-
公开(公告)号：CN114037724B
公开(公告)日：2024-04-09
申请号：CN202111212342.6
申请日：2021-10-18
Applicant: 哈尔滨工业大学
IPC: G06T7/136 , G06T7/194 , G06V10/26 , G06V10/764
Abstract: 本发明提出一种阈值法图像分割的异构并行计算系统、方法及电子设备，所述系统包括图像切片功能单元、基于局部特征的子图分类粗分割计算单元、基于OTSU阈值的目标与背景交界子图细分割计算单元以及子图分割结果拼接功能单元。在对阈值法图像分割的各功能单元处理特性分析的基础上，利用异构片上系统提供的微处理器与FPGA实现控制密集型与计算密集型任务的异构计算系统设计；利用异构片上系统兼具微处理器灵活控制能力与FPGA高计算能力的特点，设计阈值法图像分割异构并行计算系统，对阈值法中计算耗时较长的处理步骤进行加速计算的同时，保持了对图像像素位置重排的控制灵活性，提高了图像分割方法整体的执行效率。
-
公开(公告)号：CN111460015B
公开(公告)日：2023-04-11
申请号：CN202010163780.7
申请日：2020-03-10
Applicant: 哈尔滨工业大学
Abstract: 定制化多通道实时精准对星数据加载装置，属于遥感卫星地面测试领域。本发明是为了解决现有卫星载荷数据加载模块从数据接收到对星加载的时间延迟长，严重影响卫星地面测试效率的问题。其中数据输入单元由上位机获取对星加载原始数据、指定输出通道控制信号与码速率设定信号，及对星加载原始数据的格式数据；数据存储单元，根据地址规划存储对星加载原始数据及所述格式数据；数据输出单元，用于根据指定输出通道控制信号与码速率设定信号产生数据输出通道的指定频率时钟信号，使对应类型的输出接口在时钟信号及指定控制时序的控制下，将由对星加载原始数据封装获得的对星加载数据帧进行加载输出。本发明用于对星上进行实时、精准数据加载。
-
公开(公告)号：CN115840729A
公开(公告)日：2023-03-24
申请号：CN202111661096.2
申请日：2021-12-30
Applicant: 哈尔滨工业大学
IPC: G06F15/78 , G06F9/50 , G06N3/0464 , G06N3/063 , G06F30/327 , G06F115/02
Abstract: 本发明提出了一种基于MPSoC和FPGA的可定制异构计算系统及其计算方法，计算系统启动，计算状态控制机CSCM进入初始化状态并完成自身的功能初始化，对FPGA处理器和MPSoC处理器的其他模块进行参数配置，启动数据打包/解包模块P/U_DB；通过对数据打包/解包模块P/U_DB解包数据状态的监控，控制乒乓缓存模块PPB开始数据接收和乒乓缓存；监控乒乓缓存模块PPB的状态，在达到缓存设定上限后，启动高并行度计算模块HPC，构建具有高度并行结构的计算单元，进入计算运行状态，直至产生计算结果；在高并行度计算模块HPC完成计算任务后，将计算结果写入FIFO模块，FIFO模块将结果输出，完成计算；本发明设计的计算架构和系统集成度高、可扩展性强、功耗配置灵活。
-
公开(公告)号：CN111313997A
公开(公告)日：2020-06-19
申请号：CN202010087513.6
申请日：2020-02-11
Applicant: 哈尔滨工业大学
IPC: H04B17/391 , H04B7/185 , H04L1/00
Abstract: 遥感卫星多优先级非均衡速率载荷数据动态复接器模拟系统，属于卫星复接器模拟技术领域。包括：数据输入单元，用于提供与多种标准物理输入接口相对应的多个输入通道；数据存储单元，用于提供多个数据存储区；数据动态复接单元，用于确定数据复接模式，控制多个输入通道的数据按设定通道码速率及地址在多个数据存储区分别进行存储；并控制数据输出单元按地址从相应数据存储区提取复接数据输出至指定输出通道；数据输出单元，用于提供与多种标准物理输出接口相对应的多个输出通道，并以不同码速率输出经过格式转化及通道汇聚的复接后数据流。本发明能够对卫星载荷或模拟卫星载荷产生的多通道、优先级及速率不一的数据进行复接。
-
公开(公告)号：CN111460184B
公开(公告)日：2023-04-11
申请号：CN202010147730.X
申请日：2020-03-05
Applicant: 哈尔滨工业大学
Abstract: 遥感卫星载荷数据动态模拟装置，属于遥感卫星地面测试领域。本发明是为了解决现有遥感卫星载荷数据加载设备因所加载的模拟数据形式固定，无法全面模拟卫星载荷实际运行中数据变化的问题。包括动态实时模拟模块和动态实时加载模块，所述动态实时模拟模块用于生成图像类加载模拟数据和非图像类加载模拟数据；同时接收对动态实时加载模块的硬件参数配置数据；所述动态实时加载模块用于通过多路定制化数据接口将图像类加载模拟数据和非图像类加载模拟数据加载到卫星上对应的载荷。本发明采用高、低速数据实时加载模块进行卫星载荷模拟数据的实时加载，从而极大的缩短了卫星地面测试的时间，提升了卫星测试工作的灵活性和可靠性。
