-
公开(公告)号：CN110516727B
公开(公告)日：2022-12-06
申请号：CN201910766635.5
申请日：2019-08-20
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/774
Abstract: 一种基于FPGA深度边缘滤波器的高光谱图像分类方法，主要解决现有技术中高光谱图像分类速度慢、功耗高和分类精度低的问题。本发明具体步骤如下：1)输入待分类高光谱图像；2)对待分类高光谱图像进行预处理；3)对预处理后的高光谱图像进行降维操作；4)用深度边缘滤波器进行深度边缘滤波；5)生成训练集和测试集；6)构建高光谱图像分类网络；7)训练高光谱图像分类网络；8)对测试集进行分类。本发明采用深度边缘滤波器，并利用现场可编程门阵列FPGA和OpenCL异构计算框架对测试集进行分类，具有针对高光谱图像分类问题速度快、功耗低和精度高的优点。
-
Patent Agency Ranking
公开(公告)号：CN110516560B
公开(公告)日：2022-12-02
申请号：CN201910718212.6
申请日：2019-08-05
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/56 , G06V10/764
Abstract: 本发明提出了一种基于FPGA异构深度学习的光学遥感图像目标检测方法，主要解决现有技术中光学遥感图像目标检测中误检率高、鲁棒性差、功耗高的问题。实现步骤为：构建遥感图像训练数据集；构建基于多尺度特征交叉融合的目标检测网络；利用训练数据集训练该目标检测网络，得到目标权重；对该目标检测网络依次进行高级语言描述和编译，得到SOF可执行文件；在FPGA上运行上述得到的可执行文件，得到检测结果。本发明构建的网络，使用颜色空间转换和多尺度特征交叉融合，改善了因外界光线环境变化及目标小造成的误检和漏检，且选用FPGA作为加速平台，降低了网络运行功耗，可应用于对光学遥感图像不同区域内的飞机与舰船的地物识别。
-
公开(公告)号：CN111191736B
公开(公告)日：2022-03-04
申请号：CN202010007701.3
申请日：2020-01-05
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/80 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提出一种基于深度特征交叉融合的高光谱图像分类方法，主要解决传统卷积神经网络在高光谱数据分类时空间特征丢失的问题。其技术方案是：1.读取高光谱数据并对每个光谱带进行预处理；2.使用预处理后的高光谱数据构造数据样本并生成训练集和测试集数据；3.构建基于深度特征交叉融合的高光谱图像分类网络；4.用训练集数据对网络进行训练；5.使用训练后的网络对测试集数据进行分类预测；本发明针对多通道的原始数据融合不同分支阶段、不同尺度的深度特征，不断在多尺度表征之间进行信息交换，进而提升模型的深度特征表达能力；有效利用了高光谱数据不同层深度特征的多尺度空间信息，提高了分类精度。
-
公开(公告)号：CN111191736A
公开(公告)日：2020-05-22
申请号：CN202010007701.3
申请日：2020-01-05
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明提出一种基于深度特征交叉融合的高光谱图像分类方法，主要解决传统卷积神经网络在高光谱数据分类时空间特征丢失的问题。其技术方案是：1.读取高光谱数据并对每个光谱带进行预处理；2.使用预处理后的高光谱数据构造数据样本并生成训练集和测试集数据；3.构建基于深度特征交叉融合的高光谱图像分类网络；4.用训练集数据对网络进行训练；5.使用训练后的网络对测试集数据进行分类预测；本发明针对多通道的原始数据融合不同分支阶段、不同尺度的深度特征，不断在多尺度表征之间进行信息交换，进而提升模型的深度特征表达能力；有效利用了高光谱数据不同层深度特征的多尺度空间信息，提高了分类精度。
-
公开(公告)号：CN110516727A
公开(公告)日：2019-11-29
申请号：CN201910766635.5
申请日：2019-08-20
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 一种基于FPGA深度边缘滤波器的高光谱图像分类方法，主要解决现有技术中高光谱图像分类速度慢、功耗高和分类精度低的问题。本发明具体步骤如下：1)输入待分类高光谱图像；2)对待分类高光谱图像进行预处理；3)对预处理后的高光谱图像进行降维操作；4)用深度边缘滤波器进行深度边缘滤波；5)生成训练集和测试集；6)构建高光谱图像分类网络；7)训练高光谱图像分类网络；8)对测试集进行分类。本发明采用深度边缘滤波器，并利用现场可编程门阵列FPGA和OpenCL异构计算框架对测试集进行分类，具有针对高光谱图像分类问题速度快、功耗低和精度高的优点。
-
公开(公告)号：CN110516560A
公开(公告)日：2019-11-29
申请号：CN201910718212.6
申请日：2019-08-05
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于FPGA异构深度学习的光学遥感图像目标检测方法，主要解决现有技术中光学遥感图像目标检测中误检率高、鲁棒性差、功耗高的问题。实现步骤为：构建遥感图像训练数据集；构建基于多尺度特征交叉融合的目标检测网络；利用训练数据集训练该目标检测网络，得到目标权重；对该目标检测网络依次进行高级语言描述和编译，得到SOF可执行文件；在FPGA上运行上述得到的可执行文件，得到检测结果。本发明构建的网络，使用颜色空间转换和多尺度特征交叉融合，改善了因外界光线环境变化及目标小造成的误检和漏检，且选用FPGA作为加速平台，降低了网络运行功耗，可应用于对光学遥感图像不同区域内的飞机与舰船的地物识别。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
