-
公开(公告)号：CN116452402A
公开(公告)日：2023-07-18
申请号：CN202310287036.1
申请日：2023-03-22
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种异构平台大幅图像目标检测的多线程加速方法，包括步骤：根据第一图像的像素将第一图像划分为若干分辨率相同的第二图像；根据异构平台中ARM架构的CPU核心数和FPGA资源确定目标检测线程数量，使得每个线程包括1个CPU核和1个DPU核；根据线程数量将若干第二图像分配给确定好的线程；使每个线程利用CPU核和DPU核对分配的第二图像依次进行目标检测；使首先完成第二图像目标检测的线程从输入队列获取新的第一图像；使得所有线程执行到同步点；重复对新的第一图像进行目标检测。该方法使得ARM+DPU的异构平台可以实现大幅图像的目标检测；使用多线程调用CPU核和DPU核对大图中的小图进行并行检测，提高检测速度。
-
公开(公告)号：CN114724030B
公开(公告)日：2023-06-02
申请号：CN202210358655.0
申请日：2022-04-06
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06F17/16 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明提出了一种基于对比学习的极化SAR地物分类方法，主要解决现有技术获取极化SAR数据标签样本难度大的问题。其实现方案为：将极化SAR数据集分为预训练数据集、微调数据集；对预训练数据进行增强并构建由残差网络和多层感知机组成的预训练模型；使用预训练数据集通过梯度下降法对预训练模型进行预训练；在训练好的预训练模型上增加一层全连接网络构成微调模型，使用微调数据集通过梯度下降法对其训练，得到训练好的微调模型；将整个极化SAR数据集输入到训练好的微调模型，完成极化SAR地物分类。本发明避免了使用大量的标签数据，减小了人力物力消耗，提高了极化SAR地物分类的效率和精度，可用于城市建设规划，海洋监测。
-
公开(公告)号：CN115272242A
公开(公告)日：2022-11-01
申请号：CN202210909740.1
申请日：2022-07-29
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种基于YOLOv5的光学遥感图像目标检测方法，其特征在于，包括：步骤1：获取待检测光学遥感图像，待检测光学遥感图像中包含有待检测的目标；步骤2：将待检测光学遥感图像裁剪为若干待检测光学遥感子图像；步骤3：将待检测光学遥感子图像输入至预先训练完成的YOLOv5目标检测模型中，得到对应的子图像检测结果，检测结果包括目标检测框以及分类‑交并比；步骤4：将子图像检测结果合并得到待检测光学遥感图像的检测结果；其中，YOLOv5目标检测模型包括级联的骨干网络、颈部网络和检测头，颈部网络为CSP‑BiFPN网络。本发明的基于YOLOv5的光学遥感图像目标检测方法的检测精度更高，区分不同尺度目标的能力更强。
-
公开(公告)号：CN118711063A
公开(公告)日：2024-09-27
申请号：CN202410859599.8
申请日：2024-06-28
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/766 , G06V10/774 , G06V10/40 , G06V10/778
Abstract: 本发明公开了一种基于极化SAR图像和半监督回归的植物生长参数反演方法，包括：获取包含至少一个待测点的极化SAR图像的原始数据；每个待测点代表一个目标植物区域；对原始数据极化目标分解得到每个待测点的多维特征；从每个待测点的多维特征中选择目标维度的特征，得到每个待测点的关键特征；每个样本点的标签是该样本点代表的目标植物区域中目标植物的目标生长参数；采用训练好的随机森林回归器，根据每个待测点的关键特征进行目标生长参数预测，得到目标植物的目标生长参数；训练好的随机森林回归器是采用利用了基于半监督学习算法扩充后的训练样本训练的。本发明能够有效提升对植物生长参数的预测精度，且鲁棒性高。
-
公开(公告)号：CN118608758A
公开(公告)日：2024-09-06
申请号：CN202410655076.1
申请日：2024-05-24
Applicant: 西安电子科技大学 , 航天东方红卫星有限公司
IPC: G06V10/25 , G06V10/44 , G06V10/52 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明提供基于YOLOv8的光学遥感图像舰船检测方法及装置，涉及遥感图像识别技术领域。此方法包括：构建智能舰船检测模型，对第一数据集和第二数据集分别预处理，得到具有标注的第一舰船图像和第二舰船图像；将第一舰船图像和第二舰船图像依次输入智能舰船检测模型，对智能舰船检测模型进行训练，得到训练好的智能舰船检测模型；将预测图像输入训练好的智能舰船检测模型，检测出预测舰船信息；对预测舰船信息进行后处理，得到具有标注的检测图像。智能舰船检测模型的Backbone模块包括LSKblock、引入DWR模块的C2f模块，使特征图的特征表示全面，且引入SimAM的Neck模块，使对微小密集舰船目标的检测精度较高。
