一种用于机动目标的轨迹观测数据去噪模型的训练方法

    公开(公告)号:CN116432024A

    公开(公告)日:2023-07-14

    申请号:CN202310226232.8

    申请日:2023-03-03

    Abstract: 本发明实施例提供了一种用于机动目标的轨迹观测数据去噪模型的训练方法,所述模型包括预处理单元和去噪自编码器,所述方法包括:获取训练集,训练集中每个样本包括输入数据和标签,输入数据为传感器在预定时间间隔内观测目标运动轨迹得到的多帧观测数据,标签为对应时间内目标的真实运动轨迹;利用训练集训练模型,并基于计算的损失更新模型的参数,其中,预处理单元对输入数据进行降噪预处理,去噪自编码器对降噪预处理后的输入数据进行编解码,模型基于去噪自编码器编解码后的输出得到去噪后的运动轨迹,本发明实施例通过该训练方法训练得到的模型能对观测数据进行有效去噪的能力,从而提高模型对机动目标的运动轨迹估计的准确性。

    基于跨图像相似度关系的语义分割知识蒸馏方法及系统

    公开(公告)号:CN116310328A

    公开(公告)日:2023-06-23

    申请号:CN202310190417.8

    申请日:2023-02-23

    Abstract: 本发明提出一种基于跨图像相似度关系的语义分割知识蒸馏方法,包括:统计该教师特征图集中两两特征图间像素的相似度,得到教师图像相似度矩阵,统计该学生特征图集中两两特征图间像素的相似度,得到学生图像相似度矩阵;统计该两两特征图的该教师图像相似度矩阵和该学生图像相似度矩阵的最小平方误差,作为该两两特征图的误差,集合该训练集中所有两两特征图的误差,得到总误差,以训练更新该学生模型,执行语义分割任务。通过迁移跨图像间的相似度关系,学生模型可以学习到教师模型全局像素特征关系依赖,从而提高语义分割准确度。

    一种用于点云目标检测模型的压缩方法

    公开(公告)号:CN111461212B

    公开(公告)日:2023-04-07

    申请号:CN202010243264.5

    申请日:2020-03-31

    Abstract: 本发明提供一种用于点云目标检测模型的压缩方法,具体包括:以原始的点云目标检测模型为教师模型获得学生模型;并用教师模型骨干网络输出的特征矩阵、分类网络输出的软极大值、回归网络输出的前景点生成的检测框分别用于协助训练学生模型的骨干网络、分类网络和回归网络。经本发明处理后的学生模型,其压缩的模型空间及运算量均大幅度小于原网络,保证了模型的压缩率,而对于学生网络的精度弱于教师网络的问题,本专利采用了知识蒸馏的思想,用教师模型辅助训练学生模型提高了学生模型的精度,使得最终提升后的学生模型可以有效的在小存储空间、低运算效率的边缘设备下运行,大大降低了模型对设备的硬件要求,降低了设备成本,提高了计算效率。

    一种规模易扩展的嵌入式智能计算系统

    公开(公告)号:CN113868177B

    公开(公告)日:2023-03-24

    申请号:CN202111031038.1

    申请日:2021-09-03

    Abstract: 一种规模易扩展的嵌入式智能计算系统,包括:处理器模块,包括处理器主模块、内存装置、固态存储装置、通信网口装置、通信串口装置,该处理器主模块与该内存装置、该固态存储装置、该通信网口装置、该通信串口装置分别连接;智能加速模块,包括至少一路智能加速卡,至少一路加速卡连接器,该至少一路智能加速卡独立安装于该至少一路加速卡连接器且与该处理器主模块连接并实现通信;时钟模块,包括时钟产生器,用于提供参考时钟;使能模块,包括至少一路电源开关芯片,连接该至少一路加速卡连接器;电源模块,包含至少一电压转换芯片;连接器模块,用于提供外部电源输入和该处理器模块与外部高速差分信号和单端信号互连。

    支持多卡并行的嵌入式智能计算装置

    公开(公告)号:CN114817111A

    公开(公告)日:2022-07-29

    申请号:CN202210471335.6

    申请日:2022-04-28

    Abstract: 本发明提出一种支持多卡并行的嵌入式智能计算装置,包括嵌入式智能计算板卡、主控与IO板卡和RapidIO交换板卡;嵌入式智能计算装置采用高速RapidIO分布式对等网络,并采用标准VPX嵌入式智能计算系统多卡并行计算、标准VPX FPGA主控与IO板卡、标准VPX RapidIO网络交换板卡、标准VPX电源板卡、标准VPX背板,构建嵌入式智能计算系统多卡并行计算集群装置,在处理大规模数据和复杂智能算法网络时,通过该方法及装置不仅获得了系统级智能计算能力倍数增加和较好的算力可扩展性,同时可实现大规模数据密集型计算密集型场景下图像/视频数据实时计算。

