公开(公告)号：CN106412453B

公开(公告)日：2019-02-22

申请号：CN201610895114.6

申请日：2016-10-14

Applicant: 吉林大学

Inventor： 常玉春 ,  王仁广 ,  慕雨松 ,  崔霜 ,  尹悦鑫 ,  李亮 ,  藏范军 ,  李捷菲 ,  曹凯宁 ,  徐弘基

IPC: H04N5/235 ,  H04N5/3745 ,  H04N5/378

Abstract: 本发明公开了一种基于两次电荷转移的高动态范围图像传感器及信号读出方法，属于半导体图像感测技术领域，包括光电转换模块、行列读出控制模块、相关双采样电路、列放大器及模数转换器；相关双采样电路对光电转换模块读出的数据进行采样，并滤除一部分系统噪声，列放大器将相关双采样电路采集到的模拟数据进行放大，由行列读出控制送给模数转换器进行数字化。通过判断入射光的强弱从而产生两路复位信号RST和两路电荷转移控制信号TG，使得在弱光下具有良好的线性响应，而在强光下进行两次电荷转移从而获得良好的线性响应且保持非饱和状态，进而获得图像传感器动态范围的增强。

公开(公告)号：CN109978161A

公开(公告)日：2019-07-05

申请号：CN201910268608.5

申请日：2019-04-04

Applicant: 吉林大学

Inventor： 张宝林 ,  姬梦飞 ,  常玉春 ,  李东泽 ,  丁宁 ,  戴加海 ,  慕雨松 ,  蒋佳奇 ,  马玉美 ,  郭玉萍 ,  孙畅 ,  宫浩然 ,  王若溪 ,  李捷菲

IPC: G06N3/063 ,  G06N3/04

Abstract: 本发明公开了一种通用的卷积‑池化同步处理卷积核系统，属于机器学习中卷积神经网络加速技术领域。针对现有的机器学习方法采用软件实现，存在计算能力有限，成本较高等问题，本发明采用硬件设计实现机器学习，以卷积‑池化同步处理的方式来实现对卷积神经网络进行加速的目的，能够在准确率不改变的前提下，能够快速、低功耗、高效率的实现机器学习。现有的卷积神经网络通常的卷积核为固定大小，不能够适应各种设计需要，本发明中的卷积核，能够改变卷积核大小、步长等参数，能够适应各种情况下的设计需要。

公开(公告)号：CN109978161B

公开(公告)日：2022-03-04

申请号：CN201910268608.5

申请日：2019-04-04

Applicant: 吉林大学

Inventor： 张宝林 ,  姬梦飞 ,  常玉春 ,  李东泽 ,  丁宁 ,  戴加海 ,  慕雨松 ,  蒋佳奇 ,  马玉美 ,  郭玉萍 ,  孙畅 ,  宫浩然 ,  王若溪 ,  李捷菲

IPC: G06N3/063 ,  G06N3/04

Abstract: 本发明公开了一种通用的卷积‑池化同步处理卷积核系统，属于机器学习中卷积神经网络加速技术领域。针对现有的机器学习方法采用软件实现，存在计算能力有限，成本较高等问题，本发明采用硬件设计实现机器学习，以卷积‑池化同步处理的方式来实现对卷积神经网络进行加速的目的，能够在准确率不改变的前提下，能够快速、低功耗、高效率的实现机器学习。现有的卷积神经网络通常的卷积核为固定大小，不能够适应各种设计需要，本发明中的卷积核，能够改变卷积核大小、步长等参数，能够适应各种情况下的设计需要。

公开(公告)号：CN106412453A

公开(公告)日：2017-02-15

申请号：CN201610895114.6

申请日：2016-10-14

Applicant: 吉林大学

Inventor： 常玉春 ,  王仁广 ,  慕雨松 ,  崔霜 ,  尹悦鑫 ,  李亮 ,  藏范军 ,  李捷菲 ,  曹凯宁 ,  徐弘基

IPC: H04N5/235 ,  H04N5/3745 ,  H04N5/378

CPC classification number: H04N5/2355 ,  H04N5/3745 ,  H04N5/378

Abstract: 本发明公开了一种基于两次电荷转移的高动态范围图像传感器及信号读出方法，属于半导体图像感测技术领域，包括光电转换模块、行列读出控制模块、相关双采样电路、列放大器及模数转换器；相关双采样电路对光电转换模块读出的数据进行采样，并滤除一部分系统噪声，列放大器将相关双采样电路采集到的模拟数据进行放大，由行列读出控制送给模数转换器进行数字化。通过判断入射光的强弱从而产生两路复位信号RST和两路电荷转移控制信号TG，使得在弱光下具有良好的线性响应，而在强光下进行两次电荷转移从而获得良好的线性响应且保持非饱和状态，进而获得图像传感器动态范围的增强。