-
公开(公告)号：CN102129069A
公开(公告)日：2011-07-20
申请号：CN201010594918.5
申请日：2010-12-17
Applicant: 浙江大学
IPC: G01S7/52
Abstract: 本发明公开了一种基于多FPGA的波束形成器输出数据带宽控制装置，包括N个位于信号处理FPGA单元中的初级带宽控制单元、一个数据接口FPGA、一个通讯处理器。该带宽控制装置通过在数据接口FPGA和每个信号处理FPGA单元内部各设置一个带宽控制模块进行两级带宽控制，不仅保证了整个波束形成器输出数据的最终带宽被控制在系统设定值，而且在波束形成器由多个并行处理FPGA单元组成的情况下，仍然能够保留有效的波束形成结果，实现带宽在整个探测范围内的合理分配。
-
公开(公告)号：CN101797848A
公开(公告)日：2010-08-11
申请号：CN201010039578.X
申请日：2010-01-07
Applicant: 浙江大学
IPC: B41J29/00
Abstract: 本发明公开了一种基于FPGA的高速数据旋转控制装置，包括数据接收器、数据输入分配器、数据缓存器、数据旋转器、数据输出分配器、数据输出器。本发明还提供了一种基于FPGA的高速数据旋转控制方法，包括块数据接收控制的步骤，块数据分流输入控制的步骤，数据处理的流水线控制的步骤，块数据选择输出控制的步骤和块数据输出控制的步骤。本发明通过实现数据的三级流水线的操作方式来提高数据的吞吐量，通过状态机的控制，来实现数据严格的循环操作，提高了系统的可靠性。
-
公开(公告)号：CN101625408A
公开(公告)日：2010-01-13
申请号：CN200910101382.6
申请日：2009-08-03
Applicant: 浙江大学
Abstract: 本发明公开了一种三维成像声纳系统换能器阵的稀疏优化方法，采用模拟退火算法对平面阵中的换能器阵元进行稀疏优化，得到稀疏换能器阵，求得在稀疏优化后的换能器阵的波束方向图同时满足最大旁瓣峰值的阈值条件和锥度比的阈值条件下，稀疏换能器阵需要开启的最少换能器数目；所述稀疏优化前的平面阵由M×N个换能器组成，所述的换能器按半波长或一个波长间距均匀分布在一个矩形平面内；所述的锥度比为换能器的最大权重系数与换能器的最小权重系数的比值。本发明利用尽量少的换能器阵元实现系统目标，使得建造此相控阵三维图像声纳系统所需的硬件成本降低，使得进行波束形成算法所需的乘累加的计算量也减少。
-
公开(公告)号：CN100449522C
公开(公告)日：2009-01-07
申请号：CN200710069953.3
申请日：2007-07-12
Applicant: 浙江大学
IPC: G06F15/173 , H04L12/00
Abstract: 本发明公开了一种基于多FPGA的矩阵乘法并行计算系统，该系统使用FPGA作为处理单元来完成矩阵乘法计算。在FPGA内部使用乘法器或DSP48(E)单元实现大小为p×q的乘加器PE阵列，并在PE阵列前配置有数据预处理单元，使FPGA在完成稠密矩阵乘法计算的同时，对稀疏矩阵乘法计算性能有所提升。系统采用以太网或RapidIO互连技术，以星形连接拓扑结构组成主从分布式多FPGA并行计算系统。利用以太网和RapidIO的组播发送方式，对所有需要相同数据的处理单元进行数据组播发送，降低了系统的通信开销。系统采用基于按行一维划分输出矩阵的并行算法进行矩阵乘法并行计算，使得在进行多次矩阵连乘法计算时，中间结果无需在处理单元与主处理器之间、处理单元与处理单元之间进行数据交互，进一步降低了系统的通信开销。
-
公开(公告)号：CN119090729A
公开(公告)日：2024-12-06
申请号：CN202411166205.7
申请日：2024-08-23
Applicant: 浙江大学
IPC: G06T5/40 , G06T7/90 , G06T5/70 , G06V10/774
Abstract: 本发明公开了一种基于可训练HSL色域分布的低照度图像增强方法和装置，包括：对低照度RGB图像转换为HSL色域后利用转换函数进行数据分布调整得到目标色域数据分布；将目标色域数据分布分别输入深度学习模型的亮度提升模块和色彩降噪模块并融合输出增强目标色域图像，对增强目标色域图像进行色域逆变换得到增强RGB图像；构建目标色域损失和RGB色域损失训练深度学习模型并优化转换函数；基于优化后的转换函数将新的低照度RGB图像进行色域转换到目标色域后输入训练后的深度学习模型再进行色域逆变换得到增强RGB图像。本发明基于可训练HSL色域数据分布能在大幅提升低照度图像增强效果的同时降低模型计算复杂度。
-
Patent Agency Ranking
公开(公告)号：CN119027445A
公开(公告)日：2024-11-26
申请号：CN202411022211.5
