-
公开(公告)号：CN114693504A
公开(公告)日：2022-07-01
申请号：CN202210388537.4
申请日：2022-04-11
Applicant: 武汉大学
Abstract: 本发明涉及一种基于FPGA的混合高斯模型的图像处理方法，步骤S1：构建FPGA模块设计和ARM系统的初始化配置；步骤S2：一组DMA控制器将DDR上的像素和背景模型参数转化成数据流，传入混合高斯模型的核心计算模块；步骤S3：混合高斯模型的核心计算模块分别计算出每一个像素属于背景或前景，然后更新背景模型的参数；步骤S4：另一组DMA控制器将核心计算模块的计算结果和更新后的背景模型参数储存在DDR上。本发明用于在边缘计算场景下进行运动目标检测任务，本发明结合了FPGA的硬件特性与混合高斯模型的计算模式，通过软硬件协同的优化方法，提高了混合高斯模型在FPGA硬件上的性能，在占用更少的FPGA片上资源情况下获得更高的处理速度。
-
公开(公告)号：CN113869172B
公开(公告)日：2024-10-15
申请号：CN202111106138.6
申请日：2021-09-22
IPC: G06V20/10 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种大幅面遥感影像的深度学习框架模块设计与构建方法。本发明设计了智能模型的中间层表示和编译优化模块以使通用深度学习框架融合遥感特性，具备大幅面遥感影像的智能解译能力，具体流程为：输入的智能处理模型，经过中间层表示和编译优化模块的大幅面特性处理使之具备了处理大幅面影像的能力，转换后的模型使用影像数据训练后，最终输出具有大幅面特性的模型训练出的参数。另外本发明还设计了大幅面遥感影像的数据切分并行模块，用于将输入的大幅面影像经数据增强，沿H/W维度切分，下发至多张训练卡上。本发明使用中间层表示和编译优化的方法进行优化后，使框架具备大幅面遥感影像训练和推理的能力。
-
公开(公告)号：CN113869172A
公开(公告)日：2021-12-31
申请号：CN202111106138.6
申请日：2021-09-22
Abstract: 本发明提供了一种大幅面遥感影像的深度学习框架模块设计与构建方法。本发明设计了智能模型的中间层表示和编译优化模块以使通用深度学习框架融合遥感特性，具备大幅面遥感影像的智能解译能力，具体流程为：输入的智能处理模型，经过中间层表示和编译优化模块的大幅面特性处理使之具备了处理大幅面影像的能力，转换后的模型使用影像数据训练后，最终输出具有大幅面特性的模型训练出的参数。另外本发明还设计了大幅面遥感影像的数据切分并行模块，用于将输入的大幅面影像经数据增强，沿H/W维度切分，下发至多张训练卡上。本发明使用中间层表示和编译优化的方法进行优化后，使框架具备大幅面遥感影像训练和推理的能力。
-
公开(公告)号：CN114693504B
公开(公告)日：2024-07-26
申请号：CN202210388537.4
申请日：2022-04-11
Applicant: 武汉大学
Abstract: 本发明涉及一种基于FPGA的混合高斯模型的图像处理方法，步骤S1：构建FPGA模块设计和ARM系统的初始化配置；步骤S2：一组DMA控制器将DDR上的像素和背景模型参数转化成数据流，传入混合高斯模型的核心计算模块；步骤S3：混合高斯模型的核心计算模块分别计算出每一个像素属于背景或前景，然后更新背景模型的参数；步骤S4：另一组DMA控制器将核心计算模块的计算结果和更新后的背景模型参数储存在DDR上。本发明用于在边缘计算场景下进行运动目标检测任务，本发明结合了FPGA的硬件特性与混合高斯模型的计算模式，通过软硬件协同的优化方法，提高了混合高斯模型在FPGA硬件上的性能，在占用更少的FPGA片上资源情况下获得更高的处理速度。
-
-
-
Search Results
4
records
(took 0.015 seconds)
