-
公开(公告)号：CN110213582B
公开(公告)日：2021-05-11
申请号：CN201910509308.1
申请日：2019-06-13
Applicant: 复旦大学
IPC: H04N19/124 , H04N19/146
Abstract: 本发明提供一种面向超高分辨率图像分析的高精度量化加速方法，用于通过量化对超高分辨率图像分析过程中大量的中间数据计算过程进行改善，其特征在于，包括如下步骤：步骤S1，获取最终结果需要的精确度α，得到中间计算需要保留的精确度β；步骤S2，取得中间变量X，通过当前计算的进制γ将中间变量X按照中间计算需要保留的精确度β进行量化得到偏移变量X1；步骤S3，基于偏移变量X1进行计算运算，得到计算结果Y1，并且在计算过程中保留计算过程队列Q；步骤S4，由计算结果Y1、中间计算需要保留的精确度β以及计算过程队列Q得到最终进制的最终结果Y。
-
公开(公告)号：CN110852383A
公开(公告)日：2020-02-28
申请号：CN201911100964.2
申请日：2019-11-12
Applicant: 复旦大学
Abstract: 本发明提供一种基于注意力机制深度学习网络的目标检测方法，其特征在于，通过含有注意力机制模块的目标检测模型对待检测图像进行特征图提取并从中检测出目标的位置和类别，注意力机制模块包括：至少一个注意力模块M1，用于根据特征图生成相同大小注意力权重矩阵并作用于该特征图；至少一个注意力感受野模块M2，用于对特征图进行特征提取；以及至少一个注意力特征融合模块M3，用于对网络不同层次的特征进行融合。该目标检测方法在具有高检测准确率的基础上还保证了高检测速度，同时模型的结构简洁且计算量小。
-
公开(公告)号：CN110288508A
公开(公告)日：2019-09-27
申请号：CN201910561585.7
申请日：2019-06-26
Applicant: 复旦大学
IPC: G06T1/20
Abstract: 本发明提供一种面向均匀分布的超高分辨率图像局部稀疏加速处理方法，用于进行局部采样的加速处理从而显著增加对超高分辨率图像的处理速度，其特征在于，包括如下步骤：步骤S1，通过对超高分辨率图像Fgl进行全局处理，得到全局适用的处理参数Wgl；步骤S2，将超高分辨率图像Fgl均匀切分为N份，对图像信息进行局部稀疏采样得到局部采样图Flo；步骤S3，将处理参数Wgl应用于局部采样图Flo，进行图像处理得到局部采样图Flo的局部处理结果Rlo；步骤S4，将局部处理结果Rlo与切分个数N进行协同推理，得到全局处理结果Rgl。
-
Patent Agency Ranking
公开(公告)号：CN110288508B
公开(公告)日：2023-02-24
申请号：CN201910561585.7
申请日：2019-06-26
Applicant: 复旦大学
IPC: G06T1/20
Abstract: 本发明提供一种面向均匀分布的超高分辨率图像局部稀疏加速处理方法，用于进行局部采样的加速处理从而显著增加对超高分辨率图像的处理速度，其特征在于，包括如下步骤：步骤S1，通过对超高分辨率图像Fgl进行全局处理，得到全局适用的处理参数Wgl；步骤S2，将超高分辨率图像Fgl均匀切分为N份，对图像信息进行局部稀疏采样得到局部采样图Flo；步骤S3，将处理参数Wgl应用于局部采样图Flo，进行图像处理得到局部采样图Flo的局部处理结果Rlo；步骤S4，将局部处理结果Rlo与切分个数N进行协同推理，得到全局处理结果Rgl。
-
公开(公告)号：CN109995965B
公开(公告)日：2021-12-03
申请号：CN201910276412.0
申请日：2019-04-08
Applicant: 复旦大学
IPC: H04N5/14 , H04N7/20 , H04N21/845 , H04N17/00
Abstract: 本发明提供了一种基于FPGA的超高清视频图像实时校准方法，用于通过FPGA对超高清视频图像进行实时校准，其特征在于，包括如下步骤：步骤S1，建立原始图像数据接收通道，直接将超高清视频图像的原始图像数据输送至FPGA；步骤S2，对原始图像数据进行校准处理，得到结果校准数据；步骤S3，建立校准结果输出通道，将结果校准数据从FPGA返回，其中，步骤S2包括如下子步骤：步骤S2‑1，建立图像数据帧缓存区，并对原始图像数据进行预处理得到预处理图像数据；步骤S2‑2，通过图像校准算法对预处理图像数据进行处理并得到ΔX,ΔY,Δθ；步骤S2‑3，建立结果内存缓存区，将得到的ΔX,ΔY,Δθ进行整理，得到最终的校准结果数据。
-
公开(公告)号：CN110213582A
公开(公告)日：2019-09-06
申请号：CN201910509308.1
申请日：2019-06-13
Applicant: 复旦大学
IPC: H04N19/124 , H04N19/146
Abstract: 本发明提供一种面向超高分辨率图像分析的高精度量化加速方法，用于通过量化对超高分辨率图像分析过程中大量的中间数据计算过程进行改善，其特征在于，包括如下步骤：步骤S1，获取最终结果需要的精确度α，得到中间计算需要保留的精确度β；步骤S2，取得中间变量X，通过当前计算的进制γ将中间变量X按照中间计算需要保留的精确度β进行量化得到偏移变量X1；步骤S3，基于偏移变量X1进行计算运算，得到计算结果Y1，并且在计算过程中保留计算过程队列Q；步骤S4，由计算结果Y1、中间计算需要保留的精确度β以及计算过程队列Q得到最终进制的最终结果Y。
-
公开(公告)号：CN110852383B
公开(公告)日：2022-06-14
申请号：CN201911100964.2
申请日：2019-11-12
Applicant: 复旦大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于注意力机制深度学习网络的目标检测方法，其特征在于，通过含有注意力机制模块的目标检测模型对待检测图像进行特征图提取并从中检测出目标的位置和类别，注意力机制模块包括：至少一个注意力模块M1，用于根据特征图生成相同大小注意力权重矩阵并作用于该特征图；至少一个注意力感受野模块M2，用于对特征图进行特征提取；以及至少一个注意力特征融合模块M3，用于对网络不同层次的特征进行融合。该目标检测方法在具有高检测准确率的基础上还保证了高检测速度，同时模型的结构简洁且计算量小。
-
公开(公告)号：CN109995965A
公开(公告)日：2019-07-09
申请号：CN201910276412.0
申请日：2019-04-08
Applicant: 复旦大学
IPC: H04N5/14 , H04N7/20 , H04N21/845 , H04N17/00
Abstract: 本发明提供了一种基于FPGA的超高清视频图像实时校准方法，用于通过FPGA对超高清视频图像进行实时校准，其特征在于，包括如下步骤：步骤S1，建立原始图像数据接收通道，直接将超高清视频图像的原始图像数据输送至FPGA；步骤S2，对原始图像数据进行校准处理，得到结果校准数据；步骤S3，建立校准结果输出通道，将结果校准数据从FPGA返回，其中，步骤S2包括如下子步骤：步骤S2‑1，建立图像数据帧缓存区，并对原始图像数据进行预处理得到预处理图像数据；步骤S2‑2，通过图像校准算法对预处理图像数据进行处理并得到ΔX,ΔY,Δθ；步骤S2‑3，建立结果内存缓存区，将得到的ΔX,ΔY,Δθ进行整理，得到最终的校准结果数据。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.031 seconds)
