-
公开(公告)号：CN116630132A
公开(公告)日：2023-08-22
申请号：CN202211073845.4
申请日：2022-09-02
Applicant: 北京理工大学 , 中国人民解放军61646部队
Abstract: 本发明提出的基于“CPU+FPGA”架构的实时解压缩数据处理系统及方法，其中FPGA用来完成解压缩处理，FPGA具有丰富的计算资源，并且具有功耗低、时延小、吞吐量大等优点，同时因为其是无指令、无需共享内存的体系结构，FPGA比CPU甚至GPU的计算效率更高，可以在码速率输入的情况下，对JPEG2000压缩标准的压缩图像数据实现实时处理。
-
公开(公告)号：CN116246158A
公开(公告)日：2023-06-09
申请号：CN202211393240.3
申请日：2022-11-08
Applicant: 北京理工大学
Abstract: 本发明涉及一种适用于遥感目标检测任务的自监督预训练方法，属于遥感目标检测任务的预训练技术领域。该方法以检测任务数据集的真实目标标注框为基准进行随机多尺度的目标裁剪。对裁剪后所获取的目标级图像切片中的小尺度目标进行重新缩放并拼接，以确保小尺度目标信息在高遮罩率的图像重建任务中被有效地保留，从而促进小尺度目标的检测性能。本发明的方法有效地避免了在具有高遮罩率的场景级图像重建任务中，由于遥感场景小尺度目标被完全遮罩从而导致小尺度目标无法在预训练过程中得到良好的表征学习从而影响检测效果的问题，同时，本方法通过将图像重建任务与目标检测任务进行对齐，提高了预训练模型对遥感目标检测任务的促进作用。
-
公开(公告)号：CN113408723B
公开(公告)日：2023-04-07
申请号：CN202110545477.8
申请日：2021-05-19
Applicant: 北京理工大学
IPC: G06N3/082 , G06N3/006 , G06N3/0464
Abstract: 本发明提供了一种面向遥感应用的卷积神经网络剪枝和量化同步压缩方法，与其他的卷积神经网络剪枝和量化压缩方法相比，本方法融合了模型剪枝和量化过程，实现了卷积神经网络模型的同步剪枝和量化，在提高模型参数压缩比例的同时，减少了模型压缩后的精度损失；对剪枝和量化后的模型进行再训练，可以得到更为精确的参数数值，提高网络精度；设定编码时需要遵守的规则度约束条件，即在实际的遥感平台处理器中对卷积神经网络模型进行实现时，对同一层中的不同滤波器处于相同位置的卷积核同时剪枝可以提高计算单元的通用程度，并提高计算的并行度；本发明压缩后的模型可以在机载、星载等资源有限的平台处理器上进行移植和应用。
-
公开(公告)号：CN109062540B
公开(公告)日：2022-11-25
申请号：CN201810574109.4
申请日：2018-06-06
Applicant: 北京理工大学
IPC: G06F7/57
Abstract: 一种基于CORDIC算法的可重构浮点运算装置，其包括：预处理模块，用于完成输入数据从IEEE‑754标准的单精度浮点格式到定点格式的转换，并将其映射到收敛域内；串‑并混合的可重构CORDIC迭代单元模块，用于完成CORDIC算法的迭代运算部分，由旋转模块A和B两部分组成：旋转模块A用于串行流水结构的实现，实现模块复用最大化，旋转模块B基于旋转方向并行预测方法，采用树状加法器结构，用于旋转模式下并行结构的实现；在后处理模块，根据预处理模块的编码信号选择相应的结果输出，并完成尾数的规格化处理，输出单精度浮点数据格式计算结果；本发明具有原理简单、低延迟、高精度、硬件开销低的特点。
-
公开(公告)号：CN113408723A
公开(公告)日：2021-09-17
申请号：CN202110545477.8
申请日：2021-05-19
Applicant: 北京理工大学
Abstract: 本发明提供了一种面向遥感应用的卷积神经网络剪枝和量化同步压缩方法，与其他的卷积神经网络剪枝和量化压缩方法相比，本方法融合了模型剪枝和量化过程，实现了卷积神经网络模型的同步剪枝和量化，在提高模型参数压缩比例的同时，减少了模型压缩后的精度损失；对剪枝和量化后的模型进行再训练，可以得到更为精确的参数数值，提高网络精度；设定编码时需要遵守的规则度约束条件，即在实际的遥感平台处理器中对卷积神经网络模型进行实现时，对同一层中的不同滤波器处于相同位置的卷积核同时剪枝可以提高计算单元的通用程度，并提高计算的并行度；本发明压缩后的模型可以在机载、星载等资源有限的平台处理器上进行移植和应用。
-
Patent Agency Ranking
公开(公告)号：CN112100568A
公开(公告)日：2020-12-18
申请号：CN202010605839.3
申请日：2020-06-29
