-
公开(公告)号：CN115563843A
公开(公告)日：2023-01-03
申请号：CN202211165387.7
申请日：2022-09-23
Applicant: 华中科技大学
IPC: G06F30/25
Abstract: 本发明属于电子设备可靠性分析领域，具体涉及一种SRAM型FPGA单粒子翻转定向注入方法及恢复方法，包括：得到工程电路的层次区域及脚本文件；创建针对层次区域中感兴趣层次区域的RTL级的用户约束和AREA GROUPs用户约束；生成感兴趣层次区域信息被标记的日志文件；基于上述两个用户约束，布局布线；基于日志文件以及布局布线结果，生成工程电路的基本位文件以及待打翻比特文件；在布局布线后得到的floorplan视图中限定表征FPGA中感兴趣层次区域对应的多组坐标，以求取基本位文件中感兴趣层次区域所对应的基本位行，实现单粒子翻转定向注入，进一步提出基于反熔丝型FPGA以及FLASH恢复方法，方法效率高。
-
公开(公告)号：CN111506264B
公开(公告)日：2021-07-06
申请号：CN202010279292.2
申请日：2020-04-10
Applicant: 华中科技大学
IPC: G06F3/06
Abstract: 本发明属于存储技术领域，公开了一种支持灵活分块存取的虚拟多通道SDRAM访问方法，用FIFO隔离不同时钟域，进行跨时钟域处理、数据拼接、数据缓存，因此支持在不同通道不同时钟域下进行数据读写；在顺序存取和分块存取SDRAM的时候进行顺序写地址计算、顺序读地址计算、分块读地址计算；调度多个通道的切换，进行多通道之间的仲裁并控制每次读写的数据量；SDRAM控制器联接用户层接口和SDRAM；并将读写的地址、命令、数据转化为正确时序关系送到SDRAM总线上。本发明能够减少FPGA的逻辑资源占用量，合理利用SDRAM有限的总线带宽，提高SDRAM总线带宽的利用率和提高带宽能力。
-
公开(公告)号：CN113207004B
公开(公告)日：2024-02-02
申请号：CN202110483170.X
申请日：2021-04-30
Applicant: 华中科技大学
IPC: H04N19/527 , H04N19/176 , H04N19/107 , H04N19/109 , H04N19/166 , H04N19/436
Abstract: 本发明公开了一种基于JPEG‑LS帧间扩展的遥感图像压缩算法硬件实现方法，属于图像压缩技术领域。本发明方法包括步骤：(1)压缩模式控制；(2)编码帧和参考帧图像分块；(3)运动估计，获取最佳匹配块；(4)多预测器并行计算，选择最佳预测器；(5)多支路建模与预测，得到残差；(6)对残差进行哥伦布限长编码，输出压缩码流；本发明方法支持分块存取的多通道数据缓存、全搜索运动估计、多预测器并行计算的高效帧间扩展结构，采用流水线与模板滑窗的思想，提高了像素吞吐率；在JPEG‑LS帧内压缩的基础上引入帧间信息，采用运动补偿的帧间预测技术，同时消除图像空间冗余和时间冗余，压缩效率较高。
-
公开(公告)号：CN111416743B
公开(公告)日：2021-09-03
申请号：CN202010196356.2
申请日：2020-03-19
Applicant: 华中科技大学
IPC: H04L12/24
Abstract: 本发明属于卷积网络的硬件加速技术领域，公开了一种卷积网络加速器、配置方法及计算机可读存储介质，通过标志判断当前执行的前向网络层在整体网络模型所在的层数，获得当前执行的前向网络层配置参数，并通过所述配置参数从DDR加载特征图和权重参数；同时，卷积层的加速核还根据获得执行的前向网络层配置参数配置并行度。本发明通过配置参数改变网络层结构，可以将网络FPGA部署时仅用一层结构，不仅做到了灵活可配置性，同时也做到了节约和充分利用FPGA的片上资源的作用。采用多个RAM拼成总体的缓存区域的方法，提高了数据输入输出的带宽，同时采用乒乓操作，让特征图与权重参数加载和加速器的运算做到流水工作。
-
公开(公告)号：CN113191488A
公开(公告)日：2021-07-30
申请号：CN202110484974.1
申请日：2021-04-30
Applicant: 华中科技大学
Abstract: 本发明公开了一种面向LSTM网络模型的硬件加速系统，属于深度学习硬件加速技术领域。本发明公开了一种面向深度学习长短期记忆(LSTM)网络模型的硬件加速系统，包括网络推理计算核心和网络数据存储核心。网络推理计算核心作为LSTM网络模型的计算加速器，按照网络模型部署计算单元，实现卷积运算、矩阵点乘、矩阵加法、激活函数等计算单元的计算加速；网络数据存储核心作为LSTM网络模型的数据缓存和交互控制器，按照网络模型部署片上缓存单元，实现计算核心和片外存储器的数据交互纽带。本发明提高了LSTM网络模型的计算并行度，减少了处理延时，降低了访存时间，提高了访存效率。
-
Patent Agency Ranking
公开(公告)号：CN111416743A
公开(公告)日：2020-07-14
申请号：CN202010196356.2
申请日：2020-03-19
