-
公开(公告)号：CN113034542B
公开(公告)日：2023-10-10
申请号：CN202110255763.0
申请日：2021-03-09
Applicant: 北京大学
IPC: G06T7/246 , G06V10/762 , G06N3/049 , G06N3/06
Abstract: 本申请涉及运动检测技术领域，具体而言，本申请涉及一种运动目标检测跟踪方法。所述方法包括以下步骤：采集监测区域的时空信号生成时空脉冲阵列；对所述时空脉冲阵列进行运动检测并生成对应的脉冲编码序列；将所述时空脉冲阵列输入脉冲神经网络中，所述脉冲神经网络根据所述时空脉冲阵列的发放模式进行聚类；结合所述脉冲编码序列和所述聚类结果获得目标的运动信息和位置信息；根据所述目标的运动信息和位置信息进行状态预测，将预测结果反馈到进行聚类的所述脉冲神经网络，以辅助修正预测时产生的误差。本申请的所述方法可分析获取如运动物体位置、大小、运动方向、运动速度等等运动信息，从而实现对不同运动目标的检测跟踪及运动轨迹的预测。
-
公开(公告)号：CN112949424B
公开(公告)日：2023-02-07
申请号：CN202110168780.0
申请日：2021-02-07
Applicant: 北京大学
Abstract: 本发明公开了一种神经形态视觉采样方法及装置，方法包括：采集当前场景中不同位置点的光信号并转化为亮度信号；将转化得到的亮度信号输入已训练的脉冲采样模型，以由所述脉冲采样模型对输入的亮度信号进行采样编码得到脉冲阵列信号；将所述脉冲阵列信号输入已训练的视觉任务模型，以由所述视觉任务模型对所述脉冲阵列信号进行视觉分析，得到分析结果。本发明不使用动态视觉传感器或积分视觉传感器获取脉冲阵列信号，而是通过神经网络进行神经形态的视觉采样，并将视觉分析计算任务与采样一体化，从而可以灵活定制多种视觉采样模型，以适应多场景，多任务的应用需求，提升自使用感知性能。
-
公开(公告)号：CN115222794A
公开(公告)日：2022-10-21
申请号：CN202210631539.1
申请日：2022-06-06
Applicant: 北京大学
Abstract: 本发明公开了一种基于脉冲神经网络的视觉重建方法、装置、存储介质及终端，方法包括：接收来自视觉传感器每个时间段的待处理连续脉冲阵列信号；将该信号进行离散化处理，生成携带时间信息的离散信号数据；将该离散信号数据输入预先训练的脉冲神经网络中，输出连续视觉图像；预先训练的脉冲神经网络是根据连续多个时间步长的脉冲阵列信号循环训练生成的，视觉图像是根据膜电位信息生成的，膜电位信息是对待处理连续脉冲阵列信号进行特征提取生成的。由于本申请通过基于多个时间步长的脉冲信号，并结合脉冲神经网络进行网络训练，使得网络可以提取出脉冲信号的膜电位信息，进而根据膜电位信息恢复出视觉图像，从而解决了脉冲阵列信号的视觉重建问题。
-
公开(公告)号：CN115204356A
公开(公告)日：2022-10-18
申请号：CN202210520896.0
申请日：2022-05-13
Applicant: 北京大学
Abstract: 本申请涉及脉冲神经网络与数据处理技术领域，更为具体来说，本申请涉及基于脉冲重排深度残差神经网络的数据处理方法与装置。所述方法包括：在基于脉冲重排深度残差神经网络中配置多个紧邻的脉冲重排残差模块；将配置脉冲重排残差块后的基于脉冲重排深度残差神经网络作为第一脉冲重排模型；训练所述第一脉冲重排模型；将目标数据输入训练好的第一脉冲重排模型中进行处理，得到目标处理结果。本申请的重排处理使得参数量大为减少，降低了过拟合风险，也减轻了存储和计算开销，进而提升了数据处理的效率。同时，本申请可以获取所述目标数据对应的类别，可以获得回归序列或回归单个向量，从而适用于多种应用场景。
-
公开(公告)号：CN113014805B
公开(公告)日：2022-05-20
申请号：CN202110170050.4
申请日：2021-02-08
Applicant: 北京大学
Abstract: 本发明公开了一种仿视网膜中央凹与外周的联合采样方法、装置、计算机设备和存储介质。所述方法包括：通过解码模块对异步脉冲信号进行解码，分离出变化信息编码数据和纹理信息编码数据；根据变化信息编码数据和纹理信息编码数据进行视觉任务分析，得到对应的分析结果，视觉任务包括感知当前场景变化的任务和重构图像视频的任务。因此，采用本申请实施例提供的采样方法，能够对光信号进行感知编码并生成脉冲阵列，同时解码端的解码模块可根据编码规则完成脉冲类型分离及场景亮度重构，因此，该采样方法具有高时间分辨率、高动态范围、低功耗等优点，能够应用于高速运动模糊与极端光照等应用场景中。
-
Patent Agency Ranking