申请日：2024-07-29
Applicant: 浙江大学
IPC: G06T7/207 , G06T7/246 , G06T7/73 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于骨骼轨迹扩散模型的视频异常在线检测方法和装置，包括：获取待检测视频的包含当前视频帧的连续视频帧序列；利用骨骼姿势网络从连续视频帧序列中提取真实骨骼姿势序列，利用光流神经网络跟踪不同视频帧中的骨骼信息，从得到目标的真实时空骨骼序列；从真实时空骨骼序列提取全局特征和局部特征，并基于时空自编码器对全局特征和局部特征进行编码得到第一条件特征和第二条件特征；采用骨骼轨迹扩散模型基于随机噪声、第一条件特征和第二条件特征通过逆扩散生成当前时刻的预测时空骨骼帧；通过比较当前时刻的真实时空骨骼帧和预测时空骨骼帧来确定当前视频帧是否为异常视频帧，这样可以实现快速和高精度的检测。
-
公开(公告)号：CN113034381B
公开(公告)日：2022-06-21
申请号：CN202110184461.9
申请日：2021-02-08
Applicant: 浙江大学
Abstract: 本发明公开了一种基于空洞化的核预测网络的单图像去噪方法和装置，包括：构建包含特征提取模块、特征压缩模块、核预测模块以及图像重建模块的基于空洞化的核预测网络；对空洞化的核预测网络进行参数优化后备用；应用时，将噪声图像输入至参数优化后的基于空洞化的核预测网络，利用特征提取单元从噪声图像中提取高级特征图，利用特征压缩模块将高级特征图压缩成压缩特征图，利用核预测模块根据高级特征图提取预测卷积核，利用图像重建模块基于预测卷积核和压缩特征图获得预测图后与噪声图像融合，得到去噪后图像。通过为单图像去噪问题引入核预测网络，并使用空洞卷积、多核通道融合、压缩特征图等技巧实现单图像去噪任务，大大提升了去噪效果。
-
公开(公告)号：CN110189260B
公开(公告)日：2021-01-26
申请号：CN201910300009.7
申请日：2019-04-15
Applicant: 浙江大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于多尺度并行门控神经网络的图像降噪方法，包括以下步骤：将清晰图像和与清晰图像对应的噪声图像作为一个训练样本，以此构建训练集；构造图像降噪网络，该图像降噪网络包括用于提取图像特征的特征提取单元、用于对提取的图像特征进行逐步降噪的降噪处理单元、以及用于对降噪后的特征进行融合的特征重建单元；其中，降噪处理单元包含7个依次连接的多尺度门控模块；利用训练集训练图像降噪网络，获得图像降噪模型；应用时，将噪声图像输入至图像降噪模型中，经计算输出降噪图像。该方法能够充分利用多尺度信息，在去除噪声的同时最大程度保留图像原有信息。
-
公开(公告)号：CN110191299B
公开(公告)日：2020-08-04
申请号：CN201910300915.7
申请日：2019-04-15
Applicant: 浙江大学
Abstract: 本发明公开了一种基于卷积神经网络的多重帧插值方法，包括：(1)截取连续n帧为一个训练样本组成训练集，(2)对训练样本进行数据增强；(3)构建深度卷积神经网络，包括用于提取尾帧相对于首帧的相位差的相位子网络，用于提取尾帧相对于首帧的运动特征的编码子网络，用于根据相位差和运动特征生成光流场图的多端解码网络，以及对多端解码网络的输出与首帧和尾帧进行融合输出插值图像的合成子网络；(4)设计损失函数；(5)利用训练样本对深度卷积神经网络进行训练，获得多重帧插值模型；(6)输入连续的两帧图像至多重帧插值模型，经计算输出两帧图像之间的插值帧图像。该多重帧插值方法可以处理光照变化较大的场景。
-
公开(公告)号：CN108596910B
公开(公告)日：2020-05-29
申请号：CN201810208987.4
申请日：2018-03-14
Applicant: 浙江大学
Abstract: 本实施例提供一种基于单高斯模型的三维声纳点云图像分割方法，其特征在于，包括(1)获取声纳数据，将每帧声纳数据对应的三维声纳深度图像数据转换为正交坐标系下的点云数据；(2)对所述点云数据进行采样，以可变分辨率R为参数，将所述点云数据下采样为多个紧邻的边长为R的体素；(3)利用单高斯模型对下采样过的包含有点的体素进行图像分割；(4)利用图像分割结果对每个体素进行累加评分，根据所述累加评分分出前景数据和背景数据；(5)对下采样后的体素进行基于N帧像素强度平均值的阈值滤波；(6)对于每一个体素，若滤波处理的结果中包含有步骤(4)处理后的背景数据，则将该背景数据去掉，剩下的即为最后的前景数据。
-
-
-
-
-
-
-
-
-
Search Results
116
records
(took 0.021 seconds)
