排序方式: 共有46条查询结果,搜索用时 0 毫秒
1.
2.
描述了如何将Linux系统应用到机载红外侦察、图像存储设备中.首先说明了搭建Linux系统平台的原因并介绍了Linux系统和CF卡的特点,接下来介绍了Linux系统在数字记录仪的应用,着重介绍了Linux操作系统裁减的方法和步骤以及CF卡上文件系统的构建.结果证明该方法是可行的,移植后Linux运行良好. 相似文献
3.
4.
5.
6.
随着深度学习应用于计算机视觉,其数据量大、网络层结构复杂,在硬件部署中存在资源不足、延时高等成为关键问题,本文通过分析五种较有代表性轻量化网络的优缺点,提出一种将轻量化网络应用到红外目标检测领域的基于MobileNet的轻量化网络改进,并以FPGA为硬件载体实现。该网络使用Tanh激活函数替代原有激活函数并简化网络层数,以适应红外目标的特征提取,针对深度学习目标检测算法在硬件实现方面存在的数据量大,资源占用大,运算延时高等问题,采用FPGA进行硬件实现。实验表明,在Xilinx Zynq-7020 XA开发板上,设定时钟频率100 MHz,输入图像大小为640×512,改进后的MobileNet在保证原相同精度情况下实现5.1 ms每张图像。 相似文献
7.
8.
由于复合翼飞行器在飞行过程中速度快,对红外目标识别算法的实时性有着更高的要求。针对快速目标识别的迫切需求,本文提出了一种基于改进YOLOv4的红外船舶识别算法YOLOv4 Gd。该算法首先将空间注意力机制与通道注意力机制相结合作用在主干网络CSPDarknet提取出有效特征层上,使得船舶目标的特征占据更大的权重,以此增强神经网络对特征的学习能力。其次,使用深度可分离卷积替换主干网络CSPDarknet的传统卷积,在确保不丢失大量信息的同时极大降低网络的模型参数,提高网络的实时性。引入可学习权重的双向特征融合BiFPN模块,增加网络对不同输入特征层的学习能力及多尺度特征融合能力,最后对主干网络层数进行优化。实验结果表明,优化后的算法在复杂背景、小尺度目标及多目标等应用场景的平均准确率提升了222,同时FPS达到489,为在移动边缘计算平台上实现红外舰船目标识别提供了飞行试验基础。 相似文献
9.
10.