一种基于强聚类损失函数的多种类目标辨识方法及系统.pdfVIP

下载本文档

4
0
约1.7万字
约 15页
2023-07-29 发布于四川
举报
版权申诉

一种基于强聚类损失函数的多种类目标辨识方法及系统.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明公开了一种基于强聚类损失函数的多种类目标辨识方法及系统。所述方法为：根据同一批次待识别目标标签的特征值和标签值特点，构建强聚类损失函数；加入目标的移位特征，进一步增大不同类别目标的损失值差异；编写CNN模型的网络层硬件代码并进行并行加速，生成的RTL级代码结合网络权重数据、偏置数据迁移到FPGA中；构建硬件层面电路图，对RTL级代码生成的IP核和Zynq处理器部署硬件设计，PS端和PL端联合生成比特流，实现CNN模型在FPGA上的运算。所述系统包括强聚类损失函数构建、移位特征添加、硬件代码

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 116503675 A (43)申请公布日 2023.07.28 (21)申请号 202310762241.9 G06F 30/34 (2020.01) (22)申请日 2023.06.