-
公开(公告)号：CN114584713B
公开(公告)日：2022-09-20
申请号：CN202210466831.2
申请日：2022-04-29
Applicant: 北京大学
Abstract: 本申请提供了一种脉冲相机仿真方法、装置、控制设备及可读存储介质，所述方法包括：提取待仿真视频的关键帧序列，将所述关键帧序列转换成强度图序列；根据所述脉冲相机的工作时钟频率提升所述强度图序列的帧率；获取积分发放模型，根据所述积分发放模型对所述强度图序列进行仿真；输出仿真后的脉冲数据。这样，通过模拟脉冲相机的成像过程，将现有的图像和视频数据转化成脉冲数据，解决了真实的脉冲数据严重匮乏的问题。
-
公开(公告)号：CN114581490B
公开(公告)日：2022-09-20
申请号：CN202210465877.2
申请日：2022-04-29
Applicant: 北京大学
Abstract: 本申请提供了一种脉冲相机的场景设置方法、装置、控制设备及可读存储介质，所述方法包括：基于脉冲相机的相机参数和场景参数的关联关系，构建所述脉冲相机的运动计算模型；根据所述运动计算模型，确定所述脉冲相机的场景参数和/或相机参数。这样，通过关联关系构建运动计算模型，通过运动计算模型来确定场景设置的相关参数，从而完成脉冲相机的场景设置。
-
公开(公告)号：CN114584713A
公开(公告)日：2022-06-03
申请号：CN202210466831.2
申请日：2022-04-29
Applicant: 北京大学
Abstract: 本申请提供了一种脉冲相机仿真方法、装置、控制设备及可读存储介质，所述方法包括：提取待仿真视频的关键帧序列，将所述关键帧序列转换成强度图序列；根据所述脉冲相机的工作时钟频率提升所述强度图序列的帧率；获取积分发放模型，根据所述积分发放模型对所述强度图序列进行仿真；输出仿真后的脉冲数据。这样，通过模拟脉冲相机的成像过程，将现有的图像和视频数据转化成脉冲数据，解决了真实的脉冲数据严重匮乏的问题。
-
公开(公告)号：CN114581490A
公开(公告)日：2022-06-03
申请号：CN202210465877.2
申请日：2022-04-29
Applicant: 北京大学
Abstract: 本申请提供了一种脉冲相机的场景设置方法、装置、控制设备及可读存储介质，所述方法包括：基于脉冲相机的相机参数和场景参数的关联关系，构建所述脉冲相机的运动计算模型；根据所述运动计算模型，确定所述脉冲相机的场景参数和/或相机参数。这样，通过关联关系构建运动计算模型，通过运动计算模型来确定场景设置的相关参数，从而完成脉冲相机的场景设置。
-
公开(公告)号：CN110210563B
公开(公告)日：2021-04-30
申请号：CN201910481420.9
申请日：2019-06-04
Applicant: 北京大学
IPC: G06K9/62
Abstract: 本发明公布了一种针对图像脉冲序列的时空信息进行联合学习的方法及图像识别方法，基于脉冲神经网络建立脉冲序列单元Spike cube和LIF神经元模型，并采用STDP机制，对脉冲神经网络的各层神经元相互之间连接的突触权重和激发阈值进行学习；再利用训练好的模型进行图像分类识别。本发明为脉冲神经网络的结构设计和学习、图像脉冲序列学习和识别提供了新的技术方案，同时也为DVS等仿生视觉相机输出的脉冲数据提供新的处理方法。
-
Patent Agency Ranking
公开(公告)号：CN110458903A
公开(公告)日：2019-11-15
申请号：CN201910691729.0
申请日：2019-07-29
Applicant: 北京大学
IPC: G06T9/00
Abstract: 本发明公布了一种编码脉冲序列的图像处理方法，对图像进行多层面的信息编码，并将图像不同层面的信息按照时序关系编码为脉冲序列；包括：将图像转换为灰度图像并对图像的灰度值做标准化处理；将灰度图像的形状、特征点、色彩、纹理编码为脉冲；再将编码的脉冲按照设定顺序排列起来，组合成一串脉冲序列。本发明有效利用图像携带的各个层面的信息，同时减少了非关键信息。对于脉冲神经网络，提高了神经网络输入的脉冲序列的信息完备性，减少信息的冗余，可提高脉冲神经网络的信息处理效率。对于信号处理，提高了信源的信息容量和信息的编码效率。
-
公开(公告)号：CN110458903B
公开(公告)日：2021-03-02
申请号：CN201910691729.0
申请日：2019-07-29
Applicant: 北京大学
IPC: G06T9/00
Abstract: 本发明公布了一种编码脉冲序列的图像处理方法，对图像进行多层面的信息编码，并将图像不同层面的信息按照时序关系编码为脉冲序列；包括：将图像转换为灰度图像并对图像的灰度值做标准化处理；将灰度图像的形状、特征点、色彩、纹理编码为脉冲；再将编码的脉冲按照设定顺序排列起来，组合成一串脉冲序列。本发明有效利用图像携带的各个层面的信息，同时减少了非关键信息。对于脉冲神经网络，提高了神经网络输入的脉冲序列的信息完备性，减少信息的冗余，可提高脉冲神经网络的信息处理效率。对于信号处理，提高了信源的信息容量和信息的编码效率。
-
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：CN110210563A
公开(公告)日：2019-09-06
申请号：CN201910481420.9
申请日：2019-06-04
Applicant: 北京大学
IPC: G06K9/62
Abstract: 本发明公布了一种针对图像脉冲序列的时空信息进行联合学习的方法及图像识别方法，基于脉冲神经网络建立脉冲序列单元Spike cube和LIF神经元模型，并采用STDP机制，对脉冲神经网络的各层神经元相互之间连接的突触权重和激发阈值进行学习；再利用训练好的模型进行图像分类识别。本发明为脉冲神经网络的结构设计和学习、图像脉冲序列学习和识别提供了新的技术方案，同时也为DVS等仿生视觉相机输出的脉冲数据提供新的处理方法。
-
公开(公告)号：CN111275742A
公开(公告)日：2020-06-12
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。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.018 seconds)
