-
公开(公告)号：CN116112483B
公开(公告)日：2024-02-20
申请号：CN202310134997.9
申请日：2023-02-17
Applicant: 重庆大学
Abstract: 本发明涉及ROS2通信技术领域，尤其涉及一种多维优化ROS2智能通信方法，包括以下步骤：S1、根据数据通信请求，确定数据发送节点以及各数据接收节点，并将数据发送节点作为发送平台将各数据接收节点作为目标通信节点；S2、按照预设的路径规划算法求解数据通信的最佳路径；S3、通过发送平台对待发送的数据进行标记、序列化以及预设的数据处理，得到通信文件；所述预设的数据处理包括加密或压缩；S4、通过ROS2系统，按照S2求解的最佳路径将通信文件发送给通信请求对应的各接收节点；S5、通过目标通信节点接接收到通信文件后，对通信文件中的数据进行解密或解压，并进行反序列化，得到对应的数据信息。本发明可以提高ROS2系统进行数据通信时的效率和安全性。
-
公开(公告)号：CN117151465A
公开(公告)日：2023-12-01
申请号：CN202311099701.0
申请日：2023-08-29
Applicant: 重庆大学
IPC: G06Q10/0635 , G06F18/25 , G06F17/18
Abstract: 本发明提供智能网联汽车电机系统故障模式影响分析方法及系统。包括：获取E位专家分别对N种故障模式的3个风险因子的原始评估等级；确定每种故障模式每个风险因子的融合评估值；利用3个风险因子的融合评估值确定每种故障模式的风险优先数；对风险优先数进行排序；基于第n种故障模式第j个风险因子的原始评估相差等级对每位专家的评估等级进行相应扩级处理，获得专家重构评估值概率分配；对E位专家的专家重构评估值概率分配进行数据融合重构处理，获得第j个风险因子的融合评估值。基于原始评估相差等级进行相应扩级处理，获得专家重构评估值概率分配，降低证据冲突程度，解决重复值过多问题，提升智能网联汽车电机系统故障模式分析的准确性。
-
公开(公告)号：CN116843894A
公开(公告)日：2023-10-03
申请号：CN202310577870.4
申请日：2023-05-22
Applicant: 重庆大学
IPC: G06V10/26 , G06V10/774 , G06V10/776 , G06V20/70 , G06N20/00
Abstract: 本发明公开一种面向2D语义分割的预标注方法、系统及介质；方法步骤为：利用第一机器学习模型对目标图像进行检测，识别出目标图像中的前景目标，并对目标图像进行分割，得到若干前景分割图像；利用第二机器学习模型对每幅前景分割图像进行可用性评价，得到每个前景分割图像的可用性评分值；将可用性评分值满足预设条件的前景分割图像传输至外部标注系统，以供后续图像标注。系统包括图像获取模块、前景目标检测模块、前景目标评价模块；介质存储有计算机程序。本发明通过两阶段的模型不仅仅可以在人工标注前预先前景目标进行分割标注，还可以对每个前景目标的分割结果进行排序，从而可以让标注员有优先级的选择预标注结果，有助于提升标注效率。
-
公开(公告)号：CN115620088A
公开(公告)日：2023-01-17
申请号：CN202211328240.5
申请日：2022-10-27
Applicant: 重庆长安汽车股份有限公司 , 重庆大学
IPC: G06V10/774 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种标注模型的训练方法，包括：获取第一待标注对象；对第一待标注对象进行标注，得到第一标注对象，第一标注对象中包含目标标注框，目标标注框中包含所述第一待标注对象中的标注目标；以第一待标注对象和第一标注对象作为第一训练集，训练得到第一目标检测模型；利用第一目标检测模型对第一标注对象进行目标检测，得到目标检测框；获取目标检测框与目标标注框之间的偏差，并以第一待标注对象和所述偏差作为第二训练集，训练得到第二目标检测模型。本发明在第一目标检测模型的基础上，增加了第二目标检测模型目标准确度判断模型，用于预测第一目标检测模型识别的目标物体的准确度，从而将准确度高的目标筛选出来用于进行预标注。
-
公开(公告)号：CN119646084A
公开(公告)日：2025-03-18
申请号：CN202411477776.2
申请日：2024-10-22
Applicant: 重庆大学
Abstract: 本发明公开一种基于区块链与负载均衡结合的车载边缘网格化数据调度系统，包括动态资源分配模块、智能调度模块、数据管理模块、数据安全与隐私保护模块；本发明的系统能够动态地调整计算和存储资源的分配，根据实时交通和车辆状态信息进行数据调度，从而实现高效的车载边缘计算。
-
Patent Agency Ranking
公开(公告)号：CN118397598A
公开(公告)日：2024-07-26
申请号：CN202410520640.9
申请日：2024-04-28
Applicant: 重庆大学