-
Patent Agency Ranking
公开(公告)号：CN111460184A
公开(公告)日：2020-07-28
申请号：CN202010147730.X
申请日：2020-03-05
Applicant: 哈尔滨工业大学
Abstract: 遥感卫星载荷数据动态模拟装置，属于遥感卫星地面测试领域。本发明是为了解决现有遥感卫星载荷数据加载设备因所加载的模拟数据形式固定，无法全面模拟卫星载荷实际运行中数据变化的问题。包括动态实时模拟模块和动态实时加载模块，所述动态实时模拟模块用于生成图像类加载模拟数据和非图像类加载模拟数据；同时接收对动态实时加载模块的硬件参数配置数据；所述动态实时加载模块用于通过多路定制化数据接口将图像类加载模拟数据和非图像类加载模拟数据加载到卫星上对应的载荷。本发明采用高、低速数据实时加载模块进行卫星载荷模拟数据的实时加载，从而极大的缩短了卫星地面测试的时间，提升了卫星测试工作的灵活性和可靠性。
-
公开(公告)号：CN110119728B
公开(公告)日：2023-12-05
申请号：CN201910436645.2
申请日：2019-05-23
Applicant: 哈尔滨工业大学
IPC: G06V20/13 , G06V10/26 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 基于多尺度融合语义分割网络的遥感图像云检测方法，它属于遥感图像云检测技术领域。本发明解决了现有通过人工提取特征进行云检测的方法存在的云检测精度低的问题。本发明利用前三级子网络提取浅层特征，利用后两级子网络提取深层特征，再将提取的深层特征与浅层特征融合，这就充分利用了浅层特征包含的丰富细节信息以及深层特征包含的丰富语义信息，融合了二者的优势，使得对深层特征边界的分割更加精细，并通过优化深层特征和浅层特征的比例达到最好的云检测效果，本发明的云面积检测误差小于1％。本发明可以应用于遥感图像云检测技(56)对比文件邓国徽等“.基于改进的全卷积神经网络高分遥感数据语义分割研究”《.第四届高分辨率对地观测学术年会论文集》.2017,第1-13页.邓国徽等“.基于改进的全卷积神经网络高分遥感数据语义分割研究”《.第四届高分辨率对地观测学术年会论文集》.2017,第1-13页.
-
公开(公告)号：CN115840497A
公开(公告)日：2023-03-24
申请号：CN202111656847.1
申请日：2021-12-30
Applicant: 哈尔滨工业大学
IPC: G06F1/26 , G06F1/28 , G06F1/3287 , G06F9/4401 , G06F15/78
Abstract: 本发明提出了一种面向MPSoC+FPGA异构计算平台的供电系统及控制方法，包括MPSoC处理器，FPGA处理器，第一级供电模块、第二级供电模块、第三级供电模块、第四级供电模块、电源输出控制电路和防浪涌电路；对MPSoC和FPGA供电需求进行一体化融合，形成8种供电电压和4级供电序列的系统供电体系。依据此，设计MPSoC+FPGA的一体式供电架构；不同处理器的供电需求进行综合考虑，实现简单、高效、易于调试且可灵活裁剪的异构平台供电方案，满足MPSoC+FPGA异构系统总体供电需求。
-
公开(公告)号：CN117494768A
公开(公告)日：2024-02-02
申请号：CN202311407553.4
申请日：2023-10-27
Applicant: 哈尔滨工业大学
IPC: G06N3/0495 , G06N3/082 , G06N3/084
Abstract: 本发明提出了一种面向星载智能处理平台的神经网络硬件存储感知压缩系统及方法，以神经网络层为基本压缩单位，对模型的权重位宽和连接结构并行的进行量化和剪枝操作，并通过计算该网络层压缩后的存储规模需求与星载智能处理硬件平台存储资源的差异而生成惩罚参数，进而在反向传播时对压缩率和权重的更新进行约束，实现模型压缩过程中对实际部署的目标硬件平台的存储资源情况进行感知；这一过程随模型的迭代训练而不断变化和更新，并对该更新过程进行硬件感知操作，以改进神经网络压缩效果，并提高其对不同硬件平台的适应性。
-
公开(公告)号：CN114359634A
公开(公告)日：2022-04-15
申请号：CN202111672404.1
申请日：2021-12-31
Applicant: 哈尔滨工业大学
Abstract: 本发明是一种串级CNN细粒度目标分类方法。本发明涉及深度学习和硬件加速计算技术领域，本发明由第一级CNN分类网络对目标进行第一次粗分类，进行宏观目标特征的提取，实现基于明显特征的目标粗分类；根据第一级CNN分类得到的结果，再由第二级CNN分类网络进行细粒度分类，进行深层目标特征提取，实现基于高维特征的目标分类。本发明以经典骨干卷积神经网络模型为基础，设计串级模型结构进行图像目标的细粒度分类，并基于FPGA设计资源与架构可复用的加速器，实现有限资源条件下的模型高能效部署和应用。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.028 seconds)
