一种基于国产化昇腾AI处理器的前视声呐视频目标检测方法和装置

    公开(公告)号:CN119274117B

    公开(公告)日:2025-04-22

    申请号:CN202411809635.6

    申请日:2024-12-10

    Abstract: 一种基于国产化昇腾AI处理器的声呐视频目标检测方法和装置,属于海洋声学探测技术领域,其方法包括以下步骤:S1、搭建基于Atlas200I A2加速模块的边缘智能硬件平台;S2设计前视声呐视频目标检测网络,引入运动激励模块,以增强帧间运动特征,设计自注意力特征聚合模块聚合时间上下文特征;S3、使用两阶段训练法训练声呐视频目标检测网络,保存训练的网络权重和结构为ONNX推理框架图文件,使用非对称量化法对模型的权重进程量化;S4、使用昇腾CANN异构推理框架部署视频目标检测网络。本发明克服单帧检测器对前视声呐视频中的运动模糊和目标隐蔽等情况检测差的挑战,提升了检测精度,推动国产化AI处理器在前视声呐检测技术中的应用与发展。

    一种单激光器的位移激发差分光谱仪

    公开(公告)号:CN117686479B

    公开(公告)日:2025-03-28

    申请号:CN202410074926.9

    申请日:2024-01-18

    Abstract: 一种单激光器的位移激发差分光谱仪,包括光路、温控模块、控制模块和显示交互模块,光路通过温控可调节波长近红外激光光源产生780~790nm近红外光,通过激发聚焦收集光路实现拉曼散射光的激发和采集,通过对称式交叉式Czerny‑Turner光路结构作为分光光路得到原始拉曼光谱,通过温控系统完成激光波长调整后输入多组同物质不同激发光的拉曼光谱至ZYNQ芯片进行差分、重建及基线校正得到样品的位移激发差分拉曼光谱。通过HDMI多媒体接口与显示模块连接完成与用户的交互显示。本发明装置便携方便,减少了差分拉曼光谱仪在激光器上的复杂设计及成本,使用位移激发差分拉曼技术满足现场实时检测的需要,能完成对样品实时拉曼光谱检测。

    一种基于PS-PL协同的前视声呐实时水下目标识别方法和装置

    公开(公告)号:CN119540740A

    公开(公告)日:2025-02-28

    申请号:CN202411646235.8

    申请日:2024-11-18

    Abstract: 一种基于PS‑PL协同的前视声呐实时目标检测方法和装置,其方法包括:声呐图像数据集增强、yolov5网络改进和轻量化、高层次综合生成IP核、PS‑PL交互进行网络的推理,使用几何滤波、垂直翻转对声呐图像数据进行数据增强;用Focal‑CIoU损失函数替换原本的CIoU损失函数以更好处理了小目标和类别不平衡问题,替换主干网络为轻量化网络以减少参数量,添加融合注意力机制以应对声呐图像模糊和噪声大的问题;用高层次综合生成FPGA的IP核,使用卷积流水线、循环展开、任务并行化的方法进行加速;采取循环分块策略以应对FPGA资源不足的问题;PS端搭建图像识别网络框架,调用PL端卷积IP核以实现网络模型的推理。本发明能对网络推理进行加速,以实现实时目标检测的目的。

    一种基于拉曼光谱的物质成分检测方法

    公开(公告)号:CN118980673A

    公开(公告)日:2024-11-19

    申请号:CN202411232274.3

    申请日:2024-09-04

    Abstract: 本发明公开了一种基于拉曼光谱的物质成分检测方法,包括获取待检测物质的拉曼光谱信号,并进行基线矫正得到矫正后的拉曼光谱信号;采用分类网络对矫正后的拉曼光谱信号进行分类得到待检测物质的类别;根据待检测物质所属的类别找出对应官能团的特征峰波段,并从拉曼光谱信号中将该特征峰波段分割出,然后将剩余的拉曼光谱信号按预设长度进行分割得到对应的小块波段;本基于拉曼光谱的物质成分检测方法通过分类出待检测物质的类别,然后根据所属类别对应的官能团的特征峰波段对待检测物质的成分进行识别,同时按照完整的官能团信息对拉曼光谱信号进行分割,保持了信号的完整性,提升了分类的精度。

    一种基于滑动窗口变换器的深浅特征融合的掌纹识别方法

    公开(公告)号:CN118506411B

    公开(公告)日:2024-10-22

    申请号:CN202410969840.2

    申请日:2024-07-19

    Abstract: 本发明公开了一种基于滑动窗口变换器的深浅特征融合的掌纹识别方法,包括获取预处理后的掌纹图像,并输入至训练好的掌纹识别模型中,得到掌纹图像的特征;将掌纹图像的特征分别与数据库中所有参考掌纹图像的特征进行比对,将比对成功的参考掌纹图像筛选出作为匹配成功的掌纹。结合Swin Transformer网络和多尺度特征增强模块,实现了对掌纹图像的高效特征提取和自适应融合,将Swin Transformer网络中的第一阶段模块、第二阶段模块和第四阶段模块的输出,经过多尺度特征增强模块不仅将深层信息和浅层特征信息进行融合,而且强化了各层特征的空间信息,以提高对低分辨率掌纹图像的适应能力,从而实现更高的掌纹识别准确率。