Applicant: 北京理工大学
Abstract: 本发明公开了定点傅里叶变换FFT处理器及处理方法，涉及数字信号处理技术领域，能够达到FFT运算长度、定点处理精度可变的目的。本发明用于对采集自通信系统、雷达系统或者数字广播系统的数字信号进行FFT运算转换为频域信号，以获取数字信号的频域信息。采用基‑27算法实现FFT运算，对FFT运算中使用的旋转因子进行分解，分解得到7级运算组和一级旋转因子乘法运算。处理器包括级联的七个运算模块和一级旋转因子乘法模块，七个运算模块分别为Stage1～Stage7，分别用于执行分解得到的7级运算组。Stagei中包含蝶形运算单元BF以及反馈存储RAM，BF用于执行当前运算组内的加减法运算。Stage2～Stage6中还包含级联的常数因子乘法器，用于实现当前运算组中的常数因子乘法运算。
-
公开(公告)号：CN104951799B
公开(公告)日：2019-11-15
申请号：CN201510325430.5
申请日：2015-06-12
Applicant: 北京理工大学
Abstract: 本发明提供一种SAR遥感影像溢油检测识别方法，具体过程如下，利用Gamma MAP滤波器对SAR影像滤波，再对其进行Sobel滤波；对Sobel滤波后得到的梯度图，进行分水岭算法实现海陆分割；利用海面区域图像的均值对陆地区域进行填充，再利用C‑V算法对填充后的图像进行同质区内的目标区域分割提取；提取目标区域灰度共生矩阵、小波分解的纹理特性、灰度特征及形状特征构建视觉频率直方图，利用训练得到的SVM分类器模型对视觉频率直方图进行分类，从目标区域中剔除疑似溢油区域，实现初次虚警剔除；将初次虚警剔除的结果作为初始标号场，基于所述初始标号场，利用MRF的上下文模型中的特征场，进行进一步的虚警剔除，从而实现SAR遥感影像溢油检测识别方法。
-
公开(公告)号：CN109816093A
公开(公告)日：2019-05-28
申请号：CN201811545245.7
申请日：2018-12-17
Applicant: 北京理工大学
Abstract: 本发明提供一种单路式卷积实现方法，将特征图的数据逐行按顺序存储在fifo中，通过fifo组的每次读写和滑窗数据的更新操作，得到卷积计算所需要的滑窗数据，然后，将得到的滑窗数据依次与卷积核完成卷积计算，接着更换新的滑窗数据重复上述过程，直到得到所有卷积计算输出的结果特征图；因此，本实施例在FPGA片内利用fifo构建fifo组，按照卷积计算所需的数据顺序要求，各fifo将存储于FPGA片外存储器的整幅特征图的数据逐一输出到组外的卷积计算单元，没有直接去调用FPGA片外存储器的数据，避免了复杂的地址跳变，同时将滑窗数据依次与卷积核完成卷积计算之后再更换新的滑窗数据，避免对输入特征图进行重复的数据提取，大大提高硬件平台加速卷积计算的效果。
-
公开(公告)号：CN104268570B
公开(公告)日：2017-10-20
申请号：CN201410483672.2
申请日：2014-09-19
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于类内差异的层次化单分类舰船目标虚警剔除方法，将光学遥感图像分为大船、小船和虚警切片，然后基于大船特征数据建立第一层分类器，利用第一层分类器可基本将舰船检测中最需要关注的大船识别出来；当大船特征比较明显时，经过一级检测就可将大船检测出来，因此可实现快速检测大船的目的；将漏检的大船数据集进行训练形成第二层分类器，当第一层分类器未把大船识别出来时，第二层分类器可将该容易漏检的大船检测出来，因此可提高检测概率；经过第一层分类器和第二层分类器的筛除，把小船数据集中具有大船特征的剔除，保留具有明显小船特征的数据，形成小船错分集，提高小船的检测概率。
-
公开(公告)号：CN103778627B
公开(公告)日：2016-11-23
申请号：CN201410001561.3
申请日：2014-01-02
Applicant: 北京理工大学
Abstract: 本发明提供了一种基于SAR图像的海域溢油检测方法，针对不同海洋场景能够更准确的检测海域溢油。第一步、目标进行提取之前，对SAR图像进行均值滤波处理；第二步、利用最大类间方差的方法对均值滤波处理后的SAR图像进行第一次阈值分割，从整幅图中分割出暗海和部分溢油暗斑；第三步、利用基于上下文特征的局部对比度拉伸方法从暗海中提取溢油暗斑：对于对比度不均匀的SAR海域图像，利用第一次阈值分割会得到大面积的暗海区域；第四步，形态学操作：去除提取的暗海区域图像中的小散点暗斑；第五步，利用基于上下文特征的方法进行虚警剔除。
-
-
-
-
-
-
-
-
-
Search Results
171
records
(took 0.124 seconds)
