-
公开(公告)号：CN110826407A
公开(公告)日：2020-02-21
申请号：CN201910953236.X
申请日：2019-10-09
Applicant: 电子科技大学
Abstract: 该发明公开了一种高分辨率卫星广义像对的立体匹配方法，属于高分辨率卫星广义像对的立体匹配方法，利用高分辨率卫星广义像对进行立体匹配。本发明用图像处理算法进行特征提取和特征点匹配，摆脱了传统遥感软件需要大量手动修改校准的过程，即可以提高精度，也可以节约时间成本。同时本方法适用于广义立体像对，将得到的同名点代入有理函数前方交会模型，得出地面点的三维坐标。
-
公开(公告)号：CN116258187A
公开(公告)日：2023-06-13
申请号：CN202310254742.6
申请日：2023-03-16
Applicant: 电子科技大学
Abstract: 本发明公开了一种神经网络推理FPGA快速部署方法，包括模型预处理平台、基于一种机器学习框架的知识蒸馏平台、基于硬件友好型网络的FPGA部署平台和基于以上平台实现的部署流程。通过模型预处理平台实现对多种机器学习框架的支持。通过知识蒸馏，减少网络类型与硬件加速器设计的关联，可很大程度地降低对FPGA硬件加速器的灵活性要求，降低FPGA硬件设计难度。通过基于一种机器学习框架的知识蒸馏平台，可方便地实现知识蒸馏。通过基于硬件友好型网络的FPGA部署平台，可实现硬件友好性网络的快速部署。相较于其他神经网络，硬件友好型网络推理在FPGA上运行具有更高的能效。采用本发明方法，可快速、高质量地实现从机器学习框架级表示的神经网络推理到FPGA的部署。
-
公开(公告)号：CN111833249A
公开(公告)日：2020-10-27
申请号：CN202010614039.8
申请日：2020-06-30
Applicant: 电子科技大学
Abstract: 本发明提供了一种基于双向点特征的UAV图像配准与拼接方法，采用FAST算法检测图像特征点，通过灰度质心法赋予特征点主方向，采用rBRIEF算法对特征点进行特征描述，生成特征描述子；采用双向匹配增加匹配点对或双向匹配筛选匹配点对；通过渐进采样一致性算法去除误匹配点对并拟合变换矩阵H的参数；通过得到的变换矩阵H对待配准图像进行投影变换，并通过双线性插值算法得到拼接图像。本发明保留了ORB较快的配准速度，并通过双向匹配与PROSAC算法对提取的特征点进行处理提高了配准精度。
-
公开(公告)号：CN110826411A
公开(公告)日：2020-02-21
申请号：CN201910958507.0
申请日：2019-10-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于无人机图像的车辆目标快速识别方法，输入图像处理的目标识别领域。针对无人机图像中车辆目标的像素占比小，而且车辆目标在无人机图像中比较密集，原始的网络对其检测比较困难的问题，首先使用不同的anchor个数与大小去匹配图像中的车辆目标，相比于原始网络，使得识别的AP值提高了8.5％，然后又对网络增加了多层特征融合，使得网络在最后分类的时候使用到网络的前面的浅层特征，使得最后的分类与识别的效果更好，在前面改进的基础上，增加多层特征融合以后，网络的AP值提高了1.6％，最后得到的改进后的网络的AP值相比于原始网络的AP值提高了10.1％，从80.5％提高到90.6％，检测的速度相比原始网络有略微的下降，但是精度得到大幅度的提升。
-
公开(公告)号：CN103985710A
公开(公告)日：2014-08-13
申请号：CN201410200747.1
申请日：2014-05-13
Applicant: 西安电子科技大学
Abstract: 本发明涉及集成电路的静电防护技术领域，公开了一种专用于电源箝位电路的新型双向SCR型ESD防护器件。本发明的双向SCR型ESD器件应用于电源轨与地轨之间，通用于任何不同电位的电源轨之间的静电防护，该器件以其独有的双向导通性，可在ESD事件到来时迅速导通形成低阻抗通路来泄放大电流从而保护内部的核心电路免受ESD事件的损害，再者由于其双向性，在应用于电源轨与地轨之间时，亦可在一定程度上减轻I/O口处二极管对于反向放电的压力。本发明的有益效果是结构简单，成本低。
-
Patent Agency Ranking
公开(公告)号：CN110826411B
公开(公告)日：2022-05-03
申请号：CN201910958507.0
申请日：2019-10-10
Applicant: 电子科技大学
