-
公开(公告)号：CN116486158A
公开(公告)日：2023-07-25
申请号：CN202310457467.8
申请日：2023-04-24
Applicant: 北京理工大学
IPC: G06V10/764 , G06V10/40 , G06V10/44 , G06V10/80 , G06V20/10
Abstract: 本发明公开了一种边界引导的光学遥感图像地物分类方法。光学遥感图像地物分类是遥感影像解译工作中的热点研究问题，其在民用、国防领域都发挥着重要作用。准确及时地从遥感影像中获取地物信息有着实际需求。通常的基于卷积神经网络的地物分类方法在逐层学习特征过程中，会损失空间信息同时对图像中的长距信息及全局上下文信息关注较少。本发明旨在基于Transformer架构，借助注意力机制对长距信息和全局上下文信息进行更好的利用，以实现较好的特征融合，进而改善分割效果。
-
公开(公告)号：CN116071643A
公开(公告)日：2023-05-05
申请号：CN202211392985.8
申请日：2022-11-08
Applicant: 北京理工大学
Abstract: 本发明涉及一种后验实例信息引导的无锚框遥感旋转目标检测方法，属于遥感旋转目标检测技术领域。首先，采用多尺度相邻层特征融合网络对骨架网络输出的不同分辨率的特征层进行多尺度语义特征深度融合。其次，在多尺度相邻层特征融合网络之后设计像素级实例预测网络，用于获取遥感旋转目标的形状及角度信息。然后，将具有目标形状及角度信息的像素级实例预测结果注入到多尺度相邻层特征融合网络的输出特征，最后，利用基于中心点的无锚框检测算法定位图像中的遥感旋转目标。本方法显著提高了无锚框检测算法对光学遥感场景中的任意角度目标的检测效果，不仅提高了目标召回率，同时还大幅降低了虚警率，具有良好的实际应用价值。
-
公开(公告)号：CN112966209B
公开(公告)日：2023-05-05
申请号：CN202110267342.X
申请日：2021-03-11
Applicant: 北京理工大学
Abstract: 本发明涉及一种FFT处理器及其处理数据的方法。FFT处理器包括：串转并模块，将接收的第一时域数据由串行转为2n路第二时域数据并行，其中，2n不大于第一时域数据的长度。2n处理通道中的任意一个通道包括依次排列的m个操作级模块以及m‑1个乘法器模块，输入当前处理通道的第二时域数据，经过m个操作级模块以及m‑1个乘法器模块进行运算后得到第一频域数据并输出到旋转因子乘法器模块。旋转因子乘法器模块将来自2n个处理通道的第一频域数据分别与旋转因子相乘，获得2n组第二频域数据后输出。基‑2n蝶形单元对2n组第二频域数据进行基‑2n运算，并输出第三频域数据到并转串模块，并转串模块将2n组第三频域数据数据合并为串行的第四频域数据。
-
公开(公告)号：CN115953675A
公开(公告)日：2023-04-11
申请号：CN202211393486.0
申请日：2022-11-08
Applicant: 北京理工大学
IPC: G06V20/10 , G06V20/70 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明涉及一种二分类嵌入空间引导角度回归的旋转目标检测方法，属于遥感旋转目标检测技术领域。首先，该方法将遥感目标的角度预测周期解耦为两个镜像对称的二分类嵌入空间，对目标的方向进行初步的类别判定。然后，在二分类子空间的引导下，在子空间内对旋转目标的角度进行进一步的精准预测。最后，通过二分类嵌入空间得分类结果和子空间内的角度预测进行真实角度计算。本方法有效地解决了网络训练过程中角度回归周期不连续问题对网络收敛的影响，提高了遥感旋转目标的角度预测精准度，具有良好的实际应用价值。
-
公开(公告)号：CN115565066A
公开(公告)日：2023-01-03
申请号：CN202211173313.8
申请日：2022-09-26
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于Transformer的SAR图像舰船目标检测方法，针对小尺度SAR舰船目标，以Transformer作为主干网络，通过可变形注意力机制融合舰船有效信息，提高检测精度。首先对输入的原始图像进行Patch划分。将patch划分后的图像输入由Transformer构成的四阶段特征提取骨干网络，得到由浅到深的四个不同尺度的特征。将四个不同尺度的特征输入特征金字塔网络进行特征融合，得到由浅到深的五个不同尺度的融合特征。根据原始图像的舰船位置标注，提取目标的粗提取边缘图像。将最浅层的融合特征以及粗提取边缘图像输入边缘指导的形状增强模块，得到增强后的最浅层融合特征。增强后的最浅层融合特征和其他四个尺度的融合特征输入无锚框的目标检测头部，得到目标检测结果。
