-
公开(公告)号：CN118036690A
公开(公告)日：2024-05-14
申请号：CN202410357168.1
申请日：2024-03-27
Applicant: 重庆邮电大学 , 电子科技大学重庆微电子产业技术研究院
IPC: G06N3/063 , G06N3/0464
Abstract: 本发明涉及神经形态计算技术，具体涉及一种灵活卷积的通用型神经形态计算加速器及其使用方法，加速器包括控制模块、寄存器组模块、缓存模块、预处理模块、处理模块、累加模块，缓存模块包括权重缓存模块、激励缓存模块；本发明采用多通道并行的方式进行计算，支持卷积核以1维、2维、三维的方式进行移动，进而提取到不同的特征，可实现多种网络的部署及推理计算。
-
公开(公告)号：CN117951061A
公开(公告)日：2024-04-30
申请号：CN202410144232.8
申请日：2024-01-31
Applicant: 重庆邮电大学 , 电子科技大学重庆微电子产业技术研究院
IPC: G06F13/40
Abstract: 本发明属于片上总线技术领域，具体涉及一种多通道数据总线的仲裁方法，总线系统采用共享型总线互联桥接主机与从机，读写数据通道由多个双向数据通道组成，当两个主机同时发起数据传输请求时需要进行数据仲裁，进行数据仲裁的过程包括：利用仲裁器对发起请求信号的主机进行仲裁，确定每个主机的优先级；为优先级最高的主机所需数据带宽为该主机分配双向数据通道，并在分配的数据通道上进行数据传输；在下一个时刻，判断剩余的双向数据通道是否满足次高优先级的主机所需数据带宽，若满足则为该主机分配所需数据通道，并在分配的数据通道上进行数据传输，否则等待最高优先级的主机完成数据传输并释放占据的双向数据通道后，再根据该主机数据带宽为该主机分配所需数据通道；本发明结合传统仲裁算法，设计了数据通道仲裁，能够高效地完成数据通道仲裁。
-
公开(公告)号：CN119729235A
公开(公告)日：2025-03-28
申请号：CN202411589847.8
申请日：2024-11-08
Applicant: 重庆邮电大学 , 电子科技大学重庆微电子产业技术研究院
IPC: H04N23/81 , H04N23/10 , H04N23/951 , H04N23/74
Abstract: 本发明属于图像处理技术领域，具体涉及一种基于FPGA的多光谱相机图像自适应矫正方法；该方法包括：在较暗的环境下将激光束从多光谱相机的镜头处射入，多光谱相机中多通道的传感器接收激光束并生成通道图像；对多通道的图像进行初步矫正，得到初步对齐的多通道的图像；对初步对齐的多通道的图像进行裁剪和补齐操作，得到完全对齐后的多通道的图像；将完全对齐后的各通道的图像进行融合并输出显示；本发明提高了多光谱相机出现的匹配精度，且有效降低了整机体积。
-
公开(公告)号：CN118133913A
公开(公告)日：2024-06-04
申请号：CN202410293577.X
申请日：2024-03-14
Applicant: 重庆邮电大学 , 电子科技大学重庆微电子产业技术研究院
Abstract: 本发明属于芯片开发技术领域，涉及一种神经形态芯片应用系统及其可靠传输方法，包括：UDP通信接口、DDR、神经形态芯片应用部署平台以及系统控制指令寄存器；所述UDP通信接口接收并传输终端数据和DDR存储的数据；所述DDR存储UDP通信接口接收的终端数据和神经形态芯片应用部署平台的处理结果；所述神经形态芯片应用部署平台读取并处理DDR存储的数据；所述系统控制指令寄存器用于控制通信接口、DDR以及神经形态芯片应用部署平台；本发明设计了百兆、千兆通用的UDP通信接口方案，实现了高效数据收发，并保证了数据的可靠性传输；本发明通过神经形态芯片应用部署平台，完成多个应用开发，并实现了应用、测试验证一体化。
-
公开(公告)号：CN117576488A
公开(公告)日：2024-02-20
申请号：CN202410064041.0
申请日：2024-01-17
Applicant: 海豚乐智科技(成都)有限责任公司 , 电子科技大学重庆微电子产业技术研究院
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06V10/25 , G06V10/28 , G06N3/0464 , G06N3/048 , G06N3/08 , G06N3/0475 , G06N3/045
Abstract: 本发明公开了一种基于目标图像重建的红外弱小目标检测方法，涉及图像目标检测技术领域。方法包括：对原图进行卷积提取红外图像高亮的边缘信息，通过连通域的方式筛选图像中所有亮斑位置，形成目标集；根据目标集中筛选的亮斑目标，重建出容纳目标集中所有目标的重建图，并记录每个弱小目标的位置序号信息；孪生网络训练过程中，计算弱小目标的标注信息与IOU值，根据所有弱小目标的位置序号信息更新对应的标注信息；输入重建图到训练后的孪生网络模型中做目标检测，将检测到的真目标还原到原图中的位置，并输出最终结果。本发明通过目标图像重建与孪生网络模型，可在因噪声导致的真伪目标不均衡的样本中，高效识别出红外弱小目标。
-
Patent Agency Ranking
公开(公告)号：CN117576488B
公开(公告)日：2024-04-05
申请号：CN202410064041.0
申请日：2024-01-17
Applicant: 海豚乐智科技(成都)有限责任公司 , 电子科技大学重庆微电子产业技术研究院
