基于改进YOLOv4模型的脊柱磁共振成像影像检测

针对脊柱解剖结构较为复杂的问题，提出一种用于脊柱磁共振成像影像检测的YOLOv4-disc算法。首先，针对真实病例样本数量较少的问题，使用限制对比度的自适应直方图均衡（CLAHE）数据增强方法提高模型的泛化能力。然后，使用K-means算法对数据集中真实框的尺寸进行聚类，得到合适的锚框尺寸并确定锚框数量。其次，在CSPDarknet-53骨干特征提取网络中使用深度可分离卷积替代普通卷积，减少网络参数并降低运算量。最后，基于Focal损失改进原生网络的损失函数，解决one-stage目标检测中正负样本比例严重失衡的问题。实验结果表明，所提YOLOv4-disc算法的平均精度均值（mAP）达到了90.80%，相比原生YOLOv4提高了3.51个百分点。     

大幅宽SAR图像嵌入式舰船实时检测系统设计

针对星载或机载高分辨率合成孔径雷达（synthetic aperture radar,SAR）实时成像后的大幅宽SAR图像舰船实时检测的应用需求，传统的基于FPGA+DSP的嵌入式系统很难同时实现SAR成像处理和基于人工智能技术的大幅宽SAR图像舰船实时检测，为此设计了一种基于3U VPX FPGA+GPU架构的大幅宽SAR图像嵌入式舰船实时检测系统；提出了一种基于YOLOv5s的舰船检测模型，采用基于L2-范数稀疏性惩罚的缩放因子控制法进行轻量化，轻量化舰船检测模型的参数量减小了47.39%，计算量减少了18.67%，平均检测精度为0.968；将轻量化舰船检测模型应用于大幅宽SAR图像嵌入式舰船实时检测系统，并针对典型的10 km×10 km的大幅宽图像应用场景，设计开发基于多线程技术和基于GPU的众核并行计算技术的大幅宽SAR图像嵌入式实时检测系统软件；通过公开的SAR数据集进行功能验证和性能评估，该系统能够满足不同分辨率的大幅宽SAR图像舰船实时检测需求。