-
公开(公告)号:CN107730451A
公开(公告)日:2018-02-23
申请号:CN201710911893.9
申请日:2017-09-29
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种基于深度残差网络的压缩感知重建方法和系统,包括:获取原始图像信号作为训练数据,并通过尺度变换和分割处理将训练数据分割为多个图像块;根据每个图像块的亮度分量和压缩感知理论模型,获得亮度分量对应的测量值;通过全连接网络对测量值进行线性映射处理,得到初步重建结果;将初步重建结果输入深度残差网络,训练得到估计残差值;将估计残差值与初步重建结果进行融合,生成重建信号。由此,本发明通过引入深度残差网络参与信号的重建,不仅实现对测量值到图像的还原重建还用到深度残差网络仅学习与目标之间的差异这一特点,提升了还原信号的质量。
-
公开(公告)号:CN106250097A
公开(公告)日:2016-12-21
申请号:CN201610460936.1
申请日:2016-06-22
Applicant: 中国科学院计算技术研究所 , 无锡江南计算技术研究所
IPC: G06F7/24
CPC classification number: G06F7/24
Abstract: 本发明提出一种面向大数据的加速排序装置、方法、芯片、处理器,涉及处理器设计领域,该方法对待排序列数据,每次取连续n位数据,取m组,并存放在所述寄存器组中;分别对m组所述待排序列数据进行排序,生成m组有序序列数据,通过排序算法将所述有序序列数据进行排序。本发明将所有与比较相关的排序算法复杂度降为原来的1/n;同时,这种n单元数据的连续访存,一定程度降低了访存开销,从而大大的提高了排序算法的执行速度,通过本发明,提高了单个节点处理器上针对排序应用的处理效率。
-
公开(公告)号:CN107749047A
公开(公告)日:2018-03-02
申请号:CN201710954199.5
申请日:2017-10-13
Applicant: 中国科学院计算技术研究所
IPC: G06T3/40
Abstract: 本发明涉及一种基于哈达玛矩阵的渐进式压缩感知重建方法和系统,包括:将原始哈达玛矩阵作为低阶哈达玛矩阵,将低阶哈达玛矩阵中的行数据转换为第一观测矩阵,利用第一观测矩阵对原始图像进行压缩感知采样,获得原始图像的低阶测量值,并将根据低阶测量值生成的重建图像实时输出给用户进行查看;对低阶哈达玛矩阵进行迭代处理,得到高阶哈达玛矩阵,将高阶哈达玛矩阵中的行数据转换为第二观测矩阵,并利用第二观测矩阵对原始图像进行压缩感知采样,获得原始图像的高阶测量值,并将根据高阶测量值生成的重建图像实时输出给用户进行查看。有此可实时查看图像重建效果,使用户直观感受图像压缩结果,以采样率最少的采样数据,达到预期图像压缩效果。
-
公开(公告)号:CN106168940A
公开(公告)日:2016-11-30
申请号:CN201610460013.6
申请日:2016-06-22
Applicant: 中国科学院计算技术研究所 , 无锡江南计算技术研究所
IPC: G06F15/173 , H04L12/771
CPC classification number: G06F15/17318 , G06F15/17312 , H04L45/60
Abstract: 本发明提供了一种高密度片上网络的路网实现方法,适用于众核片上网络技术领域,包括:步骤1,将第一路由和第二路由的链路划分为多个低宽度的自治的子链路;步骤2,检测输入端口的数据包的队列,配置所述子链路和所述队列在同一时刻并行传输最大数量的所述数据包;步骤3,根据所述数据包并行传输前的路由信息,将所述数据包进行拆分输出。同时本发明还提供一种高密度片上网络的路网路由装置。借此,本发明实现了片上网络细粒度数据传输的结构及路由机制的优化。
-
公开(公告)号:CN105225207A
公开(公告)日:2016-01-06
申请号:CN201510551103.1
申请日:2015-09-01
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种基于观测矩阵的压缩感知成像方法,包括:1)在待感知图像中划分为显著性区域和非显著性区域;2)设置观测矩阵的孔径,所述观测矩阵中,对应于显著性区域的像素尺寸小于其余区域的像素尺寸;3)生成满足有限等距特性的矩阵,将所生成的矩阵各个像素的像素值依序填充到步骤2)设置的观测矩阵中,得到孔径可变观测矩阵;4)基于所述孔径可变观测矩阵获取并记录待感知图像的观测值。本发明能够在保证图像质量的前提下大幅减少压缩感知成像的数据量;能够在保证图像质量的前提下显著减少采样次数,节省采样时间;另外,本发明可直接应用于相机的成像系统,从而在图像采集阶段直接降低采集数据量。
