一种改进的YOLOv5目标检测系统及方法

    公开(公告)号:CN116580280A

    公开(公告)日:2023-08-11

    申请号:CN202310584948.5

    申请日:2023-05-23

    Abstract: 本发明公开了一种改进的YOLOv5目标检测系统及方法,主要解决现有检测算法在网络参数量和检测精度之间难以兼顾的问题。包括:依次级联的输入模块、主干单元、特征融合单元以及输出模块;外部数据首先进入输入模块,经处理后传输给主干单元,该单元包括扩张卷积模块和三层连续扩张卷积模块,均是在YOLOv5网络中引入扩张卷积后形成,用于提取不同尺度的特征图,并将其传送给特征融合单元,该单元采用特征金字塔FPN加上路径聚合网络PAN的结构对主干单元中获取的不同尺度的特征图进行融合处理;最后通过输出模块对融合后特征进行目标预测,输出检测结果。本发明能够在不增加检测模型参数量和计算量的同时,有效提升检测精度。

    一种大规模柔性驱动的自动制造系统的协同活性构建方法

    公开(公告)号:CN110597194B

    公开(公告)日:2022-10-04

    申请号:CN201910761367.8

    申请日:2019-08-18

    Inventor: 张敏 胡核算 马艳

    Abstract: 本发明属于自动制造系统技术领域,公开了一种大规模柔性驱动的自动制造系统的协同活性构建方法,加工系统中有四种类型的资源:n1,n2,n3,n4;工具集n3,机器库n1,n2,n4;工具集n3是公用的;资源n1,n2,n3,n4的WRCN子网模型合并之后的WRCN大网;变迁代表着加工操作的开始或者结束,n1,n2,n3,n4分别代表着四个子网的初始资源数;在加工中,WRCN G1和WRCN G2有共同的加工路径t2p3t3;WRCN G1和WRCN G3有共同的加工路径t3p4t4;WRCN G3和WRCN G4有共同的加工路径t7p8t9。本发明提出子系统合成模型,使得合成之后的系统满足活性。

    基于CNN和LSTM的DQPSK调制信号解调方法

    公开(公告)号:CN109379318B

    公开(公告)日:2020-11-24

    申请号:CN201811367884.9

    申请日:2018-11-16

    Abstract: 本发明提出了一种基于CNN和LSTM的DQPSK调制信号解调方法,解决现有DQPSK信号解调方法中调误码率高的技术问题。实现步骤为:获取DQPSK调制信号的采样序列和标记序列;构造CNN并对其进行训练;构造LSTM并对其进行训练;获取训练后的CNN的输出序列;确定采样序列中DQPSK调制信号的每个码元周期对应的采样数据;获取待解调的DQPSK调制信号的解调结果。本发明通过CNN判断DQPSK调制信号码元的边界,能够应对多普勒频移以及采样时钟误差等问题,并使用LSTM直接完成DQPSK调制信号的解调数据的获取,解决了调制信号码元边界不确定带来的解调误码率高的问题。

    基于遗传算法优化的BP神经网络的频谱预测方法

    公开(公告)号:CN111883213A

    公开(公告)日:2020-11-03

    申请号:CN202010738765.0

    申请日:2020-07-28

    Abstract: 本发明公开了基于遗传算法优化的BP神经网络的频谱预测方法,涉及频谱预测技术领域,遗传算法GA作为进化算法的一种,可以模仿自然界生物体的遗传进化过程,是一种具有多次迭代过程的搜索算法,从而能够解决一系列最优化问题。本发明参照了自然界中生物体“适者生存,优胜劣汰”的自然选择生存法则,依据某些特定的适应度函数对种群中的各个个体进行遗传中的选择、突变和交叉并进行筛选,那些适应度较好的个体就会被选择以进行利用,而那些适应度较差的个体就被舍弃。经过遗传算法所留下来的个体既拥有了之前所存在的优势,还在此基础上有了更进一步的发展,如反复循环,就会满足所要求的条件。

