成果内容

（1）稀疏条件下海洋目标降噪方法的研究

    随着国家海洋战略的实行，如何实现海洋目标的精确检测与识别是当前所面临的瓶颈问题。通过建立海洋目标检测数据库，研究海洋图片数据的特点，去除观测的噪声如杂波或杂斑，从而提出新的海洋目标降噪的方法。

（2）海洋目标检测的深度学习方法的研究

      通过研究低信噪比状态下的海洋目标特征，和传统目标检测理论中检测性能对图像信噪比和处理时间等因素，建立新的海洋目标检测的深度学习方法，以实现对海上目标的精确检测，从而探寻其在海洋目标搜求方面的应用。

（3）高速卷积神经网络体系结构的研究

通过研究基于深度学习的海洋目标检测的方法，结合算法中高频出现的计算方式和数据流动方式，研究超长指令字架构下的卷积神经网络专用指令的设计方法；通过研究神经网络的网络量化方法和网络裁剪方法减少网络对存储空间和带宽的要求；通过研究高速DSP处理阵列的实现方法，充分发挥DSP高速运算的性能，从而完成高频的数据处理；通过研究神经网络中数据流在层间流动的关系，设计超长指令字之间的串并行执行关系，建立合理的流水线，从而实现海洋目标检测的低延时处理的要求

成果形式

1. 在Xilinx VU9P FPGA平台上实现海洋目标检测的算法，并搭建演示系统。 

2. 申请技术发明专利一项