-
Patent Agency Ranking
公开(公告)号：CN103970720A
公开(公告)日：2014-08-06
申请号：CN201410241289.6
申请日：2014-05-30
Applicant: 东南大学
IPC: G06F17/16
Abstract: 本发明公开了一种基于大规模粗粒度嵌入式可重构系统及其处理方法，其包括：系统总线、配置总线、嵌入式微处理器、数据存储器、可重构处理器、重构控制器、中断控制器和直接存储器访问控制器。该方法针对常用的矩阵求逆算法，在可重构处理器中设计了4个特殊的可重构阵列和一个片上数据传输单元，通过将矩阵求逆算法映射到包含多个基本运算的可重构阵列上，提高运算并行度，从而提升运算效率。同时，通过片上数据传输网络优化了阵列间的数据交换。
-
公开(公告)号：CN111553227A
公开(公告)日：2020-08-18
申请号：CN202010318351.2
申请日：2020-04-21
Applicant: 东南大学
Abstract: 本发明公开了一种基于任务指导的轻量级人脸检测方法，先将训练集进行数据增广，通过轻量级骨干网络在有限尺度空间内尽量保持原有特征，接着利用特征整合模块实现双分支架构且精简计算，再引入关联锚点辅助预测，以半监督方式生成人脸周边的头部、身体信息，最后应用任务指导型策略，对分类和回归分而治之，即构建选择性分类组专用于类别打分任务，构建选择性回归组专用于位置回归任务，将二者的损失加权求和，用以指导训练与学习过程直至收敛，进而实现对目标人脸的检测。本发明可达到工业级实时性标准，可被部署于边缘与终端设备上，对计算能力和内存大小的需求较低，且无需预训练网络，较适用于中、低检测难度的无约束场景。
-
公开(公告)号：CN109961049A
公开(公告)日：2019-07-02
申请号：CN201910236775.1
申请日：2019-03-27
Applicant: 东南大学
Abstract: 本发明公开了一种复杂场景下香烟品牌识别方法，对原始彩色图像进行灰度化处理，结合图像滤波消除噪声干扰，并利用改进的Sobel边缘算子对预处理后的图像边缘粗略定位，通过数学形态学操作等细化处理获得二值图像的块状连通候选区域，送入深度学习神经网络Faster RCNN模型进行精确定位和识别。本发明通过边缘检测截取候选区域降低背景对检测性能的干扰，同时改进的Sobel算子结合货架香烟图片特点着重检测垂直方向边缘；本发明中Faster RCNN检测模型针对香烟尺寸与形状特征对区域建议网络中锚框尺度和比例进行修改，降低小目标的漏检概率，提高检测和识别准确率。
-
公开(公告)号：CN103970720B
公开(公告)日：2018-02-02
申请号：CN201410241289.6
申请日：2014-05-30
Applicant: 东南大学
IPC: G06F17/16
Abstract: 本发明公开了一种基于大规模粗粒度嵌入式可重构系统及其处理方法，其包括：系统总线、配置总线、嵌入式微处理器、数据存储器、可重构处理器、重构控制器、中断控制器和直接存储器访问控制器。该方法针对常用的矩阵求逆算法，在可重构处理器中设计了4个特殊的可重构阵列和一个片上数据传输单元，通过将矩阵求逆算法映射到包含多个基本运算的可重构阵列上，提高运算并行度，从而提升运算效率。同时，通过片上数据传输网络优化了阵列间的数据交换。
-
公开(公告)号：CN103984677A
公开(公告)日：2014-08-13
申请号：CN201410240100.1
申请日：2014-05-30
Applicant: 东南大学
IPC: G06F17/16
Abstract: 本发明涉及一种基于大规模粗粒度嵌入式可重构系统及其处理方法，其包括：系统总线、控制总线、嵌入式微处理器、系统中断控制器、片外同步动态随机存储器、可重构处理器和重构控制单元，该处理方法针对点数为N(4千点N1兆点)的快速傅里叶变换算法，将N点信号长度分解成M阶蝶形运算，然后映射到可重构处理器上，形成数据流图，通过嵌入式微处理器启动重构控制单元，将配置信息发送给可重构处理器，控制可重构处理器开始进行加速型运算。本发明在兼顾灵活度的同时提高了运算效率。
-
-
-
-
Search Results
25
records
(took 0.02 seconds)