    具有复杂进程子网的自动制造系统的协同活性构建方法

    公开(公告)号:CN111401680A

    公开(公告)日:2020-07-10

    申请号:CN202010082000.6

    申请日:2020-02-06

    Inventor: 张敏 胡核算 马艳

    Abstract: 本发明属于自动制造系统技术领域,公开了一种具有复杂进程子网的自动制造系统的协同活性构建方法,PN子网和满足活性的WRCN子网通过共同变迁路径合成;为避免对制造系统的运转产生浪费,一旦开始加工之后,WRCN中资源库所的资源要连续输入;在满足上述条件的前提下,PN子网中工作库所的托肯数和WRCN子网中资源库所的托肯数进一步满足限制规则中的约束。本发明采用Petri网作为数学工具,子网合成之后的结果网一定满足活性,不需要再去找出所有信标来判断结果网是否满足活性,且将适应范围进一步扩展到一般网中。对于大规模的制造系统来说,可以对更复杂的过程行为进行建模,并且节省了大量查找信标的时间。

    基于超像素边缘和全卷积网络的图像语义分割方法

    公开(公告)号:CN107424159B

    公开(公告)日:2020-02-07

    申请号:CN201710630636.8

    申请日:2017-07-28

    Abstract: 本发明提出了一种基于超像素边缘和全卷积网络的图像语义分割方法,用于解决现有图像语义分割方法中存在的准确度低的技术问题,实现步骤为:构建训练、测试和验证样本集,训练、测试并验证输出像素级语义标记的全卷积网络,利用已验证的输出像素级语义标记的全卷积网络对待分割图像进行语义分割,获得像素级语义标记,并对待分割图像进行BSLIC超像素分割,利用像素级语义标记对BSLIC超像素进行语义标注,得到融合了超像素边缘和全卷积网络输出的高级语义信息的语义分割结果。本发明既保持了原始全卷积网络分割准确度,又提高了对细小边缘的分割准确度,进而提升了图像分割准确率,可用于分类、识别、跟踪等要求检测目标的场合。

    基于FPGA的卷积神经网络训练系统及方法

    公开(公告)号:CN109902802A

    公开(公告)日:2019-06-18

    申请号:CN201910060523.8

    申请日:2019-01-22

    Abstract: 本发明涉及一种基于FPGA的卷积神经网络训练系统及方法,系统包括:核心处理模块,用于提供第一训练集数据并初始化卷积神经网络的第一网络参数,以及接收第二网络参数误差;输入数据转换模块,用于分别对第一训练集数据和第一网络参数进行处理得到第二训练集数据和第二网络参数;前向计算引擎模块,用于对第二训练集数据和第二网络参数进行处理得到隐层数据和预测误差;反向计算引擎模块,用于对隐层数据、第二网络参数和预测误差进行处理得到第一网络参数误差;输出数据转换模块,用于对第一网络参数误差进行处理得到第二网络参数误差。该系统不仅实现了前向传播计算和反向传播计算的同时运行,还减少对公共数据总线的占用以及存储带宽的需求。

    基于FPGA的多通道异速数据发送系统

    公开(公告)号:CN105975416B

    公开(公告)日:2018-11-20

    申请号:CN201610273516.2

    申请日:2016-04-28

    Abstract: 本发明公开了一种基于FPGA的多通道异速数据发送系统,主要解决现有技术难以用单设备实现多路数据异速发送的问题。其包括:数据发送软件模块(1)、高速数据传输模块(2)、通道选择模块(3)和组帧发送模块(4)。数据发送软件模块(1)将命令和数据送入高速数据传输模块(2),再由高速数据传输模块(2)传送给通道选择模块(3),通道选择模块(3)内的仲裁器根据通道优先级命令遍历检测各个通道的传输条件,跳转到对应通道,并向上一级返回数据请求命令,在数据到来时,将传送的数据送入组帧发送模块(4)的对应通道,并根据设置的正逆程长度和输出时钟完成数据发送。本发明适应性强、灵活度高,可用于异速发送多个通道的数据。

Patent Agency Ranking