期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于并行映射卷积网络的超分辨率重建算法 被引量:3
1
作者 毕笃彦 王世平 +1 位作者 刘坤 何林远 《系统工程与电子技术》 EI CSCD 北大核心 2018年第8期1873-1880,共8页
针对基于卷积网络的超分辨率重建算法对不同场景下的图像存在复原质量不佳、细节信息丢失的问题,对卷积网络结构详细分析,结合重建模块和损失函数约束条件存在的问题,提出了基于并行映射卷积网络的超分辨率重建模型。该模型基于端到端... 针对基于卷积网络的超分辨率重建算法对不同场景下的图像存在复原质量不佳、细节信息丢失的问题,对卷积网络结构详细分析,结合重建模块和损失函数约束条件存在的问题,提出了基于并行映射卷积网络的超分辨率重建模型。该模型基于端到端的思想,构建并行映射网络及正则化约束条件,能对图像特征进行层次化自主提取,在高分辨率图像重建时极大地丰富图像特征的维数;并且将全变分正则化引入到重建模块,有效地克服了超分辨率的病态问题,从而获得鲁棒、丰富的图像信息,提升了重建图像的质量。实验结果表明,所提出的网络模型具有更优异的性能,其超分辨率算法在视觉评价和量化指标上取得了更好的重建效果。 展开更多
关键词 图像复原 超分辨率重建 并行映射卷积网络 全变分正则化
在线阅读 下载PDF
一种多映射卷积神经网络的超分辨率重建算法 被引量:7
2
作者 王世平 毕笃彦 +1 位作者 刘坤 何林远 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2018年第4期155-160,共6页
针对现有卷积神经网络在超分辨率重建的图像上存在部分细节特征不够突出、边缘模糊等问题,在现有模型三大模块的基础上对映射模块及损失函数进行细致剖析,提出了一种多映射卷积神经网络的超分辨率重建算法.该算法通过构建多映射网络,极... 针对现有卷积神经网络在超分辨率重建的图像上存在部分细节特征不够突出、边缘模糊等问题,在现有模型三大模块的基础上对映射模块及损失函数进行细致剖析,提出了一种多映射卷积神经网络的超分辨率重建算法.该算法通过构建多映射网络,极大地丰富了图像在聚合高分辨图像时的特征维度.同时在重建模块的卷积层后引入全变分正则项,结合误差反向传播算法,可有效地对解空间约束,从而提取出精确、有效的特征,丰富重建图像的细节信息.在常用数据集上的实验结果表明,该算法生成的网络模型获得了更好的超分辨率结果,主观视觉评价和客观衡量指标有一定的改进,有效地提高了图像的分辨率. 展开更多
关键词 图像处理 超分辨率 映射卷积神经网络 变分约束
在线阅读 下载PDF
基于遗传算法的晶圆级芯片映射算法研究
3
作者 李成冉 方佳豪 +2 位作者 尹首一 魏少军 胡杨 《计算机工程与科学》 CSCD 北大核心 2024年第6期993-1000,共8页
近年来,随着人工智能领域的发展,深度学习已经成为如今最重要的计算负载之一,下一代人工智能以及高性能计算应用对计算平台的算力与通信能力提出了前所未有的需求,晶圆级芯片通过在整片晶圆上集成超高密度的晶体管数量以及互连通信能力... 近年来,随着人工智能领域的发展,深度学习已经成为如今最重要的计算负载之一,下一代人工智能以及高性能计算应用对计算平台的算力与通信能力提出了前所未有的需求,晶圆级芯片通过在整片晶圆上集成超高密度的晶体管数量以及互连通信能力,有望为未来的人工智能与超算平台提供革命性的算力解决方案。而其中,晶圆级芯片具有的超大计算资源和独特的新架构使得任务映射算法面临前所未有的新问题,相关研究成为近年来学术界的研究重点。专注于研究人工智能任务在晶圆级硬件资源的映射算法,即通过将人工智能算法表达为多个卷积核,再考虑卷积核的算力特性来基于遗传算法设计晶圆级芯片的映射算法。一系列映射任务下的仿真结果验证了映射算法的有效性,并揭示了执行时间、适配器成本等参数对代价函数的影响。 展开更多
关键词 晶圆级芯片 遗传算法 卷积网络映射 人工智能 通信开销
在线阅读 下载PDF
可重构CNN处理器的高效能自适应映射策略
4
作者 常立博 武丹妮 +3 位作者 杜慧敏 张盛兵 郝鹏 蔡秀霞 《计算机辅助设计与图形学学报》 2025年第7期1157-1169,共13页
针对因CNN模型巨大的参数规模和数据访问量,及不同CNN模型或同一模型中不同层的计算模式存在多样性,导致其仅可支持单一或固定映射方式及片上数据缓存的计算系统整体效能较低的问题,提出软硬件协同设计策略.将基于深度强化学习的自适应... 针对因CNN模型巨大的参数规模和数据访问量,及不同CNN模型或同一模型中不同层的计算模式存在多样性,导致其仅可支持单一或固定映射方式及片上数据缓存的计算系统整体效能较低的问题,提出软硬件协同设计策略.将基于深度强化学习的自适应访存优化机制与片上弹性缓存动态划分方法结合,根据可重构CNN处理器中存储结构相关参数,针对不同CNN运算层自动搜索最优的循环调度策略;并通过设计可重构片上互联结构、地址映射逻辑以及动态存储调度方法,使片上弹性缓存可根据不同调度策略动态划分地址映射空间.在基于Eyeriss和TPU的CNN处理器构架上,与对比的调度策略相比,采用所提方法可分别将2种可重构CNN处理器的效能提升约3倍和4倍;并且,采用相同的调度策略,与固定容量双缓存结构相比,文中的弹性存储划分方法可分别将功耗减少30.28%和18.43%.与基于FPGA平台的相关研究相比,文中可重构CNN处理器将计算效率和计算效能分别提高了约10倍和2倍. 展开更多
关键词 卷积神经网络模型映射 卷积神经网络模型数据流 深度强化学习 片上弹性缓存
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部