-
公开(公告)号：CN111210518A
公开(公告)日：2020-05-29
申请号：CN202010045875.9
申请日：2020-01-15
Applicant: 西安交通大学
Abstract: 本发明公开基于视觉融合地标的拓扑地图生成方法，包括：输入RGB图像，基于卷积神经网络对RGB图像进行语义分割，根据语义分割中间层的特征图提取出输出值大于预定值的点作为特征点；获取场景的深度图，基于深度图的深度信息和特征点在图像上的二维坐标信息，依据相机模型获取特征点的三维坐标和机器人的位姿信息以建立场景的三维地图，对输入图像进行基于深度学习的纹理分割，获取每个像素点在纹理特征空间下的编码；采用基于模糊数学地标级数据融合方法，获得点云相对于预定地标的隶属度分布函数，根据语义隶属度分布函数和三维地图，获得融合地标的三维语义地图；基于融合地标的三维语义地图构建拓扑地图生成融合地标的语义拓扑地图。
-
公开(公告)号：CN109445752B
公开(公告)日：2019-10-15
申请号：CN201811177771.2
申请日：2018-10-10
Applicant: 西安交通大学
Abstract: 一种并行计算的系统，包括输入端口，第一交换网络，计算阵列，第二交换网络和输出端口，其中：第一交换网络用于从输入端口接收输入数据，并根据计算阵列的不同计算模式对输入数据进行排序并输出排序后的输入数据；计算阵列用于根据不同计算模式对所述排序后的输入数据进行并行计算并输出中间数据；第二交换网络用于根据不同输出模式对所述中间数据进行排序并通过所述输出端口输出排序后的中间数据。本公开巧妙的将计算机体系结构中的交换网络应用于并行计算的系统，并根据不同的计算模式、输出模式，对输入或输出数据进行任意所需的排序，使得输入数据进入计算阵列后，通过计算阵列完成多种运算操作。
-
公开(公告)号：CN109924977A
公开(公告)日：2019-06-25
申请号：CN201910218660.X
申请日：2019-03-21
Applicant: 西安交通大学
IPC: A61B5/0488 , A61B5/00
Abstract: 本发明公开了一种基于CNN和LSTM的表面肌电信号分类方法，使用滑动窗口将时间序列转化成为“数据-标签”对，在每一个时间窗口内，对表面肌电信号应用汉明窗口并使用快速傅里叶变换计算时频谱Spectrogram，将时频谱数据沿时间轴方向叠加整合，并送入卷积神经网络，完成局部空间高位特征提取，得到高维特征，将高维特征沿数据叠加维度展开，恢复为时间序列，并送入长短时记忆网络，提取序列特征，将序列特征送入全连接网络，进行进一步的特征提取和整合，得到充分提取的高维特征，将充分提取的高维特征送入Softmax函数得到最终的分类结果。本发明的核心基于深度学习算法，通过深度特征在传统的手工提取特征之上进行进一步的分析和提取，明显提高了分类解码的精确度。
-
公开(公告)号：CN103383671A
公开(公告)日：2013-11-06
申请号：CN201310061383.9
申请日：2013-02-26
Applicant: 西安交通大学
IPC: G06F13/18 , G06F15/167
Abstract: 一种基于片上网络的DRAM通讯优化方法，步骤一、采用多端口静态随机存储器为每个输入端口设计一个多端口大容量的缓存，采用多端口SRAM作为PE的数据缓存构建多个数目及深度可配置的VC，步骤二、采用严格优先请求简称SPQ方法设定传输优先级，即设定节点与DRAM的通讯为最高优先级，节点间的通讯为次高优先级首先为最高优先级服务，直到其完成，然后为次高优先级服务；本发明提高了存储器的利用率，减小了整个系统的延迟，能够有效地改善与片外DRAM通讯的通讯质量，而且不会影响片内结点之间的通讯。
-
公开(公告)号：CN101651810B
公开(公告)日：2011-01-05
申请号：CN200910023988.2
申请日：2009-09-22
Applicant: 西安交通大学
Abstract: 本发明公开了一种处理交错式行交叉立体复合视频信号的装置及方法，首先在3D复合视频解码器中完成交错式交叉立体复合视频信号解码，然后进行格式转换为16bit的YUV4:2:2，利用SDRAM帧存储器控制存储、读出，经过两个二选一多路选择器后使得左路视频输出始终为奇场，右路视频输出始终为偶场，最后经过图像缩放和OSD叠加后输出到OLED微屏显示。本发明在仅使用一片32bit的帧存储器SDRAM的前提下，同时实现的对立体复合视频信号帧频的提升和完成3D复合视频信号解码功能，提高了SDRAM的使用率、带宽和装置的集成度。
-
Patent Agency Ranking
公开(公告)号：CN101651810A
公开(公告)日：2010-02-17
