一种基于ZYNQ的卷积神经加速器实现装置及方法

    公开(公告)号:CN118095377A

    公开(公告)日:2024-05-28

    申请号:CN202410049260.1

    申请日:2024-01-12

    Abstract: 本身请提供一种基于ZYNQ的卷积神经加速器实现装置及方法,装置基于ZYNQ异构芯片实现;卷积神经网络加速器实现装置包括加速子系统、控制子系统和存储子系统;加速子系统包含卷积运算模块、采样运算模块;控制子系统包含数据流控制模块、驱动模块和参数配置模块;存储子系统包括片外存储模块和片内存储模块;其中,控制子系统与加速子系统相接,控制子系统与存储系统相接,存储子系统与加速子系统相接。本申请提高了指令集构建速度。

    一种基于融合图像增强的边缘检测方法

    公开(公告)号:CN117974700A

    公开(公告)日:2024-05-03

    申请号:CN202410017667.6

    申请日:2024-01-05

    Abstract: 本申请提供一种基于融合图像增强的边缘检测方法,方法包括:采用多种边缘模型的侧窗高斯滤波遍历计算,分别与待计算的像素进行匹配,计算得出对应的新的像素值;通过图像像素点灰度值求得模板内平均值,以及模板中的平方差,进而对高频部分进行增强,对高频字节部分做增益乘积得到;融合背景与高频图像,得到增强后图像输出;用一阶有限差分计算梯度的幅值和方向;对梯度幅值进行非极大值抑制,只保留具有最大梯度幅值的像素;通过自适应系数对图像进行全局阈值分割,根据阈值将边缘像素区分为强边缘与弱边缘,将弱边缘像素进行边缘链接,将与强边缘像素相邻的弱边缘像素标记为边缘像素。本申请有利于获得更富有信息量的融合图像。

    一种虹膜图像定位方法
    3.
    发明公开

    公开(公告)号:CN117765599A

    公开(公告)日:2024-03-26

    申请号:CN202410025002.X

    申请日:2024-01-05

    Abstract: 本发明提出了一种虹膜图像定位方法,涉及虹膜识别技术领域。所述方法将采集的彩色虹膜图像转换为灰度图像,对灰度图像进行平滑滤波消除噪声影响,然后通过自适应阈值将图像二值化并消除噪声,使用计算质心的方式定位瞳孔中心,通过瞳孔中心确定瞳孔半径,定位精确瞳孔轮廓,并以瞳孔中心为基准搜索虹膜外轮廓,可以避开图像噪声并极大减少边缘检测计算量,解决了眼睑和睫毛遮挡较多时导致虹膜定位和识别失败的问题,可以更准确和快速的分割出人眼图像中的虹膜纹理信息部分。

    一种基于深度学习的小目标行人跟踪方法

    公开(公告)号:CN117710415A

    公开(公告)日:2024-03-15

    申请号:CN202410025569.7

    申请日:2024-01-08

    Abstract: 本发明公开了一种基于深度学习的小目标行人跟踪方法,该算法秉承基于检测的多目标跟踪算法原理,分为检测和跟踪两个步骤,先对视频当前帧下的目标进行检测得到检测结果,然后在下一帧时使用卡尔曼滤波对目标轨迹进行预测得到预测结果,使用匈牙利算法对上一帧检测结果与预测结果进行匹配,并且使用OS‑Net特征提取模型对匹配后二者的表观特征进行提取并进行匹配,进一步验证其是否为同一目标,最后依照匹配结果对当前帧目标进行标号和画框,本发明可以在复杂道路环境下对行人目标进行较准确的跟踪,并且在目标较小的情况下依旧表现良好。

Patent Agency Ranking