Applicant: 华中科技大学
IPC: H04L12/24
Abstract: 本发明属于卷积网络的硬件加速技术领域，公开了一种卷积网络加速器、配置方法及计算机可读存储介质，通过标志判断当前执行的前向网络层在整体网络模型所在的层数，获得当前执行的前向网络层配置参数，并通过所述配置参数从DDR加载特征图和权重参数；同时，卷积层的加速核还根据获得执行的前向网络层配置参数配置并行度。本发明通过配置参数改变网络层结构，可以将网络FPGA部署时仅用一层结构，不仅做到了灵活可配置性，同时也做到了节约和充分利用FPGA的片上资源的作用。采用多个RAM拼成总体的缓存区域的方法，提高了数据输入输出的带宽，同时采用乒乓操作，让特征图与权重参数加载和加速器的运算做到流水工作。
-
公开(公告)号：CN118573850A
公开(公告)日：2024-08-30
申请号：CN202410556542.0
申请日：2024-05-07
Applicant: 华中科技大学
IPC: H04N19/107 , H04N19/119 , H04N19/154 , H04N19/533 , H04N19/42 , H04N19/89
Abstract: 本发明公开了一种连续帧遥感图像的压缩方法、装置和遥感卫星，属于图像处理技术领域，所述压缩方法包括：将待压缩的遥感图像划分为互不重叠的图像分区；对每个图像分区进行多阈值自适应分块，利用绝对误差和最小准则和低复杂度二层搜索法对连续两帧遥感图像进行运动估计，找出最优匹配块对应的最小绝对误差和，并根据最小绝对误差和与预设阈值的大小关系自适应选择帧内‑帧间预测，最后按标准后续环节进行压缩，遍历所有的图像分区，直至完成整幅图像压缩；本发明对遥感图像进行分区和分块，同时设计低复杂度的帧间预测方法，可以保证低延时压缩的同时，兼具良好的抗误码能力和较高的预测性能。
-
公开(公告)号：CN111506264A
公开(公告)日：2020-08-07
申请号：CN202010279292.2
申请日：2020-04-10
Applicant: 华中科技大学
IPC: G06F3/06
Abstract: 本发明属于存储技术领域，公开了一种支持灵活分块存取的虚拟多通道SDRAM访问方法，用FIFO隔离不同时钟域，进行跨时钟域处理、数据拼接、数据缓存，因此支持在不同通道不同时钟域下进行数据读写；在顺序存取和分块存取SDRAM的时候进行顺序写地址计算、顺序读地址计算、分块读地址计算；调度多个通道的切换，进行多通道之间的仲裁并控制每次读写的数据量；SDRAM控制器联接用户层接口和SDRAM；并将读写的地址、命令、数据转化为正确时序关系送到SDRAM总线上。本发明能够减少FPGA的逻辑资源占用量，合理利用SDRAM有限的总线带宽，提高SDRAM总线带宽的利用率和提高带宽能力。
-
公开(公告)号：CN107071451B
公开(公告)日：2018-05-22
申请号：CN201710337223.0
申请日：2017-05-14
Applicant: 华中科技大学
IPC: H04N19/436 , H04N19/89 , H04N19/46 , H04N21/2365 , H04N21/434
Abstract: 本发明公开了一种基于可变输入数据流的大动态实时解压缩系统，包括：解帧模块、RS解码模块、2DECC解码模块、无纠错解码模块、EDC检纠错模块、数据打包分发模块、多路并行golomb解码模块、多路并行残差预测解码模块、像素收集模块以及组帧模块；解帧模块解析压缩码流的帧格式，分离辅助信息与压缩码流数据；压缩码流数据输入到检纠错模块、多路并行解码模块按块解码，然后将解码后的数据还原成输入的数据形式，完成解压缩工作，最后将解码后的数据在组帧模块逆压缩排序组合后与相机辅助信息拼接组成相机格式数据输出。实现了对应的解压缩算法的FPGA并行实现，实现了可变的输入数据流和大动态压缩比变化的实时解压缩。
-
公开(公告)号：CN118101968A
公开(公告)日：2024-05-28
申请号：CN202410264995.6
申请日：2024-03-08
Applicant: 华中科技大学
IPC: H04N19/64 , G06N3/0464 , G06N3/048 , G06N3/08 , H04N19/119 , H04N19/13 , H04N19/196 , H04N19/182
Abstract: 本发明公开了一种基于小波子带的卷积神经网络遥感图像无损压缩方法及系统，属于数字图像压缩编码领域。包括：通过多级离散小波变换，对遥感图像进行多级分解，得到多级不同尺寸的子带分量；从最小尺度的四个子带分量图像开始依次压缩，将每个子带分量和已编码的子带分量输入到逐像素自回归熵模型和子带自回归熵模型中得到每个像素的高斯混合模型熵参数，并计算像素的估计概率；应用算数编码器对像素估计概率进行编码并输出压缩码流，完成图像无损压缩任务；本方法充分利用了卷积神经网络强大的高维数据拟合能力，可以高效的完成遥感图像无损压缩任务，比传统无损压缩方法性能更忧。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.019 seconds)