申请号：CN200910023988.2
申请日：2009-09-22
Applicant: 西安交通大学
Abstract: 本发明公开了一种处理交错式行交叉立体复合视频信号的装置及方法，首先在3D复合视频解码器中完成交错式交叉立体复合视频信号解码，然后进行格式转换为16bit的YUV4:2:2，利用SDRAM帧存储器控制存储、读出，经过两个二选一多路选择器后使得左路视频输出始终为奇场，右路视频输出始终为偶场，最后经过图像缩放和OSD叠加后输出到OLED微屏显示。本发明在仅使用一片32bit的帧存储器SDRAM的前提下，同时实现的对立体复合视频信号帧频的提升和完成3D复合视频信号解码功能，提高了SDRAM的使用率、带宽和装置的集成度。
-
公开(公告)号：CN100584038C
公开(公告)日：2010-01-20
申请号：CN200810017859.8
申请日：2008-04-01
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于3D自适应梳状滤波的视频信号解码器，复合视频信号经过AFE处理的数字信号输入同步相关信息处理模块、自适应Y/C亮度色度分离模块、SDRAM接口和控制模块中，在自适应Y/C亮度色度分离模块分离出亮度和色度信号；色度解调模块接收同步相关信息处理模块的数据和自适应Y/C亮度色度分离模块分离出的色度信号，完成色度解调并输出色差信号；亮度和色差信号经过YUV与RGB色度空间转换模块输出三基色信号，该信号与色差信号经MUX多路选择模块后最终得到24位输出信号；SDRAM接口和控制模块接收采样数据和同步相关信息处理模块的同步控制信号存储多帧数据，并对自适应Y/C亮度色度分离模块提供运算数据。
-
公开(公告)号：CN101489032A
公开(公告)日：2009-07-22
申请号：CN200910021069.1
申请日：2009-02-06
Applicant: 西安交通大学
Abstract: 本发明公开了一种复合视频解码器亮度色度分离模块中运动检测方法和实现其方法的装置，该运动检测装置与时空自适应亮色分离相结合，将运动检测的4场数据从帧存储器中读出，结合实时信号所在场利用5场信号进行运动检测。空间相关性检测模块检测出待测像素点的垂直相关性。根据二值化空间相关性检测结果动态选择运动检测模块，求出模块的加权平均差值，根据该差值与运动检测阈值的关系判断运动情况。同时利用时间相关性检测模块检测待测像素点的时间相关性，生成二值化的时间相关性检测结果。将该结果与空间相关性检测结果及像素点构成新的数据结构，提升视频信号处理能力。
-
公开(公告)号：CN114972937B
公开(公告)日：2025-04-15
申请号：CN202210024765.3
申请日：2022-01-11
Applicant: 西安交通大学
IPC: G06V10/80 , G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/0985
Abstract: 一种基于深度学习的特征点检测与描述子生成方法，包括如下步骤：S100：构建新的卷积神经网络；S200：利用所述新的卷积神经网络预测输入图像的特征点并且生成描述子向量；其中，所述新的卷积神经网络结构由两部分组成，第一部分为编码器，用于输入图像的特征编码；第二部分为3个解码器，第一个解码器生成描述子特征图，第二个解码器生成特征点的独特性特征图，第三个解码器由不同层的神经网络特征拼接作为输入生成准确度特征图。本方法生成的特征点具有更高的定位精度和独特性，有助于提高特征点匹配的性能以及后续任务的精度。
-
公开(公告)号：CN119250134A
公开(公告)日：2025-01-03
申请号：CN202411226583.X
申请日：2024-09-03
Applicant: 西安交通大学
IPC: G06N3/0495 , G06N3/0464 , G06N3/08 , G06N3/045 , G06N5/04
Abstract: 本发明提供了一种人工神经网络数据压缩装置和方法，浮点数据采集模块用于获取人工神经网络的浮点数据；浮点数据存储模块用于存储以共享指数浮点格式存在的浮点数据；浮点数据运算模块用于将以共享指数浮点格式存在的浮点数据进行人工神经网络正向运算；其中，所述共享指数浮点格式具体是将n个浮点数据编码为一个块，块中的每个数据由E、S和M三部分组成，分别代表指数、符号和尾数部分，根据E和共享指数Es之间的差异edif向右移位。该装置能够利用共享指数实现高数据压缩率，同时在低精度格式上保持良好的DNN模型精度，并且比现有的低精度浮点格式更适合端侧设备的乘积电路实现。
-
-
-
-
-
-
-
-
-
Search Results
103
records
(took 0.026 seconds)
