基于二值化条件随机场卷积网络的极化SAR海陆分割

针对现有SAR海陆分割预测精度较低,采用的分割网络模型普遍较大、难以星上部署等难点,提出了一种基于二值化条件随机场卷积网络的极化SAR海陆分割方法(BiCSNet)。该模型的轻量化主要通过所设计的适用于海陆分割二元任务的二值化卷积模块实现,为了提高轻量化网络的分割精度,BiCSNet还融入了卷积条件随机场实现端到端的网络预测功能。基于我国沿海区域的全极化SAR图像构建的数据集,验证了所提出网络在精度和轻量化两方面的良好性能。

基于硬件描述语言的目标识别硬件加速器设计

本文针对深度学习方法在目标识别领域内的应用,设计了一种基于硬件描述语言的目标识别硬件加速器,运用数据流架构优化方法,设计了二值化卷积神经网络算法所对应的硬件模块单元,实现了对输入图片的识别。实验结果表明,基于多帧分辨率为224×224的图片输入,在硬件平台仿真软件中达到了不俗的识别速率以及识别准确率,为基于硬件系统的深度学习加速器的研究奠定了基础。