IPC: G06V20/17 , G06V10/25 , G06V10/774 , G06V10/80 , G06V10/776 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种基于无人机图像的车辆目标快速识别方法，输入图像处理的目标识别领域。针对无人机图像中车辆目标的像素占比小，而且车辆目标在无人机图像中比较密集，原始的网络对其检测比较困难的问题，首先使用不同的anchor个数与大小去匹配图像中的车辆目标，相比于原始网络，使得识别的AP值提高了8.5％，然后又对网络增加了多层特征融合，使得网络在最后分类的时候使用到网络的前面的浅层特征，使得最后的分类与识别的效果更好，在前面改进的基础上，增加多层特征融合以后，网络的AP值提高了1.6％，最后得到的改进后的网络的AP值相比于原始网络的AP值提高了10.1％，从80.5％提高到90.6％，检测的速度相比原始网络有略微的下降，但是精度得到大幅度的提升。
-
公开(公告)号：CN110826407B
公开(公告)日：2022-03-15
申请号：CN201910953236.X
申请日：2019-10-09
Applicant: 电子科技大学
Abstract: 该发明公开了一种高分辨率卫星广义像对的立体匹配方法，属于高分辨率卫星广义像对的立体匹配方法，利用高分辨率卫星广义像对进行立体匹配。本发明用图像处理算法进行特征提取和特征点匹配，摆脱了传统遥感软件需要大量手动修改校准的过程，即可以提高精度，也可以节约时间成本。同时本方法适用于广义立体像对，将得到的同名点代入有理函数前方交会模型，得出地面点的三维坐标。
-
公开(公告)号：CN118312772A
公开(公告)日：2024-07-09
申请号：CN202410321151.0
申请日：2024-03-20
Applicant: 电子科技大学
IPC: G06F18/214 , G06F18/24 , G06N3/04 , G06N3/082
Abstract: 本发明公开了一种神经网络模型级联压缩方法，该方法包括下述步骤：准备好网络模型和已有的训练数据集后进行模型训练；根据有无数据集情况采取不同的级联压缩方法；如果有数据集则依次进行局部统计剪枝、细粒度剪枝、多教师模型知识蒸馏对网络模型进行级联压缩；如果无数据集则依次进行无数据剪枝、无数据知识蒸馏对网络模型进行级联压缩；无论是否有无数据集，对知识蒸馏后的学生网络模型进行直接量化处理；对级联压缩后的学生网络模型性能进行综合评估，评估通过后输出级联压缩后的学生网络模型。本发明方法是面向神经网络推理FPGA部署的，可以更精细地平衡模型的大小和规律的稀疏性，实现高效神经网络推理FPGA部署，对FPGA部署十分友好。
-
公开(公告)号：CN118246492A
公开(公告)日：2024-06-25
申请号：CN202410482121.8
申请日：2024-04-19
Applicant: 电子科技大学
IPC: G06N3/0464 , G06N3/063 , G06N3/084
Abstract: 本发明公开了一种卷积神经网络加速方法及卷积神经网络加速器，属于计算机技术领域。所述卷积神经网络加速方法包括：获取预先训练的卷积神经网络的模型参数，所述模型参数包括各卷积层中的卷积核参数；根据各卷积层中的卷积核参数求出各层卷积核中心对称元素的平均值，并将其替代为各卷积层中卷积核的参数；给定输入/输出样本对，基于所述输入/输出样本对对所述卷积神经网络进行训练，并在达到指定的误差范围或者最大次数时结束训练过程。本发明采用的卷积核中心化的处理方式，减少了权重存储所需要的空间和外部存储器的访问次数，使得卷积神经网络的加速具备运算效率较高而所需存储空间较少的目的。
-
公开(公告)号：CN116451774A
公开(公告)日：2023-07-18
申请号：CN202310253419.7
申请日：2023-03-16
Applicant: 电子科技大学
IPC: G06N3/092 , G06N3/0464
Abstract: 本发明提出了一种基于多线程的深度强化学习方法，属于机器学习技术领域。在深度强化学习算法中是通过智能体与环境不断进行交互获得训练数据，这个过程需要消耗大量时间才能获得足够的数据。本发明中通过多线程同步采样的方式加快数据样本采集速度，具体是将整体算法分为样本采集和网络训练两部分，其中样本采集部分是通过多个子线程中的智能体同步与环境进行交互产生数据，参数训练部分是利用子线程中采集到的数据在主线程中进行训练更新网络参数。子线程中只负责样本采集，主线程中只负责网络训练。这样通过多线程的方式提高样本采集效率，增强智能体在训练前期的探索能力，加快算法训练的速度，大大缩短算法训练所需的时间。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.022 seconds)
