基于级联检测器的目标检测方法、目标检测模型及系统

    公开(公告)号:CN109886286B

    公开(公告)日:2021-07-23

    申请号:CN201910005486.0

    申请日:2019-01-03

    Abstract: 本发明公开了一种基于级联检测器的目标检测方法、目标检测模型及系统,该检测方法包括以下步骤:S1:采用带有目标标注的训练数据集对目标检测模型进行训练;S2:将待测图片输入训练好的目标检测模型中,通过特征提取、上采样、特征融合后得到不同尺寸的特征图P2、P3、…、Pn;S3:根据特征图Pn预测得到目标位置Bn和类别Cn;根据目标位置Bi从对应的特征图Pi‑1中提取相应的特征进行目标预测,得到目标位置Bi‑1和类别Ci‑1,i=3~n;S4:以目标位置B2作为最终预测结果;本发明通过对目标候选框的多次迭代回归预测,得到预测更加准确的目标位置,提高了目标检测精度,检测准确度更高。

    基于级联检测器的目标检测方法、目标检测模型及系统

    公开(公告)号:CN109886286A

    公开(公告)日:2019-06-14

    申请号:CN201910005486.0

    申请日:2019-01-03

    Abstract: 本发明公开了一种基于级联检测器的目标检测方法、目标检测模型及系统,该检测方法包括以下步骤:S1:采用带有目标标注的训练数据集对目标检测模型进行训练;S2:将待测图片输入训练好的目标检测模型中,通过特征提取、上采样、特征融合后得到不同尺寸的特征图P2、P3、…、Pn;S3:根据特征图Pn预测得到目标位置Bn和类别Cn;根据目标位置Bi从对应的特征图Pi-1中提取相应的特征进行目标预测,得到目标位置Bi-1和类别Ci-1,i=3~n;S4:以目标位置B2作为最终预测结果;本发明通过对目标候选框的多次迭代回归预测,得到预测更加准确的目标位置,提高了目标检测精度,检测准确度更高。

    一种基于注意力机制的缺陷目标检测方法

    公开(公告)号:CN109829893B

    公开(公告)日:2021-05-25

    申请号:CN201910005485.6

    申请日:2019-01-03

    Abstract: 本发明属于缺陷检测技术领域,公开了一种基于注意力机制的缺陷目标检测方法,对原始数据集中所有图片的各类缺陷进行标注,得到带标注的标准训练数据集;根据该标准训练数据集得到训练标签、确定损失函数,得到网络模型并利用反向传导方法训练,得到对缺陷部位权重增强的基于注意力机制的缺陷回归检测网络模型;利用上述的缺陷回归检测网络模型对待检测图片进行分类预测和回归预测;并对预测的缺陷包围框进行非极大值抑制处理进行过滤,得到输出结果;本发明提供的这种方法通过注意力机制提高缺陷区域的权重,由此提高缺陷检测的精度;本方法对工业产品表面缺陷进行分类与回归的检测可以应用到其他类型的表面缺陷检测框架中提高检测精度,通用性强。

    一种基于注意力机制的缺陷目标检测方法

    公开(公告)号:CN109829893A

    公开(公告)日:2019-05-31

    申请号:CN201910005485.6

    申请日:2019-01-03

    Abstract: 本发明属于缺陷检测技术领域,公开了一种基于注意力机制的缺陷目标检测方法,对原始数据集中所有图片的各类缺陷进行标注,得到带标注的标准训练数据集;根据该标准训练数据集得到训练标签、确定损失函数,得到网络模型并利用反向传导方法训练,得到对缺陷部位权重增强的基于注意力机制的缺陷回归检测网络模型;利用上述的缺陷回归检测网络模型对待检测图片进行分类预测和回归预测;并对预测的缺陷包围框进行非极大值抑制处理进行过滤,得到输出结果;本发明提供的这种方法通过注意力机制提高缺陷区域的权重,由此提高缺陷检测的精度;本方法对工业产品表面缺陷进行分类与回归的检测可以应用到其他类型的表面缺陷检测框架中提高检测精度,通用性强。

    一种多用户MIMO广播信道在混合CSI下的自由度优化方法

    公开(公告)号:CN105024786B

    公开(公告)日:2018-08-03

    申请号:CN201510305221.4

    申请日:2015-06-05

    Abstract: 本发明公开了一种多用户MIMO广播信道在混合CSI下的自由度优化方法,包括:(1)根据静态接收器组的信道参数Hs设计预编码矩阵W,(2)通过静态接收器的目标信号d和预编码矩阵W获得静态接收器组的编码信号Xs,其中xi=Wdi∈CK×1,(3)对动态用户的目标信号Xd和静态接收器组的编码信号Xs进行格拉斯曼‑欧氏叠乘,得到叠乘信号基站发送此叠乘信号;(4)各用户对接收信号进行解码。本发明方法对于动态用户来说,叠乘并不改变它与基站间的通信,就好像没有静态用户存在一样,其自由度是没有变化的;对于静态用户来说,基站发送叠乘信号时,可以让它获得额外的自由度增益。