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06V10/25 , G06V10/28 , G06N3/0464 , G06N3/048 , G06N3/08 , G06N3/0475 , G06N3/045
Abstract: 本发明公开了一种基于目标图像重建的红外弱小目标检测方法，涉及图像目标检测技术领域。方法包括：对原图进行卷积提取红外图像高亮的边缘信息，通过连通域的方式筛选图像中所有亮斑位置，形成目标集；根据目标集中筛选的亮斑目标，重建出容纳目标集中所有目标的重建图，并记录每个弱小目标的位置序号信息；孪生网络训练过程中，计算弱小目标的标注信息与IOU值，根据所有弱小目标的位置序号信息更新对应的标注信息；输入重建图到训练后的孪生网络模型中做目标检测，将检测到的真目标还原到原图中的位置，并输出最终结果。本发明通过目标图像重建与孪生网络模型，可在因噪声导致的真伪目标不均衡的样本中，高效识别出红外弱小目标。
-
公开(公告)号：CN115272412B
公开(公告)日：2023-09-26
申请号：CN202210920753.9
申请日：2022-08-02
Applicant: 电子科技大学重庆微电子产业技术研究院
IPC: G06V10/82 , G06V10/774 , G06V10/94 , G06T7/246 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明属于低小慢目标检测领域，具体涉及一种基于边缘计算的低小慢目标检测方法及跟踪系统，该方法包括采集不同曝光度下不同目标的图像集，对图像集进行处理得到低小慢目标数据集；构建基于YOLOv5的轻量化检测网络，采用公开数据集进行训练，低小慢目标数据集进行测试；采用训练测试完成后的轻量化检测网络进行实时低小慢目标检测；本发明减少人工收集数据与处理数据的人力与时间成本，有利于获取更全面，更高质量的数据。
-
公开(公告)号：CN115659229B
公开(公告)日：2023-03-28
申请号：CN202211680968.4
申请日：2022-12-27
Applicant: 四川迪晟新达类脑智能技术有限公司 , 电子科技大学重庆微电子产业技术研究院
Inventor： 冉欢欢 , 赵瑞欣 , 李非桃 , 黎仁威 , 刘益安 , 胡绍刚 , 王丹 , 李毅捷 , 李和伦 , 陈益 , 褚俊波 , 陈春 , 莫桥波 , 李东晨 , 董平凯 , 陈未东 , 杨伟
Abstract: 本发明公开了一种低小慢目标威胁程度评估方法及装置，所述方法包括：构建循环神经网络模型；构建特征矩阵，并将特征矩阵作为循环神经网络模型的输入，特征矩阵根据在时间序列内采集到的目标飞行信息生成；获取连续多个历史时间序列内采集到的目标飞行信息，根据各个目标飞行信息一一对应生成各个特征矩阵，并由所有特征矩阵组合为训练样本；对循环神经网络模型进行训练和参数优化；获取连续多个实时时间序列内采集到的目标飞行信息，根据各个目标飞行信息一一对应生成各个特征矩阵，将所有特征矩阵输入训练完成后的循环神经网络模型，时刻值最靠后的实时时间序列的最大时刻为当前时刻；循环神经网络模型确定出目标在当前时刻的威胁等级。
-
公开(公告)号：CN115659229A
公开(公告)日：2023-01-31
申请号：CN202211680968.4
申请日：2022-12-27
Applicant: 四川迪晟新达类脑智能技术有限公司 , 电子科技大学重庆微电子产业技术研究院
Inventor： 冉欢欢 , 赵瑞欣 , 李非桃 , 黎仁威 , 刘益安 , 胡绍刚 , 王丹 , 李毅捷 , 李和伦 , 陈益 , 褚俊波 , 陈春 , 莫桥波 , 李东晨 , 董平凯 , 陈未东 , 杨伟
Abstract: 本发明公开了一种低小慢目标威胁程度评估方法及装置，所述方法包括：构建循环神经网络模型；构建特征矩阵，并将特征矩阵作为循环神经网络模型的输入，特征矩阵根据在时间序列内采集到的目标飞行信息生成；获取连续多个历史时间序列内采集到的目标飞行信息，根据各个目标飞行信息一一对应生成各个特征矩阵，并由所有特征矩阵组合为训练样本；对循环神经网络模型进行训练和参数优化；获取连续多个实时时间序列内采集到的目标飞行信息，根据各个目标飞行信息一一对应生成各个特征矩阵，将所有特征矩阵输入训练完成后的循环神经网络模型，时刻值最靠后的实时时间序列的最大时刻为当前时刻；循环神经网络模型确定出目标在当前时刻的威胁等级。
-
公开(公告)号：CN115272412A
公开(公告)日：2022-11-01
申请号：CN202210920753.9
申请日：2022-08-02
Applicant: 电子科技大学重庆微电子产业技术研究院
IPC: G06T7/246 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明属于低小慢目标检测领域，具体涉及一种基于边缘计算的低小慢目标检测方法及跟踪系统，该方法包括采集不同曝光度下不同目标的图像集，对图像集进行处理得到低小慢目标数据集；构建基于YOLOv5的轻量化检测网络，采用公开数据集进行训练，低小慢目标数据集进行测试；采用训练测试完成后的轻量化检测网络进行实时低小慢目标检测；本发明减少人工收集数据与处理数据的人力与时间成本，有利于获取更全面，更高质量的数据。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.044 seconds)
