随着无人机技术的成熟,配备摄像头的无人机被广泛应用于各个领域,自动高效地分析和理解从无人机收集的视觉数据非常重要.基于深度卷积神经网络的目标检测算法在许多实际应用上取得了惊人的成绩,但往往伴随着巨大的资源消耗和内存占用.因此,对于无人机上携带的计算能力受限的嵌入式设备来说,直接运行深度卷积神经网络非常具有挑战性.为了应对这些挑战,以经典的目标检测方法YOLOv3(you only look once)为例,基于迭代稀疏训练的剪枝方式可以实现有效的模型压缩,同时通过组合不同数据增强方式与相关优化手段保证压缩前后检测器精度误差在可接受范围内.实验结果证明,基于迭代稀疏训练的剪枝方法在YOLOv3上取得了非常可观的压缩效果,并且将精度误差控制在了2%以内,为无人机目标检测实时应用提供了支持.
根据国际电信联盟关于IMT-2030愿景,第6代移动通信系统(the 6th generation mobile networks,6G)的覆盖服务需求将从单场景覆盖向多场景覆盖扩展,6G基础设施的部署也将逐步从2D覆盖向3D覆盖扩展、从局部覆盖向全球覆盖扩展、从中低频段...
详细信息
根据国际电信联盟关于IMT-2030愿景,第6代移动通信系统(the 6th generation mobile networks,6G)的覆盖服务需求将从单场景覆盖向多场景覆盖扩展,6G基础设施的部署也将逐步从2D覆盖向3D覆盖扩展、从局部覆盖向全球覆盖扩展、从中低频段融合使用向更高频段按需开启.上述需求使得6G在提升容量的同时,需要进一步考虑无线覆盖扩展需求.本文针对如何在6G网络结构时空尺度跨度大、全场景业务需求差异大、超密集覆盖能耗大等关键挑战下实现容量和能效约束下的覆盖能力扩展这一重大科学问题,首先提出了面向6G无线覆盖扩展的智能柔性组网架构;其次研究了面向6G无线覆盖扩展的关键技术,包括面向6G广域覆盖的多维立体空天地覆盖扩展技术、面向深度覆盖的超密集异构覆盖扩展技术和面向6G平滑度覆盖的超高速移动覆盖扩展技术;接着分析了基于语义通信的覆盖扩展技术;最后给出了6G全场景无线覆盖扩展仿真验证,通过定义6G无线覆盖扩展技术指标体系,进行了典型场景的覆盖性能仿真验证.
暂无评论