    一种基于认知学习的同频异构网络广播信道干扰管理方法

    公开(公告)号:CN104410977B

    公开(公告)日:2018-01-30

    申请号:CN201410722423.4

    申请日:2014-12-02

    Abstract: 本发明公开了一种基于认知学习的同频异构网络广播信道干扰管理方法,包括:(1)微小区和宏小区协作进行相关信道估计和反馈,得到宏基站到微基站的下行信道矢量HP,S和宏基站到微小区用户k的下行信道矢量gk,P;(2)微基站利用信道矢量HP,S侦听宏基站链路的发射信号,侦听时间为αT,检测出宏基站链路的广播消息xP,其中T为宏链路的码字持续时间,α为微基站侦听时间比例,0≤α<1;(3)微基站选择作为预编码矩阵,其中GP,S为微基站到宏小区接收机之间的信道矩阵;(4)微小区用户k编码得到接收信号yk。在异构同频通信系统下,微小区保证对宏小区的零干扰且微小区能够消除来自宏小区的干扰。

    一种实现TD-LTE-Advanced中多流波束赋形的方法

    公开(公告)号:CN105071849B

    公开(公告)日:2017-12-29

    申请号:CN201510297834.8

    申请日:2015-06-03

    Abstract: 本发明公开了一种实现TD‑LTE‑Advanced中多流波束赋形的方法,包括:从TD‑LTE‑Advanced基站的上行探测参考信号获取4×8的信道矩阵,将信道矩阵A1进行分解,以得到两个4×4子信道矩阵,对每个子信道矩阵进行Household变换,以生成上Hessenberg矩阵,对上Hessenberg矩阵J(1)进行Givens旋转,以将该矩阵J(1)变换成对角矩阵,重复上述运算达至少5次,其中上一次计算得到的矩阵又会作为下一次计算中所使用的Hessenberg矩阵,将得到的右乘Household变换矩阵和得到的右乘Givens矩阵叠乘,以得到一个4*4的矩阵。利用最大比传输算法对生成的矩阵V的每一列进行加权处理,以生成最终的波束赋形权矢量。本发明能够克服现有EBB算法的不足,准确地计算多流波束赋形权矢量,并有效降低误码率。

    一种实现TD-LTE-Advanced中多流波束赋形的方法

    公开(公告)号:CN105071849A

    公开(公告)日:2015-11-18

    申请号:CN201510297834.8

    申请日:2015-06-03

    CPC classification number: H04B7/086 H04B7/0848 H04B7/0897

    Abstract: 本发明公开了一种实现TD-LTE-Advanced中多流波束赋形的方法,包括:从TD-LTE-Advanced基站的上行探测参考信号获取4×8的信道矩阵,将信道矩阵A1进行分解,以得到两个4×4子信道矩阵,对每个子信道矩阵进行Household变换,以生成上Hessenberg矩阵,对上Hessenberg矩阵J(1)进行Givens旋转,以将该矩阵J(1)变换成对角矩阵,重复上述运算达至少5次,其中上一次计算得到的矩阵又会作为下一次计算中所使用的Hessenberg矩阵,将得到的右乘Household变换矩阵和得到的右乘Givens矩阵叠乘,以得到一个4*4的矩阵。利用最大比传输算法对生成的矩阵V的每一列进行加权处理,以生成最终的波束赋形权矢量。本发明能够克服现有EBB算法的不足,准确地计算多流波束赋形权矢量,并有效降低误码率。

    一种多小区MU-MIMO系统的干扰协调方法

    公开(公告)号:CN104518822A

    公开(公告)日:2015-04-15

    申请号:CN201410784052.2

    申请日:2014-12-17

    CPC classification number: H04B7/0452 H04B7/0456

    Abstract: 本发明公开了一种多小区MU-MIMO系统的干扰协调方法,包括:(1)对编号为m的小区,随机初始化其预编码矢量Vm;(2)计算修正系数;(3)根据步骤(2)中求得的修正系数,计算预编码矩阵;(4)判断是否满足迭代停止条件,若满足,则进入步骤(5),若不满足,则返回步骤(2);(5)基站m发送信号Vmsm,其中,Vm表示基站m的预编码矩阵,sm表示基站m未编码的符号矢量。本发明方法能够有效抑制基站的干扰泄漏功率,从而抑制小区间干扰,提高系统性能;本发明方法求得的预编码矩阵满足实际数据率最大化问题的Pareto边界条件,从而使得该预编码矩阵对干扰的抑制能力更强,使得小区平均吞吐量的增益更显著。

Patent Agency Ranking