-
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
Applicant: 东南大学—无锡集成电路技术研究所 , 东南大学
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。
-
公开(公告)号:CN109948113A
公开(公告)日:2019-06-28
申请号:CN201910159208.0
申请日:2019-03-04
Applicant: 东南大学 , 东南大学—无锡集成电路技术研究所
IPC: G06F17/14
Abstract: 本发明公开一种基于FPGA的二维FFT加速器,MCU与外部存储器相连接,用于读取外部存储器的输入数据,并将FFT计算结果发送给外部存储器;图片缓存区和旋转因子缓存区分别包含N个图片子缓存区和N个旋转因子子缓存区,用于缓存通过AXI4总线接口从MCU读取的图片和旋转因子数据;地址产生器用于产生图片缓存区的读取地址,按照该地址读取图片缓存区中的数据送入FFT计算器;FFT计算器采用FPGA实现,包含N个FFT计算子单元,每个计算子单元对应配置一个图片子缓存区和一个旋转因子子缓存区,每个计算子单元均用于完成复数乘法功能和四点FFT操作;结果缓存区用于缓存FFT计算器处理后的计算结果,然后通过AXI4总线接口发送至MCU。此种结构能够高效地进行图像的二维FFT。
-
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
Applicant: 东南大学—无锡集成电路技术研究所 , 东南大学
IPC: G06K9/00
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。
-
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
Applicant: 东南大学—无锡集成电路技术研究所 , 东南大学
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。
-
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
Applicant: 东南大学—无锡集成电路技术研究所 , 东南大学
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。
-
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
Applicant: 东南大学—无锡集成电路技术研究所 , 东南大学
IPC: G06K9/00
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。
-
-
-
-
-