CN119445340A 基于分割计算的多光谱小目标推理加速方法及系统 （湖南工商大学）_第1页
CN119445340A 基于分割计算的多光谱小目标推理加速方法及系统 （湖南工商大学）_第2页
CN119445340A 基于分割计算的多光谱小目标推理加速方法及系统 （湖南工商大学）_第3页
CN119445340A 基于分割计算的多光谱小目标推理加速方法及系统 （湖南工商大学）_第4页
CN119445340A 基于分割计算的多光谱小目标推理加速方法及系统 （湖南工商大学）_第5页
已阅读5页，还剩18页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于分割计算的多光谱小目标推理加速方本发明公开了基于分割计算的多光谱小目2步骤7：服务端将所述步骤6的目标识别结果与已保存至缓存函数M中的切割点的目标;x;多光谱小目标识别模型还包括特征融合模型；特述步骤2评估客户端的计算能力和服务端的计算能力的具体方评估客户端的计算能力以及服务端的计算能力，由每秒浮点运算FLOPS值确定，;;3将网络带宽B,分为N个级别，采用近似存储法，仅保存每个级别下网络带宽的近似值。S4_2：根据主要时间消耗算法遍历所有的特征提取层，所述zc表示客户端计算时间，表示服务端计算时间和Te表示数据传输时间分别由如;;数据传输时间Tr：;服务端把目标识别的结果返回给客户端并更新缓存函数M，客户端将其与哈希表中的4;所述计算机可读介质存储有如权利要求1至7中任一项所述的基于分割计算的多光5数多光谱小目标识别的研究还在围绕使用大功耗的GPU显卡计算，较少的方法能够使用低成本加速这些已有的多光谱小目标识别模型。另一种解决方案是将计算卸载到云服务器6步骤7：服务端将所述步骤6的目标识别结果与已保存至缓存函数M中的切割点的;x;多光谱小目标识别模型还包括特征融合模型；特征融合模型分为特征提取阶段、P,4为界限将特征融合模型划分为前部和后部；由于多光谱小目标识别模型中RGB模态和IR模态的特征提取是分开的，所以特征[0009]进一步地：所述步骤2评估客户端的计算能力和服务端的计算能力的具体方法如评估客户端的计算能力以及服务端的计算能力，由每秒浮点运算FLOPS值确定，;;数反演的客户端的计算能力以及服务端的计算能力为步骤4分析模型7;们在缓存中仅保存将网络带宽B,分为若干级别，每个级别下网络带宽的近似值B,"和其对所述zc表示客户端计算时间，I;表示服务端计算时间和Te表示数据传输时间分别;;;8P或者q等于0时为极端情况，为网络带宽非常高或设备计算能力较弱其中的任一服务端把目标识别的结果返回给客户端并更新缓存函数M，客户端将其与哈希表;所述计算机可读介质存储有如上所述的基于分割计算的多光谱小目标推理加速9步骤7：服务端将所述步骤6的目标识别结果与已保存至缓存函数M中的切割点的征提取阶段对算法进行切割处理，由于特征提取阶段RGB模态和IR模态的特征提取是分开;x;;;。;zc表示客户端计算时间，表示服务端计算时间和Tr表示数据传输时间分别由如;;;算，由于p或者q等于0时为极端情况，为网络带宽非常高或设备计算能力较弱其中的任一[0029]由于后续的模型融合阶段由于涉及多个特征的综合处理，不太容易进行并行加结果与目标识别结果之间的相似度对缓存函数M、哈希表中的已经保存的切割点信息中切;

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论