龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
摘要：本申请公开了一种单帧红外弱小目标检测的对称渐进递减网络量化方法，涉及红外图像处理技术领域，包括：为初始深度学习网络模型中的第一层编码器卷积块分配浮点数为32位的权重位宽和激活位宽，得到第一深度学习网络模型；按照权重位宽对称渐进递减的方式为第一深度学习网络模型的所有编码器卷积块和解码器卷积块分配权重位宽，得到第二深度学习网络模型；按照激活位宽对称渐进递减的方式为第二深度学习网络模型中的所有编码器卷积块和解码器卷积块分配激活位宽，得到用于对单帧红外弱小目标进行检测的目标深度学习网络模型。本申请能够在保持检测精度的同时降低内存占用和计算成本，缩小计算资源，使网络能够部署在资源有限的硬件设备上运行。
主权项：1.一种单帧红外弱小目标检测的对称渐进递减网络量化方法，其特征在于，包括：获取用于单帧红外弱小目标检测的深度学习网络模型，得到初始深度学习网络模型；为所述初始深度学习网络模型中的第一层编码器卷积块分配浮点数为32位的权重位宽和激活位宽，得到第一深度学习网络模型；按照权重位宽对称渐进递减的方式为所述第一深度学习网络模型中除所述第一层编码器卷积块外的所有编码器卷积块和所有解码器卷积块分配权重位宽，得到第二深度学习网络模型；按照激活位宽对称渐进递减的方式为所述第二深度学习网络模型中除所述第一层编码器卷积块外的所有编码器卷积块和所有解码器卷积块分配激活位宽，得到目标深度学习网络模型，并利用所述目标深度学习网络模型对所述单帧红外弱小目标进行检测；其中，所述按照激活位宽对称渐进递减的方式为所述第二深度学习网络模型中除所述第一层编码器卷积块外的所有编码器卷积块和所有解码器卷积块分配激活位宽，得到目标深度学习网络模型，包括：按照激活位宽对称渐进递减的方式为所述第二深度学习网络模型中除所述第一层编码器卷积块外的所有编码器卷积块和所有解码器卷积块分配激活位宽，得到第三深度学习网络模型；分别为所述第三深度学习网络模型中的编码器卷积块分配比同一层的解码器卷积块更高的比特位宽，得到目标深度学习网络模型。
全文数据：
权利要求：
百度查询： 中国人民解放军国防科技大学 一种单帧红外弱小目标检测的对称渐进递减网络量化方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号