥感目标动态检测方法、装置、存储介质及电子设备。在采用本方法利用卫星进行遥感目标的动态检测时，可通过若干同轨卫星依次在同一位置采集同一目标区域的遥感图像，每个卫星自身识别遥感图像得到目标对象的对象状态后，将所有卫星的数据传输给下一卫星，直到最后一颗卫星总结所有遥感图像与对象状态，得到动态分析结果。通过本方法，卫星无需将大量的图像数据传输回地面站，极大程度减少了卫星与地面站之间需要传输的数据量；同时，各卫星自行对自身采集的遥感图像进行目标识别，不但省去了地面站对图像数据进行分析的时间，还能够在后续卫星运行时完成目标识别并将数据传输至下一卫星，大幅提高了目标检测的整体效率。
-
公开(公告)号：CN119277369A
公开(公告)日：2025-01-07
申请号：CN202411812383.2
申请日：2024-12-10
Applicant: 之江实验室
IPC: H04W12/041 , H04W12/033 , H04B7/185 , H04L9/08 , H04L9/32 , H04L9/40
Abstract: 本说明书公开了一种数据传输方法、装置、介质及设备。获取采集的遥感数据。确定随机数，并基于随机数确定对称密码算法的对称密钥。确定遥感数据的数据摘要信息，以及根据卫星私钥，对数据摘要信息进行数字签名。将数字签名后的数据摘要信息、遥感数据以及卫星公钥，通过对称密钥进行加密，得到加密数据。通过地面基站的公钥，对对称密钥进行非对称加密，得到加密密钥。将加密数据与加密密钥组成数据包，并将数据包发送至地面基站，使得地面基站根据地面基站的私钥解密所述数据包中的加密密钥，得到对称密钥，并通过对称密钥解密加密数据，以得到遥感数据。
-
公开(公告)号：CN118646472B
公开(公告)日：2024-12-03
申请号：CN202411110336.3
申请日：2024-08-14
Applicant: 之江实验室
IPC: H04B7/185 , H04L12/46 , H04L69/324 , H04L69/08
Abstract: 本发明公开了一种星地非对称传输链路下的网络报文透明转发方法，包括：地面网络应用通过虚拟网络设备发送链路层网络报文，实现数据从地面网络应用至地面站的转发，完成地面网络应用至地面站的数据转发逻辑；地面站服务器基于星地链路建立地面站和卫星平台之间的数据帧转发模块；通过数据帧转发模块接收来自地面网络应用的数据，并通过星地链路转发至卫星平台；同时接收来自卫星平台的星地数据帧，并转发数据至地面网络应用；卫星平台基于ZYNQ设备实现星地数据帧和链路层网络报文之间的转换，进而实现链路层网络报文到星上网络应用的透明转发。本发明为星地数据传输提供一个更为通用的开发和传输平台，拓宽卫星应用场景。
-
公开(公告)号：CN118569207B
公开(公告)日：2024-11-08
申请号：CN202411017441.2
申请日：2024-07-29
Applicant: 之江实验室
IPC: G06F40/126 , G06N3/0455
Abstract: 一种基于预生成token的星载大模型投机解码方法和装置，其方法包含：步骤1）离线预生成所有token的下一个token，得到预生成token字典对；步骤2）推理时，通过步骤1）猜测之后的token序列，并使用文本生成模型进行验证猜测到的序列，在模型在线推理生成token的时候，依据token字典对进行token查询，猜测生成之后的token，在线验证token预生成模块猜测得到的token正确性，当验证成功之后，即接受猜测的token，从而实现大模型token解码的加速生成。本发明在线推理时进行token查询猜测，并进行验证，提高大模型每一次推理时得到的正确token数量，从而加快token的生成速度。
-
公开(公告)号：CN118886004A
公开(公告)日：2024-11-01
申请号：CN202411374338.3
申请日：2024-09-29
Applicant: 之江实验室
IPC: G06F21/55 , G06F18/2433 , G06F18/213 , G06N3/0442 , G06N3/082 , G06F123/02
Abstract: 本说明书公开了一种基于星载软件的风险检测方法、装置以及电子设备，具体包括：根据目标应用的运行参数数据，确定首轮异常评估结果。根据首轮异常评估结果，对监控策略进行至少一轮次调整，基于调整后的监控策略，获取目标应用对应的运行参数数据，从而确定出每一调整轮次对应的异常评估结果。根据首轮异常评估结果和至少一轮次调整对应的异常评估结果，对目标应用的运行过程进行风险检测。通过本说明书的方法可以在面对不同的异常问题时选择更为适合且精准的监控策略，从而尽可能保证还未出现严重故障时异常就被发现且处理，有效提高星载软件异常问题修复效率和异常检测精度的同时，也极大程度保障了卫星系统在情况多变的太空中运行的稳定性。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.033 seconds)
