一种基于神经网络的车辆划痕检测方法

    公开(公告)号:CN111709352B

    公开(公告)日:2022-10-04

    申请号:CN202010533370.7

    申请日:2020-06-12

    摘要: 本发明涉及人工智能技术应用领域,具体提供了一种基于神经网络的车辆划痕检测方法,该方法分为以下步骤:S01、通过神经网络对摄像头采集的车辆全貌图像和车辆细节图像进行特征提取,得到特征提取图;S02、检索后台标准数据库,比较标准数据库中的图与特征提取图是否超过阈值,作为待测车辆的初始标记特征;S03、经过若干时间或空间范围后,再次重复S01中对车辆全貌图像和车辆细节图像进行特征提取,两次特征提取图比较是否超过阈值,判断车辆是否有划痕。与现有技术相比,本发明通过设置部署多个神经网络配合完成车辆车型检测与细节特征提取,可在第一时间对车辆外观是否受损或剐蹭了其他车辆进行较准确判断,具有良好的推广价值。

    一种数据传输方法和数据传输装置

    公开(公告)号:CN108733598B

    公开(公告)日:2021-05-18

    申请号:CN201810427027.7

    申请日:2018-05-07

    IPC分类号: G06F13/16 G06F12/06

    摘要: 本发明提供了一种数据传输方法和数据传输装置,包括:利用预设SRIO接口,接收发送端发送的待传输数据和所述待传输数据对应的存储空间信息;将所述待传输数据划分为至少一个SRIO数据包;针对每一个所述SRIO数据包,确定所述SRIO数据包的分包信息;根据所述存储空间信息和所述分包信息,确定所述SRIO数据包的包头信息;利用所述SRIO接口,根据所述包头信息,将所述SRIO数据包发送给所述接收端;确定是否存在至少一个未发送的所述SRIO数据包;如果否,生成结束标识包;利用所述SRIO接口,将所述结束标识包发送给所述接收端。本方案能够提高数据传输的可靠性。

    一种双模亮度插值滤波结构及方法

    公开(公告)号:CN106507118B

    公开(公告)日:2019-10-11

    申请号:CN201611064867.9

    申请日:2016-11-28

    IPC分类号: H04N19/80 H04N19/86

    摘要: 本发明特别涉及一种双模亮度插值滤波结构及方法。该双模亮度插值滤波结构,将子块1与两组子块2和级联,形成双模亮度插值滤波电路第一级电路;将子块1输出与第一级输出后接两组子块2,第一级输出接一组子块2,形成双模亮度插值滤波电路第二级电路;将第二级输出与第一级输出后接两组子块2,子块1输出与第二级输出后接一组子块2,形成双模亮度插值滤波电路第三级电路;三级电路级联形成双模亮度插值滤波最终电路。该双模亮度插值滤波结构及方法,根据前级输入的编码模式的不同,将H.264协议和AVS/SVAC协议在亮度插值滤波模块电路复用,提高了片上资源利用率,为编码器其他模块留出了域量;且通过级联方式,各个种类的分像素值以流水形式滤波得出,能够快速高效地完成视频编码中帧间预测亮度插值滤波过程。

    一种卷积神经网络推理硬件加速方法及其装置

    公开(公告)号:CN109447254B

    公开(公告)日:2021-03-16

    申请号:CN201811294922.2

    申请日:2018-11-01

    IPC分类号: G06N3/063 G06N3/04 G06N5/04

    摘要: 本发明公开了一种卷积神经网络推理硬件加速方法及其装置,方法为控制模块将残差变换信息发送给通路选择模块,通路选择模块将特征图数据送入维度变换模块和/或通路缓冲模块;通路缓冲模块暂存输入特征图数据;维度变换模块根据控制模块给出的变换通道数对输入特征图数据进行通道数变换;纵深卷积模块对原始卷积进行加速优化,减少卷积和参数及计算量;通路缓冲模块将暂存的输入特征图数据发送至残差计算模块;卷积结果经过维度变换模块送入残差计算模块;残差计算模块将来自通路缓冲模块和维度变换模块的两组特征图数据进行同维度求和计算;完成卷积加速流程。本发明和现有技术相比使得神经网络在移动端推理时能得到更大程度的加速效果。

    一种基于神经网络的车辆划痕检测方法

    公开(公告)号:CN111709352A

    公开(公告)日:2020-09-25

    申请号:CN202010533370.7

    申请日:2020-06-12

    IPC分类号: G06K9/00 G06K9/46 G06N3/04

    摘要: 本发明涉及人工智能技术应用领域,具体提供了一种基于神经网络的车辆划痕检测方法,该方法分为以下步骤:S01、通过神经网络对摄像头采集的车辆全貌图像和车辆细节图像进行特征提取,得到特征提取图;S02、检索后台标准数据库,比较标准数据库中的图与特征提取图是否超过阈值,作为待测车辆的初始标记特征;S03、经过若干时间或空间范围后,再次重复S01中对车辆全貌图像和车辆细节图像进行特征提取,两次特征提取图比较是否超过阈值,判断车辆是否有划痕。与现有技术相比,本发明通过设置部署多个神经网络配合完成车辆车型检测与细节特征提取,可在第一时间对车辆外观是否受损或剐蹭了其他车辆进行较准确判断,具有良好的推广价值。

