一种面向粗粒度可重构系统的多模式动态可配高速访存接口

    公开(公告)号:CN104820659B

    公开(公告)日:2018-01-02

    申请号:CN201510281857.X

    申请日:2015-05-28

    Applicant: 东南大学

    Abstract: 一种面向粗粒度可重构系统的多模式动态可配高速访存接口,基于传统的访存接口,增加了访问模式可配置功能:针对不同的数据分布类型,可以在系统运行过程中,动态地配置成相应的四种访问模式。包括:单数据传输模式、猝发数据传输模式、二维数据传输模式、链式数据传输模式。此访存接口可以根据配置信息和数据分布形式,提前向片外同步动态存储器发起多个数据访问请求,从而减少数据和配置的访问延迟。

    弱监督场景下跨层特征交互的轻量级细粒度图像识别方法

    公开(公告)号:CN111652236B

    公开(公告)日:2022-04-29

    申请号:CN202010505152.2

    申请日:2020-06-05

    Applicant: 东南大学

    Abstract: 弱监督场景下跨层特征交互的轻量级细粒度图像识别方法,该方法利用多层聚合分组卷积代替常规卷积构建出新型残差模块,将其直接嵌入深度残差网络框架实现基础网络轻量化。之后,通过计算高效的低秩近似多项式核池化对特征之间的交互作用进行建模,压缩特征描述向量维度,降低分类全连接层的存储占用与计算成本,同时这一池化方案促使线性分类器具备与高阶多项式核分类器相当的判别能力,显著提高识别精度。最终,采用跨层特征交互网络框架组合特征多样性,增强特征学习与表达能力,减少过拟合风险。本发明公开的弱监督场景下跨层特征交互的轻量级细粒度图像识别方法在识别准确率、计算复杂度和技术可行性三个方面的综合性能处于目前领先水平。

    一种基于视觉自注意力机制的弱监督细粒度图像识别方法

    公开(公告)号:CN111539469B

    公开(公告)日:2022-04-08

    申请号:CN202010311761.4

    申请日:2020-04-20

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于视觉自注意力机制的弱监督细粒度图像识别方法,包含student‑model、teacher‑model以及classification‑model模块;student‑model和teacher‑model经基于Pairwise Approach排序学习的Teacher‑Student循环反馈机制联合,构成自注意力区域推荐网络,从而增强判别性区域定位与细粒度特征学习之间的联系,在缺少目标边界框和部位标注点的情况下依然能够较为准确地检测细粒度图像中判别性区域,促使识别准确率显著提高;同时,student‑model、teacher‑model和classification‑model三个模块共享卷积层,有效压缩模型存储空间并降低计算成本,使得该方法满足实时性识别任务要求,适用于大规模真实场景;此外,多任务联合学习中采用动态权重分配机制减少人为设定超参数量,增强模型鲁棒性,最终整体模型通过端到端的单阶段方式进行训练与学习,降低网络优化难度。

    一种基于视觉自注意力机制的弱监督细粒度图像识别方法

    公开(公告)号:CN111539469A

    公开(公告)日:2020-08-14

    申请号:CN202010311761.4

    申请日:2020-04-20

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于视觉自注意力机制的弱监督细粒度图像识别方法,包含student-model、teacher-model以及classification-model模块;student-model和teacher-model经基于Pairwise Approach排序学习的Teacher-Student循环反馈机制联合,构成自注意力区域推荐网络,从而增强判别性区域定位与细粒度特征学习之间的联系,在缺少目标边界框和部位标注点的情况下依然能够较为准确地检测细粒度图像中判别性区域,促使识别准确率显著提高;同时,student-model、teacher-model和classification-model三个模块共享卷积层,有效压缩模型存储空间并降低计算成本,使得该方法满足实时性识别任务要求,适用于大规模真实场景;此外,多任务联合学习中采用动态权重分配机制减少人为设定超参数量,增强模型鲁棒性,最终整体模型通过端到端的单阶段方式进行训练与学习,降低网络优化难度。

    一种水声稀疏信道估计变步长稀疏度自适应匹配追踪方法

    公开(公告)号:CN109039960A

    公开(公告)日:2018-12-18

    申请号:CN201810673129.7

    申请日:2018-06-26

    Applicant: 东南大学

    Abstract: 本发明公开了一种水声稀疏信道估计变步长稀疏度自适应匹配追踪方法,充分利用水声信道稀疏多径特性,避免传统信道估计技术中导频数目过多造成频谱资源的浪费。并且该方法无需稀疏度作为先验信息,通过步长扩充支撑集,迭代终止时支撑集大小即为估计稀疏度。此外,融入分阶段思想和变步长,将信号重构过程划分为多个阶段,在某一阶段支撑集原子数目保持恒定,相邻阶段通过不同大小的步长逐步扩充支撑集。本发明在不显著增加计算量的前提下提高恢复准确度,即在重构精度和计算复杂度之间获得更优权衡;与现有的经典贪婪算法相比,本发明无需稀疏度作为先验信息,同时步长自适应变化能够兼顾算法精度和运行效率。

    一种面向粗粒度可重构系统的多模式动态可配高速访存接口

    公开(公告)号:CN104820659A

    公开(公告)日:2015-08-05

    申请号:CN201510281857.X

    申请日:2015-05-28

    Applicant: 东南大学

    Abstract: 一种面向粗粒度可重构系统的多模式动态可配高速访存接口,基于传统的访存接口,增加了访问模式可配置功能:针对不同的数据分布类型,可以在系统运行过程中,动态地配置成相应的四种访问模式。包括:单数据传输模式、猝发数据传输模式、二维数据传输模式、链式数据传输模式。此访存接口可以根据配置信息和数据分布形式,提前向片外同步动态存储器发起多个数据访问请求,从而减少数据和配置的访问延迟。

    基于大规模粗粒度嵌入式可重构系统及其处理方法

    公开(公告)号:CN103984560A

    公开(公告)日:2014-08-13

    申请号:CN201410240683.8

    申请日:2014-05-30

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于大规模粗粒度嵌入式可重构系统及其处理方法,其包括:系统总线、配置总线、嵌入式微处理器、外部存储器、中断控制器、直接内存访问控制器、片上数据存储器、片上配置信息存储器、可重构处理器和重构控制器。该方法针对N阶FIR滤波器,其输入序列与滤波系数序列直接卷积得到输出序列,在直接型结构的基础上,用可重构处理器进行优化和加速。

Patent Agency Ranking