-
公开(公告)号：CN113207004B
公开(公告)日：2024-02-02
申请号：CN202110483170.X
申请日：2021-04-30
Applicant: 华中科技大学
IPC: H04N19/527 , H04N19/176 , H04N19/107 , H04N19/109 , H04N19/166 , H04N19/436
Abstract: 本发明公开了一种基于JPEG‑LS帧间扩展的遥感图像压缩算法硬件实现方法，属于图像压缩技术领域。本发明方法包括步骤：(1)压缩模式控制；(2)编码帧和参考帧图像分块；(3)运动估计，获取最佳匹配块；(4)多预测器并行计算，选择最佳预测器；(5)多支路建模与预测，得到残差；(6)对残差进行哥伦布限长编码，输出压缩码流；本发明方法支持分块存取的多通道数据缓存、全搜索运动估计、多预测器并行计算的高效帧间扩展结构，采用流水线与模板滑窗的思想，提高了像素吞吐率；在JPEG‑LS帧内压缩的基础上引入帧间信息，采用运动补偿的帧间预测技术，同时消除图像空间冗余和时间冗余，压缩效率较高。
-
公开(公告)号：CN113191488A
公开(公告)日：2021-07-30
申请号：CN202110484974.1
申请日：2021-04-30
Applicant: 华中科技大学
Abstract: 本发明公开了一种面向LSTM网络模型的硬件加速系统，属于深度学习硬件加速技术领域。本发明公开了一种面向深度学习长短期记忆(LSTM)网络模型的硬件加速系统，包括网络推理计算核心和网络数据存储核心。网络推理计算核心作为LSTM网络模型的计算加速器，按照网络模型部署计算单元，实现卷积运算、矩阵点乘、矩阵加法、激活函数等计算单元的计算加速；网络数据存储核心作为LSTM网络模型的数据缓存和交互控制器，按照网络模型部署片上缓存单元，实现计算核心和片外存储器的数据交互纽带。本发明提高了LSTM网络模型的计算并行度，减少了处理延时，降低了访存时间，提高了访存效率。
-
公开(公告)号：CN113191488B
公开(公告)日：2022-05-20
申请号：CN202110484974.1
申请日：2021-04-30
Applicant: 华中科技大学
Abstract: 本发明公开了一种面向LSTM网络模型的硬件加速系统，属于深度学习硬件加速技术领域。本发明公开了一种面向深度学习长短期记忆(LSTM)网络模型的硬件加速系统，包括网络推理计算核心和网络数据存储核心。网络推理计算核心作为LSTM网络模型的计算加速器，按照网络模型部署计算单元，实现卷积运算、矩阵点乘、矩阵加法、激活函数等计算单元的计算加速；网络数据存储核心作为LSTM网络模型的数据缓存和交互控制器，按照网络模型部署片上缓存单元，实现计算核心和片外存储器的数据交互纽带。本发明提高了LSTM网络模型的计算并行度，减少了处理延时，降低了访存时间，提高了访存效率。
-
公开(公告)号：CN113207004A
公开(公告)日：2021-08-03
申请号：CN202110483170.X
申请日：2021-04-30
Applicant: 华中科技大学
IPC: H04N19/527 , H04N19/176 , H04N19/107 , H04N19/109 , H04N19/166 , H04N19/436
Abstract: 本发明公开了一种基于JPEG‑LS帧间扩展的遥感图像压缩算法硬件实现方法，属于图像压缩技术领域。本发明方法包括步骤：(1)压缩模式控制；(2)编码帧和参考帧图像分块；(3)运动估计，获取最佳匹配块；(4)多预测器并行计算，选择最佳预测器；(5)多支路建模与预测，得到残差；(6)对残差进行哥伦布限长编码，输出压缩码流；本发明方法支持分块存取的多通道数据缓存、全搜索运动估计、多预测器并行计算的高效帧间扩展结构，采用流水线与模板滑窗的思想，提高了像素吞吐率；在JPEG‑LS帧内压缩的基础上引入帧间信息，采用运动补偿的帧间预测技术，同时消除图像空间冗余和时间冗余，压缩效率较高。
-
-
-
Search Results
4
records
(took 0.023 seconds)