-
Patent Agency Ranking
公开(公告)号：CN111950217B
公开(公告)日：2022-10-14
申请号：CN202010604753.9
申请日：2020-06-29
Applicant: 北京理工大学
IPC: G06F30/34
Abstract: 本发明公开了SRAM型FPGA故障检测中关键帧地址范围定位方法，涉及抗SRAM型FPGA单粒子翻转容错技术领域。该方法能够减少回读检测的配置帧数目，提高故障检测速度的方法。包括如下步骤：步骤一、对SRAM型FPGA芯片的帧结构进行解析。步骤二、对SRAM型FPGA芯片生成的调试比特流进行解析，推导出SRAM型FPGA的配置帧结构，获得所有配置帧的地址。步骤三、使用布局约束技术将用户设计约束在配置存储器上的预设位置范围内，依据配置帧的地址，在预设位置范围内的配置帧中查找确定关键帧地址范围；关键帧为包含关键位的配置帧，关键位为实现用户逻辑电路的配置位。步骤四、利用确定的关键帧地址范围执行故障检测。
-
公开(公告)号：CN112966209A
公开(公告)日：2021-06-15
申请号：CN202110267342.X
申请日：2021-03-11
Applicant: 北京理工大学
Abstract: 本发明涉及一种FFT处理器及其处理数据的方法。FFT处理器包括：串转并模块，将接收的第一时域数据由串行转为2n路第二时域数据并行，其中，2n不大于第一时域数据的长度。2n处理通道中的任意一个通道包括依次排列的m个操作级模块以及m‑1个乘法器模块，输入当前处理通道的第二时域数据，经过m个操作级模块以及m‑1个乘法器模块进行运算后得到第一频域数据并输出到旋转因子乘法器模块。旋转因子乘法器模块将来自2n个处理通道的第一频域数据分别与旋转因子相乘，获得2n组第二频域数据后输出。基‑2n蝶形单元对2n组第二频域数据进行基‑2n运算，并输出第三频域数据到并转串模块，并转串模块将2n组第三频域数据数据合并为串行的第四频域数据。
-
公开(公告)号：CN111950217A
公开(公告)日：2020-11-17
申请号：CN202010604753.9
申请日：2020-06-29
Applicant: 北京理工大学
IPC: G06F30/34
Abstract: 本发明公开了SRAM型FPGA故障检测中关键帧地址范围定位方法，涉及抗SRAM型FPGA单粒子翻转容错技术领域。该方法能够减少回读检测的配置帧数目，提高故障检测速度的方法。包括如下步骤：步骤一、对SRAM型FPGA芯片的帧结构进行解析。步骤二、对SRAM型FPGA芯片生成的调试比特流进行解析，推导出SRAM型FPGA的配置帧结构，获得所有配置帧的地址。步骤三、使用布局约束技术将用户设计约束在配置存储器上的预设位置范围内，依据配置帧的地址，在预设位置范围内的配置帧中查找确定关键帧地址范围；关键帧为包含关健位的配置帧，关键位为实现用户逻辑电路的配置位。步骤四、利用确定的关键帧地址范围执行故障检测。
-
公开(公告)号：CN111931906A
公开(公告)日：2020-11-13
申请号：CN202010676264.4
申请日：2020-07-14
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于结构搜索的深度神经网络混合精度量化方法，该方法利用目前最为先进的神经网络结构搜索算法，独立搜索网络中每一个卷积层和全连接层的最优量化位宽，实现深度神经网络的混合精度网络量化，在保证网络精度的前提下，最大程度压缩网络模型，实现网络性能与模型压缩率间的最优平衡。
-
公开(公告)号：CN109784372B
公开(公告)日：2020-11-13
申请号：CN201811544116.6
申请日：2018-12-17
Applicant: 北京理工大学
Abstract: 本发明提供一种基于卷积神经网络的目标分类方法，不采用卷积核直接遍历目标图像，而是采用与输出特征图像大小相同的滑窗按行再按列遍历整幅目标图像，从而提取出目标图像的对应的像素点作为子图像，再将卷积核的各特征参数分别与各子图像对应相乘得到中间图像，最后将中间图像的和值作为输出特征图像，在获取与现有卷积实现方式相同的卷积结果的前提条件下，将卷积运算拆分成单个点的乘加运算，能够最大程度的减少卷积实现过程中，微处理器读取数据时地址跳变的次数，进而大大提高硬件处理的效率。
-
-
-
-
-
-
-
-
-
Search Results
171
records
(took 0.107 seconds)
