YOLOX-S船检模型部署Versal硬件实现星载数据缩减
热点事件持续更新
YOLOX-S船检模型部署Versal硬件实现星载数据缩减
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Thomas Goudemant 等发布 arXiv 论文（2610.12182v2，基于论文摘要），提出在轨船舶检测用于筛选下传数据：他们用 68 个标注 Maxar 场景构建含 43 个船舶类别的受控数据集，训练 YOLOX-S 检测器，量化后部署到 Versal VC1902 的 DPU，据称检测质量损失有限，每个场景处理时间为数秒。 在密集港口和沿海场景上，瓦片模式保留 98% 的船舶、下传场景体积的 29%；裁剪模式保留 83% 的船舶、下传体积的 3%。该方法按图像内容选择下传数据，而非对每个像素编码。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 12:00
Versal嵌入式硬件上的AI船载海事目标检测与地球观测数据缩减报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv · cs.AIVersal嵌入式硬件上的AI船载海事目标检测与地球观测数据缩减
基于论文摘要，研究团队训练YOLOX-S检测地球观测图像中的船舶，并将量化模型部署到Versal VC1902的DPU，用于在轨筛选下传数据。该方法在密集港口和沿海场景中，瓦片模式保留98%的船舶、下传场景体积的29%，裁剪模式保留83%的船舶、下传体积的3%；模型每个场景的处理时间为数秒，检测质量仅报告为有限损失。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月12日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。