-
公开(公告)号：CN114187569B
公开(公告)日：2024-09-27
申请号：CN202111458521.8
申请日：2021-12-02
Applicant: 西安电子科技大学
IPC: G06V20/56 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种皮尔森系数矩阵与注意力融合的实时目标检测方法，主要解决现有图像处理技术存在特征图全局上下文信息不全、特征图处理耗时高的问题。其实现方案为：1)获取实验训练集和测试集，并使用骨干网络提取各自的图片特征，将提取的图片特征图输入到皮尔森系数矩阵与注意力融合的编码器；将该编码器输出的具有全局上下文关系的特征图输入到现有的DETR模型解码器中，构建出皮尔森系数矩阵与注意力融合的目标检测模型；2)利用训练集对该目标检测模型进行训练；3)将测试集图片输入到训练好的目标检测模型，得到待预测图像中的目标分类及目标定位坐标。本发明提高了目标检测的精确度和速度，可用于自动驾驶、交通流量分析。
-
Patent Agency Ranking
公开(公告)号：CN119416837A
公开(公告)日：2025-02-11
申请号：CN202411437926.7
申请日：2024-10-15
Applicant: 西安电子科技大学
IPC: G06N3/0495 , G06N3/0464 , G06N3/08 , G06V10/82
Abstract: 本发明公开一种用于卷积神经网络的多维度复合缩放方法，主要解决现有技术缩放网络时参数冗余和搜索缓慢的问题。其实现方案是：选取基线网络，设定其FLOPs上限；选取缩放关系约束，确定网络分辨率、宽度、深度缩放因子；调整基线网络生成多个候选网络；构建候选网络的延迟评估模型；使用此模型和网络精度筛选候选网络，得到基线网络的最佳缩放配置网络分辨率缩放因子er、网络宽度缩放因子ew、网络深度缩放因子ed；按照该最佳缩放配置对基线网络进行缩放。本发明减少了缩放网络的参数冗余，实现了更高的参数效率，提高了候选网络的生成速度，加快了评估候选网络架构的过程，提高了整体的搜索效率，可用于将神经网络模型部署到资源有限的硬件设备中。
-
公开(公告)号：CN115409043A
公开(公告)日：2022-11-29
申请号：CN202211033784.9
申请日：2022-08-26
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于对称型注意力的机器翻译方法，主要解决现有技术在翻译中未能在多个子空间中利用相关性信息导致解码计算中的参考信息缺失，使翻译结果未能涵盖全部情景的问题。本发明构建的基于对称型注意力的机器翻译模型中由两个平行的对称子空间组成本发明模型中解码器的对称型注意力层，采用对称型注意力算法计算两支对称型注意力并进行融合。本发明的解码器中对称型注意力层与编码器输出的注意力矩阵之间实现了信息交互，提高了全面且准确地获取注意力信息的能力，本发明构建的机器翻译模型在翻译工作中涵盖更全面的语义情景，提高了英译中的准确性。
-
公开(公告)号：CN112328396B
公开(公告)日：2022-10-21
申请号：CN202011237763.X
申请日：2020-11-09
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于任务等级的动态自适应SOPC容错方法，用于解决现有技术中存在的用户可用度和资源利用率较低的技术问题，实现步骤为：构建动态自适应可编程片上系统；内部配置访问端口ICAP向FPGA加载任务的全局比特流；FPGA进行区域划分；静态区域获取粒子翻转信号数量；PS端评估任务等级；PS端向ICAP发送配置信息；ICAP向动态可重构区域加载部分比特流；可重构模块执行任务；PS端判断可重构模块是否发生故障；ICAP向故障可重构模块加载部分比特流。本发明将任务执行时间、任务执行截止时间以及故障修复时间作为任务等级划分依据，具有较高的用户可用度以及资源利用率。
-
公开(公告)号：CN114187569A
公开(公告)日：2022-03-15
申请号：CN202111458521.8
申请日：2021-12-02
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种皮尔森系数矩阵与注意力融合的实时目标检测方法，主要解决现有图像处理技术存在特征图全局上下文信息不全、特征图处理耗时高的问题。其实现方案为：1)获取实验训练集和测试集，并使用骨干网络提取各自的图片特征，将提取的图片特征图输入到皮尔森系数矩阵与注意力融合的编码器；将该编码器输出的具有全局上下文关系的特征图输入到现有的DETR模型解码器中，构建出皮尔森系数矩阵与注意力融合的目标检测模型；2)利用训练集对该目标检测模型进行训练；3)将测试集图片输入到训练好的目标检测模型，得到待预测图像中的目标分类及目标定位坐标。本发明提高了目标检测的精确度和速度，可用于自动驾驶、交通流量分析。
-
公开(公告)号：CN112328396A
公开(公告)日：2021-02-05
申请号：CN202011237763.X
申请日：2020-11-09
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于任务等级的动态自适应SOPC容错方法，用于解决现有技术中存在的用户可用度和资源利用率较低的技术问题，实现步骤为：构建动态自适应可编程片上系统；内部配置访问端口ICAP向FPGA加载任务的全局比特流；FPGA进行区域划分；静态区域获取粒子翻转信号数量；PS端评估任务等级；PS端向ICAP发送配置信息；ICAP向动态可重构区域加载部分比特流；可重构模块执行任务；PS端判断可重构模块是否发生故障；ICAP向故障可重构模块加载部分比特流。本发明将任务执行时间、任务执行截止时间以及故障修复时间作为任务等级划分依据，具有较高的用户可用度以及资源利用率。
-
-
-
-
-
Search Results
6
records
(took 0.026 seconds)
