一种异构平台大幅图像目标检测的多线程加速方法

    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

    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。

    一种基于YOLOv5的光学遥感图像目标检测方法

    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

    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。

    一种小型化毫米波成像雷达装置

    公开(公告)号:CN110471059A

    公开(公告)日:2019-11-19

    申请号:CN201910768519.7

    申请日:2019-08-20

    Abstract: 本发明提出了一种小型化毫米波成像雷达装置,雷达装置包括单片微波集成电路和天线辐射单元。单片微波集成电路包括多路发射系统和多路接收系统,天线辐射单元由发射天线辐射单元和接收天线辐射单元组成;发射系统包括多路功率放大器模块、多路电子移相器模块和毫米波信号发生模块,接收系统包括多路毫米波接收模块和多路中频放大模块;多路功率放大器模块输出的信号通过发射天线辐射单元辐射到空间,接收天线辐射单元将信号传输到低噪声放大器,低噪声放大器将接收到的信号传输到混频器,混频器将处理后的信号传输到多路中频放大模块。本发明提出的毫米波成像雷达装置采用单片微波集成电路,简化了结构,缩小了体积。

    基于DFIC超像素的PolSAR图像地物分类方法

    公开(公告)号:CN108509835A

    公开(公告)日:2018-09-07

    申请号:CN201810073220.5

    申请日:2018-01-25

    Abstract: 本发明公开了一种基于DFIC超像素的PolSAR图像地物分类方法。本发明的实现步骤为:(1)输入极化合成孔径雷达PolSAR图像;(2)对PolSAR图像进行克劳德目标分解;(3)初始化超像素信息;(4)计算像素点之间的特征距离;(5)更新超像素;(6)构建卷积神经网络;(7)对PolSAR图像进行分类;(8)用分解特征迭代聚类DFIC超像素优化分类结果。本发明相比现有技术的超像素分割方法具有分割边界准确,超像素内部紧促的优点,相对于现有技术的单像素分类方法,具有分类精度高,不受噪点影响的优点。本发明可用于极化合成孔径雷达PolSAR图像的分类。

    基于图像残余信号的非局部均值图像去噪方法

    公开(公告)号:CN102930508B

    公开(公告)日:2015-03-04

    申请号:CN201210315578.7

    申请日:2012-08-30

    Abstract: 本发明公开了一种基于图像残余信号的非局部均值图像去噪方法,主要解决原始非局部均值去噪方法在去除噪声的同时丢失了部分图像细节信息的问题。其去噪步骤为:(1)对输入的含噪自然图像进行原始非局部均值滤波,得到一次滤波结果图和方法噪声图;(2)判断方法噪声图中各个像素点所属区域;(3)根据各个像素点所属区域不同提取图像残余信息,得到残余信息图;(4)利用残余信息图与一次滤波结果图得到去噪参考图;(5)在去噪参考图中计算新的权值,利用新的权值对含噪自然图像进行非局部均值滤波,得到每个像素点的估计值;(6)用所有像素点的估计值取代含噪自然图像中所有像素点的灰度值,得到去噪图像。本发明的去噪效果更好,可用于自然图像去噪。

    基于深度学习的宽带信号参数估计方法

    公开(公告)号:CN112784690B

    公开(公告)日:2022-12-27

    申请号:CN202011623078.0

    申请日:2020-12-31

    Abstract: 本发明公开了一种基于深度学习的宽带信号参数估计方法,基于YOLOv4网络和灰度时频图实现宽带特定信号的检测和识别,并对检测结果进一步计算和更新得到每个检测到宽带信号的估计参数,克服了现有方法检测识别精度低、参数估计不准、适用类型少且严重依赖专家先验等问题。本发明主要包括以下步骤:(1)生成宽带特定信号训练集;(2)训练YOLOv4网络;(3)对宽带信号灰度时频图进行检测识别;(4)计算检测识别到的每个宽带特定信号的参数;(5)对宽带特定信号的参数进行判断;(6)更新宽带特定信号参数。本发明具有宽带特定信号检测识别精度高、参数估计准和方法普适等优点,可用于无线电检测和侦查中对宽带信号进行分析。

    用于对抗深度学习的无线电信号伪造方法

    公开(公告)号:CN112865915A

    公开(公告)日:2021-05-28

    申请号:CN202110005855.3

    申请日:2021-01-05

    Abstract: 本发明提供了一种用于对抗深度学习的无线电信号伪造方法,解决了人工智能与电子对抗技术领域,基于深度学习的信号分类器难以对抗的技术问题。实现包括:对调制后的无线电信号随机生成候选对抗信号,将候选对抗信号作为初始父代种群,通过基于视觉限制的差分进化方法生成信号干扰方案集;采用基于深度学习的无线电信号分类器评估获得干扰信号和对抗信号,完成对抗信号伪造。本发明伪造的信号和原无线电信号具有极高的相似性,有效对抗基于深度学习的信号分类器,降低无线电信号调制类型分类精度。本发明伪造的信号在干扰信号未知的情况下,基本不影响无线电信号内容理解。用于军事领域电子对抗,防止无线电信号调制类型被识别。

    一种高精度低纹波的负电压产生电路

    公开(公告)号:CN111725991B

    公开(公告)日:2023-10-27

    申请号:CN202010573496.7

    申请日:2020-06-22

    Abstract: 本发明公开了一种高精度低纹波的负电压产生电路,至少包括自激振荡电路,用于产生恒稳和持续的振荡电压信号;缓冲单元,用于对自激振荡电路的振荡电压信号进行整形,并产生低传输延迟的脉冲宽度调制输出信号;电平转换电路,接收缓冲单元的输出信号,并根据该输出信号的高低电平驱动负电压电荷泵的开关管;负压电荷泵,接收缓冲单元的输出信号和电平转换电路的两路输出电压信号,并据此产生负电压;反馈控制电路,用于检测并调节负电压电荷泵产生的负电压。本发明能够实现将5V直流输入电压转换成‑2.5V的直流输出电压;输出电压纹波小、可靠性高,且整体电路结构集成度高,功耗较低。

Patent Agency Ranking