去雨模型轻量化方法、系统、设备及介质

    公开(公告)号:CN115937049B

    公开(公告)日:2023-05-26

    申请号:CN202310157343.8

    申请日:2023-02-23

    IPC分类号: G06T5/00 G06N3/0464 G06N3/09

    摘要: 本发明公开了一种去雨模型轻量化方法、系统、设备及介质,属于深度学习领域,方法包括:获取原始去雨模型,在原始去雨模型的输入侧设置自适应下采样模块,以形成自适应下采样加速模块;动态构建特征提取模块,特征提取模块的计算量与自适应下采样加速模块的计算量相匹配;设计特征融合模块,用于对自适应下采样加速模块的输出和特征提取模块的输出进行特征融合;对轻量化去雨模型进行优化训练,轻量化去雨模型包括自适应下采样加速模块、特征提取模块和特征融合模块。在保证去雨性能的基础上,减少去雨模型的推理时间、资源占用率。

    一种反无人机多光谱探测跟踪装备

    公开(公告)号:CN114353596B

    公开(公告)日:2023-01-06

    申请号:CN202111668007.7

    申请日:2021-12-31

    IPC分类号: G01S13/72 F41H13/00 G05D3/12

    摘要: 本发明公开了一种反无人机多光谱探测跟踪装备,属于多光谱探测跟踪技术领域。包括:定位雷达以及依次设置在定位雷达上的粗跟踪闭环控制模块、精跟踪闭环控制模块、激光发射模块和发射望远镜;定位雷达定位目标后对目标进行粗跟踪闭环控制模块,实现对目标的实时稳定跟踪,在粗跟踪探测成像的基础上进一步通过精跟踪闭环控制模块,消除目标和发射望远镜之间因环境的影响存在的瞄准偏差,在稳定跟踪的基础上提高了成像光轴的稳定度及跟踪精度,实现了对目标的二次稳定高精度跟踪。同时,在粗跟踪过程中,通过短波、中波、近红外和可见光波段对目标探测识别,在精跟踪过程中,通过可见光和近红外波光进行更精准的视场调控,识别精度及跟踪精度高。

    一种SRAM型FPGA单粒子翻转定向注入方法及恢复方法

    公开(公告)号:CN115563843A

    公开(公告)日:2023-01-03

    申请号:CN202211165387.7

    申请日:2022-09-23

    IPC分类号: G06F30/25

    摘要: 本发明属于电子设备可靠性分析领域,具体涉及一种SRAM型FPGA单粒子翻转定向注入方法及恢复方法,包括:得到工程电路的层次区域及脚本文件;创建针对层次区域中感兴趣层次区域的RTL级的用户约束和AREA GROUPs用户约束;生成感兴趣层次区域信息被标记的日志文件;基于上述两个用户约束,布局布线;基于日志文件以及布局布线结果,生成工程电路的基本位文件以及待打翻比特文件;在布局布线后得到的floorplan视图中限定表征FPGA中感兴趣层次区域对应的多组坐标,以求取基本位文件中感兴趣层次区域所对应的基本位行,实现单粒子翻转定向注入,进一步提出基于反熔丝型FPGA以及FLASH恢复方法,方法效率高。

    基于精细分割的大幅面SAR影像舰船目标检测识别方法

    公开(公告)号:CN113409325B

    公开(公告)日:2022-09-23

    申请号:CN202011553738.2

    申请日:2020-12-24

    摘要: 本发明属于SAR舰船目标检测识别技术领域,公开了一种基于精细分割的大幅面SAR影像舰船目标检测识别方法,首先对大幅面的SAR原始图像进行拉伸、裁剪处理,获得若干切片图;检测切片图得到检测结果并映射回原图,利用投票策略融合冗余的检测框,计算出新的目标位置;将每个目标区域送入分割网络FCN中,得到目标细腻的像素级分割结果;取出分割后的目标的最小包围框,并送入分类网络AlexNet中,抑制虚警的目标,得到最终的检测识别结果。本发明在检测阶段有效的提高了目标的定位精度和检测速度,经分割、分类网络处理后,进一步增加了预测框的准确度,降低了虚警率,实现了对SAR舰船精细定位的检测识别。

    一种脉冲噪声模糊图像非线性复原方法及系统

    公开(公告)号:CN110852973B

    公开(公告)日:2022-09-23

    申请号:CN201911100915.9

    申请日:2019-11-12

    IPC分类号: G06T5/00

    摘要: 本发明属于数字图像处理技术领域,公开了一种脉冲噪声模糊图像非线性复原方法及系统,脉冲噪声模糊图像非线性复原方法具体包括:建立脉冲噪声模糊图像退化机理模型,进而确定优化框架;构造数据项来建模脉冲噪声;选取图像先验项,结合数据项构造脉冲噪声模糊图像非盲目反卷积模型;利用迭代重加权最小二乘算法和共轭梯度法对非盲目反卷积模型进行数值优化求解,得到复原图像。本发明提出一种脉冲噪声模糊图像非线性复原方法,对脉冲噪声的性质进行分析,针对性地设计出非线性反卷积模型,求解非线性退化的脉冲噪声模糊图像复原问题。