公开(公告)号：CN111275742B
公开(公告)日：2022-01-11
申请号：CN202010062434.X
申请日：2020-01-19
Applicant: 北京大学
Abstract: 本发明公开了目标识别方法、装置、系统及计算机可读存储介质，该方法包括如下步骤：获取原始脉冲数据，确定脉冲采样窗口、将脉冲采样窗口内的脉冲输入至脉冲神经网络，对输入至脉冲神经网络的脉冲进行映射，满足条件下令脉冲沿末层激发神经元以外的各层激发神经元依次传递、令脉冲沿末层激发神经元传递至推理层、令脉冲沿末层推理神经元以外的各层推理神经元依次传递，确定识别结果；该装置包括脉冲获取模块、采样窗口模块、脉冲映射模块、神经元激发模块、神经元推理模块及识别结果确定模块；该系统包括上述装置；本发明能够实现对待识别的目标的准确识别和快速识别，而且能够较好地适用于运动速度较高的目标，并能兼顾识别准确率与计算量。
-
公开(公告)号：CN113033767A
公开(公告)日：2021-06-25
申请号：CN202110188891.8
申请日：2021-02-19
Applicant: 北京大学
Abstract: 本公开涉及神经网络技术领域，具体而言，本公开涉及基于知识蒸馏的神经网络的数据压缩恢复方法及系统。所述方法包括：将原数据输入到知识蒸馏网络进行训练；将所述原数据经过压缩得到的压缩数据输入到目标网络中；通过所述知识蒸馏网络对已输入所述压缩数据的所述目标网络进行分析训练；将训练好的目标网络数据输出，得到恢复后的分析结果。所述系统包括：数据压缩模块，用于生成压缩数据；知识蒸馏模块，用于将所述数据压缩模块传入的数据提取为高质量特征流；推理模块，用于部署恢复后的分析结果。本公开的方法与系统可以减少图片、视频或音频数据因压缩所带来的损失，且能大幅提升目标网络的性能，得到准确率大幅提升的分析结果。
-
公开(公告)号：CN113014805A
公开(公告)日：2021-06-22
申请号：CN202110170050.4
申请日：2021-02-08
Applicant: 北京大学
Abstract: 本发明公开了一种仿视网膜中央凹与外周的联合采样方法、装置、计算机设备和存储介质。所述方法包括：通过解码模块对异步脉冲信号进行解码，分离出变化信息编码数据和纹理信息编码数据；根据变化信息编码数据和纹理信息编码数据进行视觉任务分析，得到对应的分析结果，视觉任务包括感知当前场景变化的任务和重构图像视频的任务。因此，采用本申请实施例提供的采样方法，能够对光信号进行感知编码并生成脉冲阵列，同时解码端的解码模块可根据编码规则完成脉冲类型分离及场景亮度重构，因此，该采样方法具有高时间分辨率、高动态范围、低功耗等优点，能够应用于高速运动模糊与极端光照等应用场景中。
-
公开(公告)号：CN108985448B
公开(公告)日：2020-11-17
申请号：CN201810575097.7
申请日：2018-06-06
Applicant: 北京大学
Abstract: 本发明提供一种神经网络表示标准框架结构，包括：可互操作表示模块，通过对输入的神经网络进行转换得到可互操作的表示格式，其包含对神经网络的语法定义、支持的运算操作定义和权重格式定义；紧凑表示模块，将可互操作表示的神经网络通过神经网络压缩算法转换为序列化格式，其包含压缩后的神经网络的语法定义、支持的运算操作定义和权重格式定义；编解码表示模块，通过神经网络压缩算法将紧凑表示的神经网络转换为编解码表示，其包含压缩后的神经网络的语法定义、支持的运算操作定义和编解码后权重格式定义；封装表示模块，将安全信息和身份认证信息和神经网络一起封装，由此将神经网络转换为模型。
-
公开(公告)号：CN109803096B
公开(公告)日：2020-08-25
申请号：CN201910027914.X
申请日：2019-01-11
Applicant: 北京大学
IPC: H04N5/262
Abstract: 本申请公开了一种基于脉冲信号的显示方法和系统，包括：分析单个像素位置对应的脉冲序列，脉冲发放信息；获取单个脉冲发放时间之前的多个脉冲发放时间所对应的各像素值，将其累加作为第一累加像素值；与所述像素位置的所述单个脉冲发放时间相对应地设定第一特定量，叠加第一特定量与第一累加像素值，得到所述像素位置的第一像素值；比较第一像素值与像素阈值范围的关系，调整第一特定量得到第二特定量；叠加第一累加像素值与第二特定量得到所述像素位置的第二像素值，使用各第二像素值生成图像。通过利用脉冲信号的时域特性计算像素值，构成高质量的图像并输出任意连续时刻的图像；根据像素阈值范围调整像素值，提高生成图像的质量。
-
-
-
-
-
-
-
-
-
Search Results
229
records
(took 0.127 seconds)