    一种ICMP报文匹配系统及方法

    公开(公告)号:CN106878308B

    公开(公告)日:2020-06-19

    申请号:CN201710093520.5

    申请日:2017-02-21

    IPC分类号: H04L29/06

    摘要: 本发明提供一种ICMP报文匹配系统及方法,属于网络数据交换领域,本发明包括策略解析模块、报文解析模块、哈希运算模块、冲突处理模块、策略存储模块和比较匹配模块。通过采用部分报文参数进行哈希处理,部分报文参数存储,ICMP报文匹配时仅需对TYPE类型比较。在保证策略匹配的精确度的前提下,降低了报文协议策略存储成本,提高了报文匹配效率,为其他协议策略存储留出了域量。

    一种千兆万兆以太互通系统及方法

    公开(公告)号:CN107454008B

    公开(公告)日:2021-06-04

    申请号:CN201710723780.6

    申请日:2017-08-22

    摘要: 本发明公开了一种千兆万兆以太互通系统及方法,包括千兆以太收发接口模块、万兆以太收发接口模块及逻辑模块,其中逻辑模块配置在千兆以太收发接口模块与万兆以太收发接口模块之间,所述逻辑模块用于将来自千兆以太收发接口模块的千兆以太流量逻辑汇聚至万兆以太收发接口模块并输出,且逻辑模块还可用于将来自万兆以太收发接口模块的万兆流量均分至千兆以太收发接口模块中输出。本发明的一种千兆万兆以太互通系统及方法与现有技术相比,解决在千兆或万兆以太流量环境下,无法与已选网络硬件设备上的万兆千兆接口适配,流量无法接入网络设备的问题,该方案具有设计合理、简单、可行的特点,实用性强。

    一种细微亮度变化放大显示方法及电路

    公开(公告)号:CN110930962B

    公开(公告)日:2020-12-11

    申请号:CN201911170514.0

    申请日:2019-11-26

    IPC分类号: G09G5/04 H04N9/64

    摘要: 本发明涉及视频数据处理领域,具体提供了一种细微亮度变化放大显示方法及电路。与现有技术相比,本发明的一种细微亮度变化放大显示方法,包括如下步骤:(1)标定待放大亮度显示的区域范围,指明起止像素位置坐标;(2)对输入的RGB格式数据进行存储,并进行RGB到YUV转换;(3)判读相邻像素运算值;(4)重新对色度显示编码;(5)将新的RGB编码送入显示。通过将相邻像素的微小亮度变化转化为直观明显的色度变化,极大提升了需要人眼亲自进行识别场景的便利性,仅需增加乘加及存储逻辑,额外资源占用少,且不会对原有视频数据通路数据传输与显示造成影响,简便易移植,且可在此基础上扩展出更多需求应用。

    一种带有Aurora接口的USB转换控制板卡及方法

    公开(公告)号:CN110851393B

    公开(公告)日:2020-12-11

    申请号:CN201911116689.3

    申请日:2019-11-15

    IPC分类号: G06F13/42

    摘要: 本发明涉及数据传输和存储领域,具体提供了一种带有Aurora接口的USB转换控制板卡。与现有技术相比,本发明的一种带有Aurora接口的USB转换控制板卡,包括Aurora互联控制器、ZYNQ SOC芯片、至少一个CYUSB3014芯片、至少一个USB PHY和至少一个DDR4;所述Aurora互联控制器与ZYNQ SOC芯片、CYUSB3014芯片和USB PHY依次连接,所述DDR4与ZYNQ SOC芯片连接。本发明带有Aurora接口的USB转换控制板卡设计简单,可扩展性强,为带有高速Aurora接口的板卡提供了一种可扩展的便携式的存储设备,从而提高了系统的存储容量。一种Aurora接口的USB转换控制方法实用性强,传输数据快捷,在数据传输和存储领域具有良好的推广价值。

    一种卷积神经网络量化电路及量化方法

    公开(公告)号:CN109472353B

    公开(公告)日:2020-11-03

    申请号:CN201811398233.6

    申请日:2018-11-22

    IPC分类号: G06N3/06 G06N3/04

    摘要: 本发明公开了一种卷积神经网络量化电路及量化方法,属于人工智能数据处理技术领域,包括原始参数池、比较器阵列、量化参数计算单元和算术运算单元,所述原始参数池用于存储卷积神经网络每层计算所需的原始参数数据,包括每层所有卷积核各通道数据和偏置数据;所述比较器阵列用于对原始参数池中的数据进行统计运算,迭代比较得到卷积神经网络各层参数的最大值及最小值;所述量化参数计算单元用于对所述最大值及最小值进行算术运算,得到模型量化所用的各参数;所述算术运算单元用于对模型进行量化,所得结果均以无符号位指定位数的整数格式表示。本发明经过量化可以降低系统功耗,使卷积神经网络在端上的部署运行得到更可靠的保证。