-
公开(公告)号:CN107749047B
公开(公告)日:2020-10-16
申请号:CN201710954199.5
申请日:2017-10-13
Applicant: 中国科学院计算技术研究所
IPC: G06T3/40
Abstract: 本发明涉及一种基于哈达玛矩阵的渐进式压缩感知重建方法和系统,包括:将原始哈达玛矩阵作为低阶哈达玛矩阵,将低阶哈达玛矩阵中的行数据转换为第一观测矩阵,利用第一观测矩阵对原始图像进行压缩感知采样,获得原始图像的低阶测量值,并将根据低阶测量值生成的重建图像实时输出给用户进行查看;对低阶哈达玛矩阵进行迭代处理,得到高阶哈达玛矩阵,将高阶哈达玛矩阵中的行数据转换为第二观测矩阵,并利用第二观测矩阵对原始图像进行压缩感知采样,获得原始图像的高阶测量值,并将根据高阶测量值生成的重建图像实时输出给用户进行查看。有此可实时查看图像重建效果,使用户直观感受图像压缩结果,以采样率最少的采样数据,达到预期图像压缩效果。
-
公开(公告)号:CN107730451B
公开(公告)日:2020-06-05
申请号:CN201710911893.9
申请日:2017-09-29
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种基于深度残差网络的压缩感知重建方法和系统,包括:获取原始图像信号作为训练数据,并通过尺度变换和分割处理将训练数据分割为多个图像块;根据每个图像块的亮度分量和压缩感知理论模型,获得亮度分量对应的测量值;通过全连接网络对测量值进行线性映射处理,得到初步重建结果;将初步重建结果输入深度残差网络,训练得到估计残差值;将估计残差值与初步重建结果进行融合,生成重建信号。由此,本发明通过引入深度残差网络参与信号的重建,不仅实现对测量值到图像的还原重建还用到深度残差网络仅学习与目标之间的差异这一特点,提升了还原信号的质量。
-
公开(公告)号:CN105225207B
公开(公告)日:2018-11-30
申请号:CN201510551103.1
申请日:2015-09-01
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种基于观测矩阵的压缩感知成像方法,包括:1)在待感知图像中划分为显著性区域和非显著性区域;2)设置观测矩阵的孔径,所述观测矩阵中,对应于显著性区域的像素尺寸小于其余区域的像素尺寸;3)生成满足有限等距特性的矩阵,将所生成的矩阵各个像素的像素值依序填充到步骤2)设置的观测矩阵中,得到孔径可变观测矩阵;4)基于所述孔径可变观测矩阵获取并记录待感知图像的观测值。本发明能够在保证图像质量的前提下大幅减少压缩感知成像的数据量;能够在保证图像质量的前提下显著减少采样次数,节省采样时间;另外,本发明可直接应用于相机的成像系统,从而在图像采集阶段直接降低采集数据量。
-
公开(公告)号:CN103874200B
公开(公告)日:2018-01-09
申请号:CN201410103042.8
申请日:2014-03-19
Applicant: 北京邮电大学 , 中国科学院计算技术研究所
Abstract: 本发明提供一种楼层识别方法及系统,所述方法包括:采集WiFi信号,获得关于一个或多个AP的信息;以及根据先前统计的在每个楼层采集的样本数经验值以及先前采集到的每个AP在每个楼层出现次数的经验值,计算所述一个或多个AP整体出现时处于每个楼层的概率。所述方法还包括根据计算得到的概率确定楼层信息。在进一步的实施例中,所述方法融合了基于特殊AP以及基于气压计算高度的楼层识别方法。本发明在保证低成本的同时提高了楼层识别的精确性和实时性。
-
公开(公告)号:CN106126440A
公开(公告)日:2016-11-16
申请号:CN201610459904.X
申请日:2016-06-22
Applicant: 中国科学院计算技术研究所 , 无锡江南计算技术研究所
IPC: G06F12/0811 , G06F12/0897
CPC classification number: G06F12/0811 , G06F12/0897
Abstract: 本发明提出一种改善数据在缓存中空间局部性的缓存方法及装置,涉及高速缓存技术领域,该方法包括设置主缓存与辅缓存,当进行访存操作时,先访问所述主缓存,从访存地址中解析出索引域,根据所述索引域定位所述主缓存中的组相联缓存块;检查所述组相联缓存块的有效位,判断是否命中,若命中,则从命中的缓存块中获取欲访问的数据,否则访问辅缓存,判断是否命中,若命中,从所述辅缓存中获取所述欲访问的数据;若所述辅缓存未命中,则从内存中获取所述欲访问的数据,并将所述欲访问的数据所在的数据块复制到所述主缓存中,将内存中与所述欲访问的数据空间局部性关系最好的数据块复制到所述辅缓存中。
-
-
-
-
-
-
-
-
-