-
公开(公告)号：CN119887960A
公开(公告)日：2025-04-25
申请号：CN202411528561.9
申请日：2024-10-30
Applicant: 福州大学
Abstract: 本发明提出一种端到端预处理网络驱动的无镜头成像重建方法，包括以下步骤：S1、原始图像经过扩散体无镜头成像系统获得测量图像；S2、构建轻量型卷积神经网络CNN‑ISP‑net，并使用训练集进行训练；S3、将测量图像和点扩散函数输入训练后的轻量型卷积神经网络进行预处理，获得预处理后的测量图像和点扩散函数；S4、构建并训练Le‑ADMM网络用以进行图像重构，S5、将预处理后的点扩散函数和测量图像共同输入已训练好的Le‑ADMM网络中进行图像重构。本发明通过轻量型卷积神经网络CNN‑ISP‑net分别对测量图像和测量点扩散函数进行预处理，优化测量图像质量，并使测量点扩散函数更接近理想点扩散函数，达到提升重构图像效果的目的。
-
公开(公告)号：CN118116372B
公开(公告)日：2024-07-09
申请号：CN202410516807.4
申请日：2024-04-28
Applicant: 福州大学
Abstract: 本发明涉及一种面向语音关键词识别的二值化深度神经网络硬件加速系统，属于语音关键词识别领域。所述系统包括：MFCC模块，用于提取输入语音特征，并进行预处理；二值化深度神经网络模块，对MFCC模块预处理的语音特征进行识别以区分关键词和非关键词；所述二值化深度神经网络模块包括依次连接的输入层、全连接层FC1、全连接层FC2、全连接层FC3、归一化层、一维卷积层Conv1D、最大池化层Maxpool、输出层。与传统BNN相比，本发明对语音识别的结果处理过程进行增强；同时本发明通过利用连续语音帧之间的时间相关性，对神经网络的初步预测概率输出进行平滑等处理，有效提高了关键词识别的准确率。
-
公开(公告)号：CN109032561B
公开(公告)日：2022-10-14
申请号：CN201810801889.1
申请日：2018-07-20
Applicant: 福州大学
IPC: G06F7/501
Abstract: 本发明涉及一种进位旁路输出为进位选择的可逆逻辑加法器电路，包括FG门电路、TOF门电路、第一DPG门电路、第二DPG门电路、第三DPG门电路、第四DPG门电路、第一HNG门电路、第二HNG门电路、第三HNG门电路、第四HNG门电路、第五HNG门电路、第六HNG门电路、第七HNG门电路、第八HNG门电路、第一Fediken门电路、第二Fediken门电路、第三Fediken门电路、第四Fediken门电路、第五Fediken门电路、以及第六Fediken门电路。本发明能够实现减少垃圾输出，减少常量输入，以及减少可逆门数。
-
公开(公告)号：CN109344116B
公开(公告)日：2022-03-15
申请号：CN201811106192.9
申请日：2018-09-21
Applicant: 福州大学
IPC: G06F15/80
Abstract: 本发明涉及Prewitt算子的NEON加速引擎器。该方法利用NEON协处理器，使用单指令多数据的加速策略，将输入图像数据以向量化的方式进行并行计算；并通过流水线、数据拼接和复用等手段提高计算效率。本发明与现有智能终端核心处理器相比，可以有效提升计算速度，达到图像实时处理的要求；与专用图像处理单元（GPU）相比，本发明有更低的功耗，并且能够节约硬件资源，更有利于在便携式智能终端上推广。
-
公开(公告)号：CN109344116A
公开(公告)日：2019-02-15
申请号：CN201811106192.9
申请日：2018-09-21
Applicant: 福州大学
IPC: G06F15/80
Abstract: 本发明涉及Prewitt算子的NEON加速引擎器。该方法利用NEON协处理器，使用单指令多数据的加速策略，将输入图像数据以向量化的方式进行并行计算；并通过流水线、数据拼接和复用等手段提高计算效率。本发明与现有智能终端核心处理器相比，可以有效提升计算速度，达到图像实时处理的要求；与专用图像处理单元（GPU）相比，本发明有更低的功耗，并且能够节约硬件资源，更有利于在便携式智能终端上推广。
