-
公开(公告)号:CN120034162A
公开(公告)日:2025-05-23
申请号:CN202411945683.8
申请日:2024-12-27
Applicant: 中国科学院微电子研究所 , 南京信息技术研究院
IPC: H03K7/10
Abstract: 本公开提供了一种低功耗的模拟信号直接调制微系统和方法,可以应用于信号调制技术领域。该系统包括:信源模块,配置为获取预定时段的外部信号并根据外部信号生成初始模拟信号;滤波电路模块,与信源模块电连接,配置为滤除初始模拟信号中的干扰信号,得到中间模拟信号;匹配电路模块,与滤波电路模块电连接,配置为基于目标幅值和目标频率调整中间模拟信号的幅值和频率,得到匹配信号;振荡模块,与匹配电路模块电连接,配置为根据匹配信号在预定时段的幅值变化和频率变化,生成目标调频信号并输出。
-
公开(公告)号:CN120070194A
公开(公告)日:2025-05-30
申请号:CN202510086325.4
申请日:2025-01-20
Applicant: 中国科学院微电子研究所
Abstract: 本发明涉及一种基于直方图峰值分析的逆光低光图像增强方法,属于图像增强技术领域,解决了现有技术中算法功能单一、复杂度高、推理时间长的问题,包括:获取图像的V通道直方图的峰值点,得到图像的类别;若类别为低光图像,进行低光图像增强,包括:对图像的V通道数据进行自适应直方图均衡、伽马矫正和形态学顶帽修正;对直方图均衡后的数据和形态学顶帽修正后的数据进行融合;若类别为逆光图像,进行逆光图像增强,包括:对图像的V通道数据分别进行伽马矫正和直方图均衡化并融合;对图像的V通道数据进行分割,并生成权重图;基于权重图和融合后的数据得到增强的V通道数据;得到增强后的RGB图像。实现多功能、复杂度低、快速的图像增强方法。
-
公开(公告)号:CN117670705A
公开(公告)日:2024-03-08
申请号:CN202211006806.2
申请日:2022-08-22
Applicant: 中国科学院微电子研究所
IPC: G06T5/70 , G06T5/80 , G06T5/60 , G06T3/4038 , G06T3/4046 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明涉及一种自适应拜尔图像的降噪方法及装置,属于图像降噪领域。本发明通过对拜尔图像进行预处理得到第一拜尔图像;统一第一拜尔图像与神经网络降噪模型预设的Bayer格式,得到第二拜尔图像;将第二拜尔图像输入神经网络降噪模型进行降噪处理,得到第三拜尔图像;通过逆翻转第三拜尔图像,使图像的Bayer阵列格式与待处理拜尔图像一致,得到最终的降噪图像。本发明通过统一拜尔图像与神经网络降噪模型预设的Bayer格式,使神经网络降噪模型不受原始拜尔图像格式的限制,更方便的应用神经网络降噪模型对图像进行降噪处理;本发明的神经网络降噪模型引入了可分离卷积模块和注意力模块,提升了降噪效果。
-
公开(公告)号:CN117787360A
公开(公告)日:2024-03-29
申请号:CN202211143337.9
申请日:2022-09-20
Applicant: 中国科学院微电子研究所
IPC: G06N3/063 , G06N3/0464
Abstract: 本发明涉及一种混合精度运算单元、方法和阵列,属于运算单元设计领域。混合精度运算单元包括4个基于bit串行的混合精度乘法器,三个加法器和一个移位器;混合精度乘法器用于对2bit精度的激活值与1‑8bit连续精度可变的权重值进行乘加运算;移位器基于所述混合精度乘法器激活值的bit精度进行相应的移位;三个加法器用于进行相关的乘加运算。混合精度运算单元经过对4个混合精度乘法器的拼接融合支持激活值2、4、8bit精度可变,权重值1‑8bit连续精度可变的乘加运算,并且可以拓展成运算阵列,提高数据运算的并行性。在满足不同精度运算的需求的同时,极大程度减小计算位宽冗余和功耗、面积开销,实现对可变位宽精度的划分更为精细。
-
公开(公告)号:CN116452487A
公开(公告)日:2023-07-18
申请号:CN202210013256.0
申请日:2022-01-06
Applicant: 中国科学院微电子研究所
IPC: G06T7/00 , G06N3/0464 , G06N3/08 , G06V10/44 , G06V10/764
Abstract: 本申请公开了一种图像识别方法、装置、设备及介质,包括:获取图像传感器采集到的图像,得到待识别拜尔图像;基于所述待识别拜尔图像的拜尔阵列格式,对所述待识别拜尔图像进行下采样处理,以得到通道特征图;将所述通道特征图输入至预先构建的卷积神经网络中的特征提取单元,以便对所述特征图进行特征提取;通过将提取到的特征输入至所述卷积神经网络的分类器以完成对所述待识别拜尔图像的识别,如此一来,由于本申请中的待识别拜尔图像是由图像传感器直接采集到的图像,因此可以更多地保留图像的原始信息,进一步有利于卷积神经网络提取到丰富的特征信息,因此,本申请在保证图像识别精度的同时,减少了网络运算量,提高了端到端的学习效率。
-
-
-
-