一种基于深度学习的非极大值抑制方法

    公开(公告)号:CN107679469A

    公开(公告)日:2018-02-09

    申请号:CN201710863757.7

    申请日:2017-09-22

    CPC classification number: G06K9/6256 G06K9/00228 G06K9/3208

    Abstract: 本发明公开了一种基于深度学习的非极大值抑制方法,针对深度学习目标检测算法预测窗口的特点,定义了一种新的置信度指数。提出了改进的窗口筛选准则和依据置信度指数对窗口参数进行加权平均的方法。相比于传统方法有着更高的定位精度,更高的召回率以及更佳的鲁棒性。本方法首先找到每个目标对应的置信度最高的窗口为主窗口,然后在每个窗口附近找到置信度大于阈值且与主窗口的交叠率大于阈值的一批窗口作为子窗口。根据子窗口的位置参数和置信度调整主窗口的位置参数,得到新的窗口。多种情况下的实验表明,在相同的目标检测算法下,本方法得到的窗口更接近于真实窗口。

    一种基于FPGA的通用定点数神经网络卷积加速器硬件结构

    公开(公告)号:CN107392309A

    公开(公告)日:2017-11-24

    申请号:CN201710810528.9

    申请日:2017-09-11

    CPC classification number: G06N3/063 G06F5/06

    Abstract: 本发明公开了一种基于FPGA的通用定点数神经网络卷积加速器硬件结构,包括:通用AXI4高速总线接口,通用GPIO接口;提供通用的存储器硬件并且支持高并行的读写操作;通用卷积器可对定点数精度配置,可配置卷积操作大小,在完成数据存储后可配合高并行的读写进行高并行的卷积运算;通用读写控制单元,包含对ram、rom、Fifo的读写控制逻辑以及地址产生逻辑;通用状态控制器,针对卷积层和读写、计算过程做出相应的单元运行反应,控制整体的计算流程;通用卷积结果缓存器,采用对卷积结果分段式累加的方法,高速并行对处理结果进行缓存和向总线发送。本发明在基于Yolo算法的人脸检测和基于CNN的人脸识别应用中得到验证,体现出极高的运行速度和较高的数据精度。

    一种基于深度学习的非极大值抑制方法

    公开(公告)号:CN107679469B

    公开(公告)日:2021-03-30

    申请号:CN201710863757.7

    申请日:2017-09-22

    Abstract: 本发明公开了一种基于深度学习的非极大值抑制方法,针对深度学习目标检测算法预测窗口的特点,定义了一种新的置信度指数。提出了改进的窗口筛选准则和依据置信度指数对窗口参数进行加权平均的方法。相比于传统方法有着更高的定位精度,更高的召回率以及更佳的鲁棒性。本方法首先找到每个目标对应的置信度最高的窗口为主窗口,然后在每个窗口附近找到置信度大于阈值且与主窗口的交叠率大于阈值的一批窗口作为子窗口。根据子窗口的位置参数和置信度调整主窗口的位置参数,得到新的窗口。多种情况下的实验表明,在相同的目标检测算法下,本方法得到的窗口更接近于真实窗口。

    一种基于MiZ702N的实时人脸检测识别系统

    公开(公告)号:CN107766812A

    公开(公告)日:2018-03-06

    申请号:CN201710945484.0

    申请日:2017-10-12

    CPC classification number: G06K9/00228 G06K9/00288 G06K9/00986

    Abstract: 本发明公开了一种基于MiZ702N的实时人脸检测识别系统,包括图像传感器、MiZ702N开发板、VGA显示器;MiZ702N开发板包括视频输入模块、存储器、CPU、神经网络加速器、视频输出模块;图像传感器采集视频信息并将信息发送到视频输入模块,之后将单帧图像存储到存储器中;CPU从存储器获取图像信息,进行图像预处理后将预处理后的图像存储到存储器中;神经网络加速器从存储器中获取预处理后的图像进行人脸检测运算和人脸识别运算,然后将运算结果返回存储器;CPU根据运算结果处理图像;视频输出模块从存储器中获取经CPU处理后的图像,最后输出数据到VGA显示器。本发明具有内部总线数据传输速度快,神经网络并行度高,实时准确检测识别人脸的优点。

    一种基于MiZ702N的实时人脸检测识别系统

    公开(公告)号:CN107766812B

    公开(公告)日:2021-06-29

    申请号:CN201710945484.0

    申请日:2017-10-12

    Abstract: 本发明公开了一种基于MiZ702N的实时人脸检测识别系统,包括图像传感器、MiZ702N开发板、VGA显示器;MiZ702N开发板包括视频输入模块、存储器、CPU、神经网络加速器、视频输出模块;图像传感器采集视频信息并将信息发送到视频输入模块,之后将单帧图像存储到存储器中;CPU从存储器获取图像信息,进行图像预处理后将预处理后的图像存储到存储器中;神经网络加速器从存储器中获取预处理后的图像进行人脸检测运算和人脸识别运算,然后将运算结果返回存储器;CPU根据运算结果处理图像;视频输出模块从存储器中获取经CPU处理后的图像,最后输出数据到VGA显示器。本发明具有内部总线数据传输速度快,神经网络并行度高,实时准确检测识别人脸的优点。

    图像传感器表征参数测试系统

    公开(公告)号:CN206117893U

    公开(公告)日:2017-04-19

    申请号:CN201621146527.6

    申请日:2016-10-21

    Abstract: 本实用新型公开了一种图像传感器表征参数测试系统,包括测试平台系统,光源子系统,图像传感器芯片成像子系统,表征参数分析子系统;所述测试平台系统包括金属底板、螺旋插槽,螺旋插槽设置于金属底板上;所述光源子系统设置于金属底板上,其发出的光照射在所述图像传感器芯片成像子系统上;所述图像传感器芯片成像子系统包括黑箱,PCB底板,FPGA现场可编辑门阵列,图像传感器和支架;所述支架与PCB底板连接,并置于黑箱中;FPGA现场可编辑门阵列和图像传感器均置于PCB底板上;所述表征参数分析子系统包括传输线和计算机。本实用新型的图像传感器表征参数测试系统能够有助于智能图像设备领域的设计人员更好地评估自己的产品。

Patent Agency Ranking