-
Patent Agency Ranking
公开(公告)号：CN109242788A
公开(公告)日：2019-01-18
申请号：CN201810952196.2
申请日：2018-08-21
Applicant: 福州大学
IPC: G06T5/00
Abstract: 本发明涉及一种基于编码-解码卷积神经网络低照度图像优化方法，首先采用低照度图像与对应的正常光照图像作为训练数据集；然后通过数据驱动的方式，采用步骤S1的训练数据集训练U-Net型神经网络模型，令其自主学习数据特征；最后通过训练后的U-Net型神经网络模型对采集到的低照度图像进行重构优化，实现图像重构。本发明能够在无法准确对重构算法进行建模的情况下，自主学习低照度图像中的重要特征，无需人工干预。
-
公开(公告)号：CN109086806A
公开(公告)日：2018-12-25
申请号：CN201810778973.6
申请日：2018-07-16
Applicant: 福州大学
Abstract: 本发明涉及一种基于低分辨率压缩图像的IOT便携式设备视觉识别加速方法，首先通过设备的采集端进行图像采集，获得原始图像；接着将步骤S1采集到的原始图像经过低分辨率压缩，减少数据量，并将压缩后的图像数据传输至设备的推理端；最后设备的推理端利用已经训练好的卷积神经网络进行推理识别，并将推理识别结果实时显示出来。本发明能够在不怎么损失精度的情况下，大幅度的减少了计算量和参数数量。
-
公开(公告)号：CN119398115A
公开(公告)日：2025-02-07
申请号：CN202411528722.4
申请日：2024-10-30
Applicant: 福州大学
IPC: G06N3/063 , G06N3/0464 , G06N3/048 , G06T11/00 , G06T1/20
Abstract: 本发明提出无镜头成像系统轻量型预处理网络的FPGA实现架构，所述轻量型预处理网络包括7层Conv+ReLU层和一层Conv层；所述FPGA实现架构包括控制模块、BRAM存储模块、fifo缓存模块、寄存器组模块、开窗模块、卷积模块、ReLU模块；本发明根据ISP轻量型卷积神经网络（CNN‑ISP‑net）的设计，在FPGA上实现了相应的硬件框架，可以加快网络的计算速度，并且通过本发明预处理后可以重构出性能更好的图片。
-
公开(公告)号：CN114679685B
公开(公告)日：2024-07-05
申请号：CN202210308026.7
申请日：2022-03-26
Applicant: 福州大学
Abstract: 本发明涉及一种基于虚拟指纹库的任务驱动无线电压缩成像系统，包括离线虚拟链路指纹库和在线搜索匹配计算成像单元；所述离线虚拟链路指纹库根据无线电信号传输菲涅尔区模型确定在感知区域内受影响的链路编号；所述在线搜索匹配计算成像单元引入视频处理中的运动估计搜索算法，结合基于压缩感知解析稀疏模型的交替方向乘子法，实现对感知区域内动态目标的跟踪成像。本发明在降低RTI系统观测样本数量的情况下，有效保证系统的定位精度与成像的速度。
-
公开(公告)号：CN116471417A
公开(公告)日：2023-07-21
申请号：CN202310368421.9
申请日：2023-04-07
Applicant: 福州大学
IPC: H04N19/436 , H04N19/132 , H04N19/60
Abstract: 本发明的目的在于提供一种并行切比雪夫迭代ADMM压缩感知快速重构方法，该方法可支持任意稀疏度信号重构。本发明首先利用切比雪夫迭代法化简ADMM算法中高计算复杂度的矩阵求逆运算。其次，在考虑实时计算需求的情况下，分离切比雪夫迭代ADMM计算步骤中的数据无关项，提高并行度，从而提高ADMM重构的速度。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.021 seconds)