IPC: G06V20/58 , G06V10/764 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/08 , G06F17/18
Abstract: 本发明公开一种轻量级车载目标检测模型及其混合精度量化方法，包括以下步骤：1)构建轻量级车载目标检测模型；所述轻量级车载目标检测模型的主干网络和颈部网络采用在线卷积重参数化的跨阶段特征融合模块C2f_OREPA；2)对轻量级车载目标检测模型进行混合精度的量化感知训练；3)获取输入数据，并输入至训练后的轻量级车载目标检测模型，得到输出。本发明提出的OCW‑YOLO模型相较于YOLOv8模型改进后的算法FLOPs下降，计算需求降低，更加轻量，并且精度上升，更好地满足资源受限地车载设备的高精度、高实时性需求。
-
公开(公告)号：CN118485159A
公开(公告)日：2024-08-13
申请号：CN202410349561.6
申请日：2024-03-25
Applicant: 重庆大学
Abstract: 一种异构移动边缘计算网络中高能效客户端采样的联邦学习方法，包括：1)建立异构移动边缘计算系统，包括参数服务器以及#imgabs0#个存在系统异构性的移动客户端；2)参数服务器生成采样策略#imgabs1#并设通信次数t＝1；3)参数服务器根据采样策略#imgabs2#从#imgabs3#个移动客户端中选出#imgabs4#个参与联邦学习训练的移动客户端；4)所述#imgabs5#个移动客户端在本地进行更新；5)参数服务器对更新后的模型参数进行加权聚合，得到全局模型的参数；6)判断全局模型的参数是否达到收敛条件，若是，则输出参数服务器中的全局模型的参数，若否，则令t＝t+1，并返回步骤3)。本发明综合考虑联邦学习训练过程中的能量消耗和模型的损失函数，在确保模型收敛性的同时降低能耗。
-
公开(公告)号：CN118042524A
公开(公告)日：2024-05-14
申请号：CN202410109755.9
申请日：2024-01-25
Applicant: 重庆大学
IPC: H04W28/08 , H04W28/084 , H04W28/086 , H04W12/02 , G06F9/50 , G06N3/045 , G06N3/092 , G06N3/006
Abstract: 本发明公开一种智能反射面辅助的移动边缘计算网络下任务卸载优化方法，步骤包括：1)建立智能反射面辅助的移动边缘计算系统；2)基于所述移动边缘计算系统，构建通信及数据安全模型；3)构建不同卸载决策下的延迟优化目标；4)将延迟优化目标建模为马尔科夫决策过程，设置深度强化学习的状态空间、动作空间和奖励函数；5)对建模为马尔科夫决策过程的延迟优化目标进行求解，得到计算卸载和资源分配方案。本发明在优化计算卸载和资源分配策略时考虑了网络的动态性和时变性，使得系统能够在多数网络环境中正常稳定运行。
-
公开(公告)号：CN116843016A
公开(公告)日：2023-10-03
申请号：CN202310580633.3
申请日：2023-05-22
Applicant: 重庆大学
Abstract: 本发明公开一种移动边缘计算网络下基于强化学习的联邦学习方法、系统及介质，方法步骤为：所述边缘服务器通过基站将待训练的机器学习模型下载至用户设备；每个用户设备利用本地数据对机器学习模型进行训练，获得机器学习模型参数wi(k)，并通过基站上传到边缘服务器中；根据待聚合设备的本地数据量，所述边缘服务器对所有待聚合设备的机器学习模型参数进行聚合，得到机器学习模型参数聚合值#imgabs0#并通过基站下载至加入联邦学习的用户设备；系统包括边缘服务器和用户设备。介质存储有计算机程序。本发明综合考虑联邦学习过程中的能量消耗和任务模型的损失函数值来优化联邦聚合策略，在保证任务模型精度的同时减少能量的消耗。
-
公开(公告)号：CN116723193A
公开(公告)日：2023-09-08
申请号：CN202310242559.4
申请日：2023-03-14
Applicant: 重庆大学
IPC: H04L67/1008 , H04L67/1027 , H04L67/62 , H04L67/12
Abstract: 本发明适用于数据处理中云计算任务优化调度领域，提供了一种基于车载以太网的负载均衡方法、装置及终端设备，方法包括在J个服务实例运行的设备中计算第j个服务实例的负载率；获取第j个服务实例的执行时间；在客户端运行的设备中，获取车载应用请求的响应时间，响应时间为车载应用请求发出至客户端接收到响应数据的时间；通过改进蚁群算法生成负载均衡调度指令，以使客户端执行负载均衡调度指令；当客户端收到任意服务实例的不可用事件通知时，或接收到新增服务实例通知时，更新通过改进蚁群算法生成负载均衡调度指令所使用的信息素矩阵。本发明可以选择执行时间更短、响应速度更快、负载水平更低的目标服务实例来执行车载应用请求。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.022 seconds)
