-
公开(公告)号:CN114999544A
公开(公告)日:2022-09-02
申请号:CN202210585976.4
申请日:2022-05-27
Applicant: 电子科技大学
IPC: G11C11/41 , G11C11/413
Abstract: 本发明属于集成电路技术领域,具体的说涉及一种基于SRAM的存内计算电路。本发明提出了一种基于SRAM的存内计算电路,包括6T SRAM Cell阵列和复用计算单元,所述存内计算电路将权重数据预先写入SRAM内存储,然后通过复用计算单元与输入数据进行乘累加运算来实现存内计算。本发明提出的一种存内计算单元虽然增加了存储器的面积,但却使得数据在存储器内部就可以完成计算,显著降低了卷积神经网络等应用的数据搬运量和功耗。
-
公开(公告)号:CN113436115B
公开(公告)日:2023-09-19
申请号:CN202110874144.X
申请日:2021-07-30
Applicant: 西安热工研究院有限公司 , 西安电子科技大学
IPC: G06T5/00 , G06T7/00 , G06V10/764 , G06V10/44 , G06V10/82 , G06N3/048 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于深度无监督学习的图像阴影检测方法,包括:(1)使用多种不同的传统无监督阴影检测模型对无标签的训练样本集进行预测,生成相应的预测阴影图:(2)构建初始伪标签生成模块,利用多个预测阴影图生成初始伪标签;(3)构建课程学习模块,利用多个阴影图设计由简单到复杂的学习课程;(4)构建伪标签更新模块,利用伪标签阴影强度作为评估标准,来评估已训练模型的预测阴影图和初始伪标签阴影图的可靠性,进而将可靠性高的阴影图作为新的伪标签;(5)构建基于轻量级网络结构的阴影检测模型;(6)利用课程学习和伪标签更新模块对网络模型进行多阶段训练,获得最后一阶段的网络模型参数;(7)预测图像的阴影结果图。
-
公开(公告)号:CN113436115A
公开(公告)日:2021-09-24
申请号:CN202110874144.X
申请日:2021-07-30
Applicant: 西安热工研究院有限公司 , 西安电子科技大学
Abstract: 本发明公开了一种基于深度无监督学习的图像阴影检测方法,包括:(1)使用多种不同的传统无监督阴影检测模型对无标签的训练样本集进行预测,生成相应的预测阴影图:(2)构建初始伪标签生成模块,利用多个预测阴影图生成初始伪标签;(3)构建课程学习模块,利用多个阴影图设计由简单到复杂的学习课程;(4)构建伪标签更新模块,利用伪标签阴影强度作为评估标准,来评估已训练模型的预测阴影图和初始伪标签阴影图的可靠性,进而将可靠性高的阴影图作为新的伪标签;(5)构建基于轻量级网络结构的阴影检测模型;(6)利用课程学习和伪标签更新模块对网络模型进行多阶段训练,获得最后一阶段的网络模型参数;(7)预测图像的阴影结果图。
-
公开(公告)号:CN110931920A
公开(公告)日:2020-03-27
申请号:CN201911198342.8
申请日:2019-11-29
Applicant: 电子科技大学
IPC: H01P1/16
Abstract: 本发明公开了一种矩形波导TE10模到圆波导TE02模宽带模式变换器,属于微波、毫米波器件技术领域。本发明采用的设计路线为:标准矩形波导TE10模-矩形波导TE20模-矩形波导TE40模-十字形波导TE44模-十字扇形波导TE44模-圆波导TE02模。本发明中矩形波导TE10模到TE02模宽带模式变换器是通过改变波导外部形状,从而改变约束电磁波在波导中传播时的边界条件,并借助中转模式的方案实现线性渐变结构的矩形波导TE10模到圆波导TE02模宽带模式变换。本发明有效解决了模式转换效率低和带宽较窄的问题,且本发明每个模式变换段均为线性渐变结构,因此本发明的模式变换器结构简单,便于加工,实用性强。
-
-
-