二维矩阵卷积在向量处理器中的设计与实现

为了加快卷积神经网络模型的计算速度,便于大规模神经网络模型在嵌入式微处理器中的实现,以FT-matrix2000向量处理器体系结构为研究背景,通过对多核向量处理器体系结构的分析和对卷积神经网络算法的深入研究,提出将规模较小的卷积核数据置于标量存储体,尺寸较大的卷积矩阵置于向量存储体的数据布局方案。针对矩阵卷积中数据难以复用的问题,提出根据卷积核移动步长的不同动态可配置的混洗模式,通过对所取卷积矩阵元素进行不同的移位操作,进而大幅提高卷积矩阵数据的复用率。针对二维矩阵卷积由于存在数据相关性进而难以多核并行的问题,提出将卷积矩阵多核共享,卷积核矩阵多核独享的多核并行方案。设计了卷积核尺寸不变、卷积矩阵规模变化和卷积矩阵尺寸不变、卷积核规模变化的两种计算方式,并在主流CPU、GPU、TI6678、FT-matrix2000平台进行了性能对比与分析。实验结果表明:FT-matrix2000相比CPU最高可加速238倍,相比TI6678可加速21倍,相比GPU可加速663 805倍。     

基于目标散射的双基地雷达多假目标干扰技术

双基地雷达系统采用发射站与接收站分置的工作模式,所以传统干扰方法的干扰信号难以到达双基地雷达接收站。针对双基地雷达工作特点,提出了基于目标散射的多假目标干扰模型,有效解决了传统干扰方法的干扰信号不能到达双基地雷达接收站的难题,并基于DRFM技术,研究了运用卷积调制产生多假目标的方法,从而对双基地雷达形成有效的多假目标干扰。理论分析和仿真实验证明了方法的可行性、有效性。     

利用多时间尺度卷积的视频行为识别网络

基于2D的行为识别网络通常融合多张视频帧的分类结果识别不同的行为,但其在卷积过程中缺少对时空特征提取。针对该问题,基于时间位移模块(temporal shift module,TSM)的思想设计了一组多时间尺度卷积,包含不同设计的卷积核以提取融合不同时间尺度的时空信息。通过控制多时间尺度卷积嵌入ResNet50网络的位置及其模块的参数设置,寻找最优的基于多时间尺度卷积的行为识别网络。使用PyTorch深度学习框架训练模型,在大型开源数据集Something-Somethingv2上进行了实验研究。结果表明,基于多时间尺度卷积的行为识别网络对行为识别准确率达到了59.47%,优于TSM等网络。     

一种超长突发错误的纠错编码方法

简要介绍了在数据传输过程中提高可靠性的几种差错控制方法,详细陈述了前向纠错中的卷积交织编码,并提出了一种采用卷积交织纠超长突发错误的编码方法,给出了实现该编码的软件流程框图,解决了数传中不好解决的超长突发错误的自动纠错问题。     

基于移频卷积的合成孔径雷达干扰技术研究

针对合成孔径雷达(SAR)信号存在着距离和多普勒频率之间耦合的特点,提出了一种利用DRFM进行SAR雷达信号的存储,并加入多普勒频移进行脉冲叠加噪声卷积的SAR干扰新方法.通过真目标回波与滞后方向的假目标回波交叠,形成了类似于噪声的距离维压制干扰;在复制的干扰脉冲上叠加一个窄带的噪声信号,造成方位维的模糊来进行方位维干扰,达到对SAR的二维相参压制干扰效果.     

对数据后处理雷达的分段卷积转发干扰研究

针对现有基于DRFM的移频干扰和分段转发干扰在对数据后处理雷达干扰时存在的不足问题,提出了一种新的分段卷积转发干扰方法。该干扰方法立足于干扰机天线收发分时体制,首先对接收到的雷达信号进行均匀分段、重新排序与噪声卷积后再进行转发。该干扰方法产生的假目标信号不仅能量大,覆盖广,而且假目标幅度差异明显,位置分布不均匀。最后的仿真结果验证了该方法的有效性。     

低空复杂场景红外弱小目标快速精准检测

针对低空复杂场景下红外弱小动目标检测难度大、虚警率高等问题,面向探测系统中高帧频图像实时处理应用需求,提出基于全卷积网络的弱小目标精准检测方法和基于现场可编程逻辑门阵列(field programmable gate array, FPGA)的低时延并行处理方法。采用轻量化全卷积网络对红外图像中弱小目标进行空域检测,对相邻图像帧疑似目标进行时域轨迹关联以进一步降低虚警率。实验结果表明:上述方法相比于五种传统方法在检测率和虚警率性能方面均有显著提升,并在单片FPGA上完成100 Hz图像实时处理,处理时延低于1.8 ms,实现低空复杂场景弱小目标高精度高鲁棒快速实时检测。     

并行生成卷积网络图像修复算法

为解决修复纹理精细、背景复杂图像中大面积不连续语义缺失时存在的边缘伪影和语义不连续的缺陷,提出一种并行生成卷积的残差连接图像修复算法。将残缺图像输入一个两列平行卷积的结构修复网络得到两个具有不同感受野大小的图像分量,通过共享解码合并两个图像分量并计算输出的L2损失优化网络。将结构修复网络的输出送入包含残差连接与注意力机制的细节修复网络,融合上下文信息,改善修复细节能力。使用全局与局部鉴别器和预训练视觉几何组网络计算损失,对修复网络进行整体判别优化,增强修复结果的整体与局部一致性。在国际公认数据库上验证提出算法的性能,实验结果表明：提出算法可以有效修复复杂背景且包含精细纹理的大面积不规则缺失区域,提升图像细节、语义和结构的真实性与完整性,其峰值信噪比和结构相似度优于经典的对比算法。     

一种产生雷达多假目标的卷积调制法

讨论了多假目标干扰技术特点及应用背景,分析了用卷积调制法产生多假目标的原理,讨论了卷积器的设计方法,确定了卷积器的加权系数。仿真分析表明,卷积调制法产生多假目标方法灵活,可以实现脉内和脉间密集多假目标干扰技术,验证了方法的合理性。     

对象边框标注数据的弱监督图像语义分割

针对图像语义分割应用中像素级标注数据费时昂贵的问题,主要研究以对象边框标注数据为代表的弱监督模型下的图像语义分割方法。使用基于金字塔的密集采样全卷积网络提取图像的像素级特征,并用GrabCut算法转化对弱监督数据进行数据标记,通过将图像特征和标记数据进行联合训练,构建了基于金字塔密集采样全卷积网络的对象边框标注弱监督图像语义分割模型,并在公开数据集上进行了验证。实验结果表明,所构建的弱监督模型与DET3-Proposed模型、全矩形转化模型以及Bbox-Seg模型相比,达到了更好的分割效果。