    支持灵活分块存取的虚拟多通道SDRAM访问方法

    公开(公告)号:CN111506264B

    公开(公告)日:2021-07-06

    申请号:CN202010279292.2

    申请日:2020-04-10

    IPC分类号: G06F3/06

    摘要: 本发明属于存储技术领域,公开了一种支持灵活分块存取的虚拟多通道SDRAM访问方法,用FIFO隔离不同时钟域,进行跨时钟域处理、数据拼接、数据缓存,因此支持在不同通道不同时钟域下进行数据读写;在顺序存取和分块存取SDRAM的时候进行顺序写地址计算、顺序读地址计算、分块读地址计算;调度多个通道的切换,进行多通道之间的仲裁并控制每次读写的数据量;SDRAM控制器联接用户层接口和SDRAM;并将读写的地址、命令、数据转化为正确时序关系送到SDRAM总线上。本发明能够减少FPGA的逻辑资源占用量,合理利用SDRAM有限的总线带宽,提高SDRAM总线带宽的利用率和提高带宽能力。

    一种基于卷积神经网络的多人姿态估计方法

    公开(公告)号:CN109948453B

    公开(公告)日:2021-02-09

    申请号:CN201910136583.3

    申请日:2019-02-25

    IPC分类号: G06K9/00 G06K9/62 G06N3/04

    摘要: 本发明提出了一种基于卷积神经网络的多人姿态估计方法,将待处理图像输入到已完成训练的多人姿态估计网络得到两组数据,分别为人体关键点位置数据和人体关键点映射向量数据,然后解码数据得到图像中人体关键点和人体中心点的位置,并通过映射向量将关键点映射到可聚类的二维空间,再使用k‑means算法对映射后的关键点进行聚类间接实现原始人体关键点的分组,对分组关键点分析,最终实现多人姿态估计。本发明提出的多人姿态估计网络由特征提取网络、特征通道压缩模块、人体关键点位置分支模块和人体关键点映射向量分支模块四部分组成,可以实现端到端的训练和预测。本发明是一种自下而上多人姿态估计方法,在速度和准确率上均有良好表现。

    一种FPGA寄存器级单粒子翻转故障模拟方法和系统

    公开(公告)号:CN110188012B

    公开(公告)日:2020-01-03

    申请号:CN201910344068.4

    申请日:2019-04-26

    IPC分类号: G06F11/26 G06F11/263

    摘要: 本发明公开了一种FPGA寄存器级单粒子翻转故障模拟方法和系统,属于电子设备可靠性分析技术领域。包括:S1.被测电路在FPGA中被实例化为电路CUT_0,所述被测电路包含大量寄存器;S2.生成故障注入序列,所述故障注入序列包括至少一个目标寄存器组;S3.向CUT_0电路输入激励,并在故障注入序列的指导下,用目标寄存器组控制CUT_0电路中对应寄存器的输出翻转。本发明直接对FPGA功能电路中的寄存器操作,模拟各种寄存器组合受单粒子轰击被打翻的现象,定位准确,产生了大量有价值的仿真数据。本发明将被测电路实例化为CUT_0和CUT_1,CUT_0输出结果受SEU影响,CUT_1输出结果正常,比较CUT_0和CUT_1的输出,比较结果对指导SEU重点防护具有极为重要的指导意义。

    一种基于混合熵编码的卫星序列图像无损压缩方法及系统

    公开(公告)号:CN107181943B

    公开(公告)日:2019-10-25

    申请号:CN201710254398.5

    申请日:2017-04-18

    摘要: 本发明公开了一种基于混合熵编码的卫星序列图像无损压缩方法及系统,属于图像压缩技术领域。本发明方法首先输入当前帧和参考帧图像,选用两种预测模式:帧间预测和帧内预测得到预测残差。然后将预测残差映射到非负区域,最后设计了基于算术编码和定长编码的混合自适应算术编码,根据残差数据的分布特性,对不同数据分别采用算术编码和定长编码,最后将编码结果整合输出。本发明还实现了一种基于混合熵编码的卫星序列图像无损压缩系统。本发明技术方案能根据序列图像空间冗余和时间冗余特性自动切换预测模式,使得预测像素值更接近真实值,同时本发明设计的熵编码器具有更好的编码性能,显著提高了图像无损压缩比。

    一种基于深度学习的模糊核尺寸估计方法与系统

    公开(公告)号:CN106447626B

    公开(公告)日:2019-06-07

    申请号:CN201610806072.4

    申请日:2016-09-07

    IPC分类号: G06T5/00 G06T7/00

    CPC分类号: G06T5/00

    摘要: 本发明公开了一种基于深度学习的模糊核尺寸估计方法,属于模式识别技术领域。该方法首先根据模糊图样属性选择采用降采样或尺寸截取进行预处理,得到尺寸满足需求的输入图像;之后,将图像输入至已完成训练的多分类卷积神经网络中,通过不同层的权值计算,得到一个概率分布向量;最后,通过比较向量中各元素的大小,取值最大的元素所对应图像类别代表的模糊核尺寸即为模糊图像尺寸大小的估计结果。本发明还实现了一种基于深度学习的模糊核尺寸估计系统。本发明为现有图像去模糊算法提供了更具科学依据的模糊核尺寸作为输入参数,有效解决了现有方法中存在的尺寸盲目输入以及无法提供直接的输入值等问题。