    基于深度强化学习的实时集中式无线网络调度方法和设备

    公开(公告)号:CN114189937A

    公开(公告)日:2022-03-15

    申请号:CN202111327752.5

    申请日:2021-11-10

    Abstract: 本发明提出一种基于深度强化学习的实时集中式无线网络调度方法和系统,包括:获取由一个接入点和多个用户节点互连组成的无线网络,在每个时隙,接入点根据所有数据流对应的发送队列信息,得到各数据流的状态,集合所有数据流的状态构成当前时隙的环境状态,接入点获取所有数据流的流量模型与链路质量作为环境特征信息,将环境状态和环境特征信息输入至决策模型,接入点执行决策模型输出结果对应的调度决策;接入点执行调度决策后,收到网络环境的反馈;将交互信息和环境状态和环境特征信息作为经验,存储至子区域;从经验回放池中抽取经验,以训练更新当前决策模型。本发明训练时间不会随数据流数量增加而快速增长,能够快速的收敛到最优实时吞吐量。

    一种通信与调试设备电路及应用其的嵌入式智能计算系统

    公开(公告)号:CN113326218A

    公开(公告)日:2021-08-31

    申请号:CN202110540644.X

    申请日:2021-05-18

    Abstract: 一种通信与调试设备电路,其特征在于,包括:第一板间高速通信连接器,包括CPU以太网MAC控制器接口、2路CPU TTL UART接口、时钟模块I2C接口、CPU JTAG接口。千兆以太网PHY芯片,一端与该CPU以太网MAC控制器接口互连,另一端为以太网收发器数据通信接口,包含四对全双工差分线。RJ45网口,包括四对双绞线屏蔽线差分线接口,与该千兆以太网PHY芯片的该四对全双工差分线相连。串口信号电平转换芯片,该串口信号电平转换芯片的一端为2路TTL/CMOS串口信号输入输出接口,分别与该第一板间高速通信连接器上的2路CPU TTL UART接口信号互连与通信,该串口信号电平转换芯片的另一端为双路+/‑5.0V EIA/TIA‑232电平收发器。两路标准DB9串口母头连接器,与该串口信号电平转换芯片的该双路+/‑5.0V EIA/TIA‑232电平收发器互连。

    用于人工智能处理器的数据互联方法、系统、芯片和装置

    公开(公告)号:CN110708185B

    公开(公告)日:2021-06-29

    申请号:CN201910826850.X

    申请日:2019-09-03

    Abstract: 本发明提出一种用于人工智能处理器的数据互联方法、系统、芯片和装置,包括通过串联多个PCIe Switch构成PCIe互联拓扑树,PCIe互联拓扑树中第一个PCIe Switch的上游端口与通用处理器相连,每个人工智能处理器均与PCIe互联拓扑树中一个PCIe Switch的下游端口相连;通过PCIe桥将第一传感器连接至PCIe互联拓扑树中任一PCIe Switch的下游端口;搭建PCIe‑SRIO桥接模块,以实现SRIO协议和PCIe协议之间的转换,并将PCIe‑SRIO桥接模块的PCIe端口连接至PCIe互联拓扑树中任一PCIe Switch的下游端口;通过互联多个SRIO交换机构成SRIO互联拓扑树,将PCIe‑SRIO桥接模块的SRIO端口连接到SRIO交换机上,以建立SRIO互联拓扑树与PCIe互联拓扑树的互联通路;通过SRIO桥将第二传感器连接至SRIO互联拓扑树中任一SRIO交换机的空闲端口。

    一种基于嵌入-混合的轨迹数据增强及轨迹识别方法

    公开(公告)号:CN112949628A

    公开(公告)日:2021-06-11

    申请号:CN202110168050.0

    申请日:2021-02-07

    Abstract: 本发明提供了一种基于嵌入‑混合的轨迹数据增强及轨迹识别方法。所述轨迹数据增强方法包括:将轨迹数据中的每条轨迹转换成相应感兴趣点的集合;基于所有感兴趣点的总集计算包含每个感兴趣点编码的嵌入矩阵;基于所述嵌入矩阵确定每一条轨迹的轨迹编码向量;对任意两条或更多条轨迹的编码向量进行加权融合,获得新的编码向量;按照步骤S3的逆过程,对所获得的编码向量进行解码获得新的轨迹数据。本发明的轨迹数据增强方法可以有效地应用在轨迹数据上,可以同时针对轨迹数据的顺序性、空间性、语义性进行数据增强工作。既不会破坏轨迹数据的顺序性,又能考虑到轨迹数据的空间性和语义性。进而可以达到提升轨迹识别模型精度的效果。

Patent Agency Ranking