-
Patent Agency Ranking
公开(公告)号：CN118605568A
公开(公告)日：2024-09-06
申请号：CN202410819813.7
申请日：2024-06-24
Applicant: 西安电子科技大学
IPC: G05D1/46 , G05D109/20
Abstract: 本发明提出了一种基于拓扑路径的旋翼无人机轨迹生成方法，实现步骤为：初始化参数；生成局部轨迹；判断局部轨迹是否与障碍物发生碰撞；生成多条拓扑路径；对每个类别的拓扑路径进行紧缩和离散；获取无人机局部轨迹生成结果；获取无人机轨迹生成结果。本发明通过舍弃与障碍物发生碰撞的几何路径形成多条拓扑路径，并对由拓扑路径形成的离散点集合进行优化，然后对优化的多个不同初始解进行优化，生成多条拓扑轨迹，最后选择其中加加速度积分值最小的拓扑轨迹作为局部轨迹，从而充分地利用了轨迹优化的自由空间且不易陷入局部最优，有效提高了局部轨迹的平滑度，并使局部轨迹远离障碍物，有效提高了无人机的飞行速度和安全性。
-
公开(公告)号：CN116451618A
公开(公告)日：2023-07-18
申请号：CN202310275364.X
申请日：2023-03-20
Applicant: 西安电子科技大学
IPC: G06F30/32 , G06F8/61 , G06F117/04 , G06F115/08
Abstract: 本申请提供一种基于Zynq UltraScale+MPSoC的DPU部署方法，包括：利用Vivado软件设计DPU配置电路；所述DPU配置电路用于提供DPU工作所需的信号，所述信号包括时钟驱动信号、复位信号与中断控制信号中至少一种；将所述DPU配置电路与所述DPU进行连接，以利用所述DPU配置电路驱动所述DPU。本申请的DPU部署方法，未使用官方提供的镜像与平台，而是提供了一套定制化实现方案，增强了设计的自由度。本发明在设计DPU配置电路的同时进行自定义扩展电路的设计，增强了功能上的扩展能力。
-
公开(公告)号：CN113095316B
公开(公告)日：2023-04-07
申请号：CN202110403036.4
申请日：2021-04-15
Applicant: 西安电子科技大学
IPC: G06V10/25 , G06V10/24 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种基于多级融合和角点偏移的遥感图像旋转目标检测方法，用于解决现有技术中存在的不同尺度目标的检测准确度低和检测过程运行速度慢的技术问题。本发明的实现步骤为：1、获取每个目标的旋转标注框的最小外接矩形；2、生成训练集；3、构建深度全卷积神经网络；4、训练深度全卷积神经网络；5、对图像中的旋转目标进行检测；6、对旋转目标的边框进行后处理；7、将所有目标的最终旋转检测框绘制到图像中对应的位置，得到检测结果图。本发明能够更好地区分图像中不同尺度目标，减少误检，提高了图像目标检测后目标框的精度。
-
公开(公告)号：CN115423886A
公开(公告)日：2022-12-02
申请号：CN202211064866.X
申请日：2022-09-01
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种利用卷积运算进行图像缩放加速的目标检测方法，主要解决嵌入式平台上图像预处理部分效率低，耗时长的问题。本发明基本过程为：获取待处理的源图像；基于目标尺寸确定待处理的源图像的处理方法，以确定待处理的源图像的无拉伸缩放系数；在待处理的源图像进行缩小或放大处理时，待处理的源图像进入卷积下采样或上采样单元，得到同比例缩放图像；根据补边长度计算公式对所述同比例缩放图像进行补边操作，得到大小为目标尺寸的最终的缩放图像；将最终的缩放图像输入至目标检测器进行目标检测。本发明的方法，仅使用深度学习框架中的基本算子且无需训练过程，将图像缩放合并进深度学习模型，提高了目标检测的效率。
-
公开(公告)号：CN115393729A
公开(公告)日：2022-11-25
申请号：CN202210815924.1
申请日：2022-07-12
Applicant: 西安电子科技大学
IPC: G06V20/13 , G06V10/25 , G06V10/46 , G06V10/774 , G06V10/82
Abstract: 本发明涉及一种基于深度学习以及图像配准算法的飞机变化检测方法，包括：获取同一区域、不同时刻的第一遥感图像和第二遥感图像；对第一遥感图像和第二遥感图像进行机场检测，获取第一遥感图像中的第一机场区域的图像、第一机场区域的第一偏移量、第二遥感图像中的第二机场区域的图像、第二机场区域的第二偏移量；将第一机场区域的图像和第二机场区域的图像根据surf图像配准算法进行图像配准得到配准图像；对配准图像进行飞机检测以获取飞机目标；对飞机检测得到的结果进行变化检测；将飞机目标对应的目标框还原到第一遥感图像和第二遥感图像中。本发明可解决现有技术中存在的检测精度低和检测过程运行速度慢、占用硬件资源大的问题。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.034 seconds)
