-
公开(公告)号：CN107071482B
公开(公告)日：2019-12-10
申请号：CN201710205810.4
申请日：2017-03-31
Applicant: 东南大学
IPC: H04N19/625 , H04N19/30
Abstract: 本发明公开了一种基于多层离散小波变换系数的图像压缩及重构方法，融合离散小波变换和压缩感知的图像压缩方案，可以很好避免采用离散余弦变换和压缩感知单独使用时所带来的块效应，但当前基于单层离散小波变换的算法压缩比较低，基于多层离散小波变换的算法重构质量欠佳。为了解决这些不足，本发明方法根据离散小波变换系数的特点，通过修改离散小波变换稀疏向量的构造，对现有基于多层离散小波变换的算法提出了改进，图像经小波变换后，保留图像最高层低频系数，高频系数的构造方式给予适当改进；选用满足约束等距性质伯努利随机矩阵构造观测矩阵。仿真实验结果表明，与现有算法相比，重构图像的PSNR值有明显提高。
-
Patent Agency Ranking
公开(公告)号：CN110363284A
公开(公告)日：2019-10-22
申请号：CN201910535291.7
申请日：2019-06-20
Applicant: 东南大学
Abstract: 本发明公开了一种带新型卷积运算加速模块的卷积神经网络硬件加速器，包括运算进程管理模块；参数表模块；特征图缓存模块；新型卷积运算加速模块；新型卷积运算加速模块包括：输入特征图预取模块，从特征图缓存读取输入像素点；乘积模块，将输入像素点与卷积核权重相乘；输出特征图存取模块，负责从特征图缓存读取输出像素点旧中间结果，把输出像素点新中间结果写回特征图缓存；累加模块，完成乘积模块的运算结果与输出像素点旧中间结果的累加工作。本发明的一种带新型卷积运算加速模块的卷积神经网络硬件加速器，可以对卷积神经网络中的卷积运算过程进行加速，在很多有着低数据传输带宽，低功耗和逻辑资源少特点的移动端设备中有很大的应用价值。
-
公开(公告)号：CN110390382A
公开(公告)日：2019-10-29
申请号：CN201910535251.2
申请日：2019-06-20
Applicant: 东南大学
Abstract: 本发明公开了一种带新型特征图缓存模块的卷积神经网络硬件加速器，包括运算进程管理模块，用于管理卷积神经网络中单层卷积运算的进程；参数表模块，用于提供当前层卷积运算的卷积核权重参数；卷积运算模块，从特征图缓存模块中读取输入像素点，进行卷积运算，把输出像素点结果写回特征图缓存模块；新型特征图缓存模块，用于缓存卷积运算的输入特征图与输出特征图，其中的一种缓存存储空间与特征图的映射关系可以极大提高片上存储带宽；本发明的一种带新型特征图缓存模块的卷积神经网络硬件加速器，有着高的片上存储带宽，能良好支撑加速器的计算单元对数据供给速度的要求，在很多对计算性能有着高要求的场合中有非常大的应用价值。
-
公开(公告)号：CN107071482A
公开(公告)日：2017-08-18
申请号：CN201710205810.4
申请日：2017-03-31
Applicant: 东南大学
IPC: H04N19/625 , H04N19/30
Abstract: 本发明公开了一种基于多层离散小波变换系数的图像压缩及重构方法，融合离散小波变换和压缩感知的图像压缩方案，可以很好避免采用离散余弦变换和压缩感知单独使用时所带来的块效应，但当前基于单层离散小波变换的算法压缩比较低，基于多层离散小波变换的算法重构质量欠佳。为了解决这些不足，本发明方法根据离散小波变换系数的特点，通过修改离散小波变换稀疏向量的构造，对现有基于多层离散小波变换的算法提出了改进，图像经小波变换后，保留图像最高层低频系数，高频系数的构造方式给予适当改进；选用满足约束等距性质伯努利随机矩阵构造观测矩阵。仿真实验结果表明，与现有算法相比，重构图像的PSNR值有明显提高。
-
公开(公告)号：CN106384247A
公开(公告)日：2017-02-08
申请号：CN201610819077.0
申请日：2016-09-12
Applicant: 东南大学
CPC classification number: G06Q30/0202 , G06Q30/0201 , G06Q50/06
Abstract: 本发明公开了一种智能用电参与度的演化博弈方法，包括以下步骤：S1：构建售电公司与用户间的合同电价模型以及用户用电舒适度收益模型；S2：构建用户用电总体收益模型；S3：构建智能电网环境下不同用户间用电决策的演化博弈模型，构建用户用电决策的演化动态方程，获得用户用电决策的演化趋势；S4：构建包含用户决策随机性的演化博弈模型，获得用户有随机行为下的用电决策的演化过程。本发明能够考虑到用户行为的不确定性，预测在某种电价机制下用户决策的演变趋势，通过运用演化博弈思想建模预测在智能电网环境下用户参与度随时间变化的趋势，为售电公司合理地定制合同电价机制提供依据。
-
公开(公告)号：CN110390382B
公开(公告)日：2023-08-04
申请号：CN201910535251.2
申请日：2019-06-20
Applicant: 东南大学
IPC: G06N3/0464 , G06N3/063 , G06T1/20 , G06T1/60
Abstract: 本发明公开了一种带新型特征图缓存模块的卷积神经网络硬件加速器，包括运算进程管理模块，用于管理卷积神经网络中单层卷积运算的进程；参数表模块，用于提供当前层卷积运算的卷积核权重参数；卷积运算模块，从特征图缓存模块中读取输入像素点，进行卷积运算，把输出像素点结果写回特征图缓存模块；新型特征图缓存模块，用于缓存卷积运算的输入特征图与输出特征图，其中的一种缓存存储空间与特征图的映射关系可以极大提高片上存储带宽；本发明的一种带新型特征图缓存模块的卷积神经网络硬件加速器，有着高的片上存储带宽，能良好支撑加速器的计算单元对数据供给速度的要求，在很多对计算性能有着高要求的场合中有非常大的应用价值。
-
-
-
-
-
Search Results
6
records
(took 0.026 seconds)