    一种基于OCT的内部指纹快速提取方法

    公开(公告)号:CN118552988B

    公开(公告)日:2024-10-11

    申请号:CN202410993925.4

    申请日:2024-07-24

    Abstract: 本发明公开了一种基于OCT的内部指纹快速提取方法,包括采集内部指纹数据,且内部指纹数据包括预设数量的输入帧,将各输入帧划分为第一类帧、第二类帧、第三类帧或第四类帧,其中第一类帧属于第二类帧的一种,对所有输入帧设置索引值。本方法无需每个输入帧都需要经过分割模型进行计算得到分割结果,第二类帧在通过分割模型计算分割结果时,无需通过骨干网络提取第二特征块和第三特征块,直接采用最新的第一类帧经过骨干网络输出得到的该最新第一类帧的第二特征块和第三特征块进行代替,因此省去提取时间,加快了分割计算速度,同时第三类帧直接采用第二类帧的分割结果进行重建,无需采用分割模型进行计算,进而实现内部指纹的快速提取。

    一种基于元学习的少样本行为识别方法

    公开(公告)号:CN113052073B

    公开(公告)日:2024-09-27

    申请号:CN202110319209.4

    申请日:2021-03-25

    Abstract: 一种基于元学习的少样本行为识别方法,包括以下步骤:1)视频数据集分为元训练集和元测试集,从元训练集中抽取多组支持集和询问集用于训练模型,从元测试集中抽取多组支持集和询问集用于测试模型;2)使用浅层三维卷积神经网络提取支持集和询问集的视频特征;3)构建一种元学习网络,用于对支持集进行建模,生成步骤2)中浅层三维卷积神经网络参数;4)对步骤2)提取到的视频特征进行二阶变换和归一化处理;5)将处理后的支持集和询问集视频特征进行拼接,采用多层二维卷积神经网络提取询问集和支持集视频特征之间的非线性距离关系,对训练集视频进行分类。本发明具有较好的任务间泛化能力以及对新视频行为的识别准确率。

    一种单激光器的位移激发差分光谱仪

    公开(公告)号:CN117686479A

    公开(公告)日:2024-03-12

    申请号:CN202410074926.9

    申请日:2024-01-18

    Abstract: 一种单激光器的位移激发差分光谱仪,包括光路、温控模块、控制模块和显示交互模块,光路通过温控可调节波长近红外激光光源产生780~790nm近红外光,通过激发聚焦收集光路实现拉曼散射光的激发和采集,通过对称式交叉式Czerny‑Turner光路结构作为分光光路得到原始拉曼光谱,通过温控系统完成激光波长调整后输入多组同物质不同激发光的拉曼光谱至ZYNQ芯片进行差分、重建及基线校正得到样品的位移激发差分拉曼光谱。通过HDMI多媒体接口与显示模块连接完成与用户的交互显示。本发明装置便携方便,减少了差分拉曼光谱仪在激光器上的复杂设计及成本,使用位移激发差分拉曼技术满足现场实时检测的需要,能完成对样品实时拉曼光谱检测。

    一种基于多方位匹配滤波器组的高速侧扫声呐成像方法和装置

    公开(公告)号:CN117310718A

    公开(公告)日:2023-12-29

    申请号:CN202311241642.6

    申请日:2023-09-25

    Abstract: 一种基于多方位匹配滤波器组的高速侧扫声呐成像方法和装置,其方法包括以下步骤:一、对原始回波信号进行预处理得到 二、距离向脉冲压缩后得到 三、在方位频域进行距离徙动校正得到 四、距离向划分方位匹配滤波区间,利用多方位匹配滤波器组脉冲压缩得到 五、各子阵回波数据融合拼接初始声图得到多波束预矩阵;六、计算波束导向参数得到合成孔径多波束矩阵生成成像声图。本发明优化了方位向匹配滤波器求解结构,将距离向回波划按方位匹配滤波区间,一个多方位匹配滤波器组,不需要计算距离向全采样点滤波系数。本发明能够有效减少算法的运算量,降低硬件消耗、提高算法运行效率,在高航速下实现对水下地形的远距离、高分辨实时成像。

    基于元迁移学习的前视声呐图像分割方法和装置

    公开(公告)号:CN117115447A

    公开(公告)日:2023-11-24

    申请号:CN202311240290.2

    申请日:2023-09-25

    Abstract: 一种基于元迁移学习的前视声呐图像分割方法和装置,其方法包括:S1、构建基于元迁移的声呐图像分割模型,模型中的特征提取器为卷积神经网络,在卷积神经网络中采用注意力机制;S2、采用预训练数据集对网络模型参数进行预训练,获取初始化参数;S3、使用预训练模型利用元学习策略训练网络模型,训练中采用自适应因子进行模型收敛;S4、将待分割图像输入训练好的网络模型,获得分割结果。本发明的注意力机制能合并不同维度特征图,提高模型的分割精度;元学习策略能支持小样本声纳图像分割,快速适应和学习小样本的分割任务,并保持较高的分割精准度,解决了声纳图像样本小难获取的难题,在以小样本声纳图像作为数据集上分割精度差的问题。

Patent Agency Ranking