非局部均值滤波去噪的加速方法
    3.
    发明公开

    公开(公告)号:CN116596789A

    公开(公告)日:2023-08-15

    申请号:CN202310564380.0

    申请日:2023-05-18

    IPC分类号: G06T5/00 G06T1/20 G06F9/38

    摘要: 本申请公开了一种非局部均值滤波去噪的加速方法。所述非局部均值滤波去噪的加速方法包括:步骤1:获取待处理图像信息;步骤2:采用NLM方法对待处理图像信息以从核并行加速的方式进行前置滤波从而获取经过前置滤波的数据;步骤3:采用NLM方法对经过前置滤波的数据以从核并行加速的方式进行特征构造转换从而获取经过特征构造转换的数据;步骤4:采用NLM方法对经过特征构造转换的数据以从核并行加速的方式进行处理从而获取最终去噪数据。本申请在图像去噪过程中分别对前置滤波、特征构造转换,去噪重构的热点计算部分进行从核并行加速,有效提升了NLM算法并行效率,加速NLM算法的去噪计算流程,可在不降低去噪效果的前提下,有效缩短图像的去噪时间。

    光线路径追踪并行加速方法
    4.
    发明公开

    公开(公告)号:CN116597065A

    公开(公告)日:2023-08-15

    申请号:CN202310564379.8

    申请日:2023-05-18

    摘要: 本申请公开了一种光线路径追踪并行加速方法。所述光线路径追踪并行加速方法包括:与同一主核连接的从核阵列启动后,从核阵列中的各个从核分别在与其连接的主核中获取待处理像素点数据;每个从核根据自身所获取的待处理像素点数据进行首个光线路径追踪计算任务;每个从核在首个光线路径追踪计算任务结束后,根据完成任务的时间开始竞争渲染与其连接的主核中所剩余的待处理像素点数据并对竞争后的待处理像素点数据进行光线路径追踪计算任务,直至完成所有像素点数据的渲染计算。本申请的光线路径追踪并行加速方法通过从核阵列的像素竞争策略,确保从核阵列中像素点并行渲染任务的负载均衡。

    边缘端水下目标智能识别模型训练方法、装置及识别方法

    公开(公告)号:CN117992788A

    公开(公告)日:2024-05-07

    申请号:CN202410144940.1

    申请日:2024-02-01

    摘要: 本申请公开了一种边缘端水下目标智能识别模型训练方法、装置及识别方法。所述边缘端水下目标智能识别模型训练方法包括:生成语音训练测试集;获取初始水下目标智能识别模型;对所述初始水下目标智能识别模型进行权重优化、剪枝优化中的一个或多个优化,从而获取经过优化的初始水下目标智能识别模型;根据语音训练测试集对经过优化的初始水下目标智能识别模型进行训练,从而获取边缘端水下目标智能识别模型。本申请的边缘端水下目标智能识别模型训练方法针对当前神经网络参数多、计算复杂度高、终端设备部署困难等问题,构建了一种计算量小、延迟低,精度高、鲁棒性强的终端设备用边缘端水下目标智能识别模型,实现终端的轻量级快捷部署。

    一种异构众核处理器中算法转换方法和系统

    公开(公告)号:CN113467778B

    公开(公告)日:2024-01-09

    申请号:CN202110697474.6

    申请日:2021-06-23

    IPC分类号: G06F8/41

    摘要: 本发明提出一种异构众核处理器中算法转换方法和系统,其方法技术方案包括预定义异构众核处理器主核中C++算法识别库的数据结构,预定义C++算法转换至C语言的语句识别规则和语法映射规则,并通过ANTLR技术对C++源代码进行语法解析,形成抽象语法树;对抽象语法树进行遍历,解析C++算法定义文件,根据预定义的C++算法识别库的数据结构,构建算法识别库;对抽象语法树再次进行遍历,根据语法映射规则将C++源代码算法语句映射到基于C语言的libcstl上;根据libcstl的语法规则,对C++源代码算法语句进行重构,将C++算法转换为C语言的libcstl。本发明解决了现有STL算法实现复杂、重构复杂耗时,手工编写方式效率低、成本高的问题。

    一种异构众核处理器中编程语言转换方法和系统

    公开(公告)号:CN113467828B

    公开(公告)日:2024-01-12

    申请号:CN202110698088.9

    申请日:2021-06-23

    IPC分类号: G06F8/76 G06F8/41 G06F9/455

    摘要: 本发明提出一种异构众核处理器中编程语言转换方法和系统,其方法技术方案包括构建异构众核处理器主核中C++语言转换至C语言的语法识别规则和语法映射规则,并通过ANTLR技术对所述C++语言STL容器源代码进行语法解析,形成抽象语法树;对所述抽象语法树进行遍历,根据所述语法识别规则自动识别所述STL容器的声明语句,并将所述声明语句的声明信息保存到Utility类数据结构中;对所述抽象语法树再次进行遍历,根据所述语法映射规则将所述STL容器映射到基于所述C语言的libcstl上;根据所述libcstl的语法规则,对所述C++语言STL容器源代码进行重构,将所述C++语言STL容器转换为所述C语言的libcstl。本发明解决了现有STL容器数据重构复杂耗时,手工编写方式效率低、成本高的问题。

    基于图像深度信息的图像特征提取方法

    公开(公告)号:CN111325221B

    公开(公告)日:2023-06-23

    申请号:CN202010117286.7

    申请日:2020-02-25

    摘要: 本发明公开了一种基于图像深度信息的图像特征提取方法,包括以下步骤:多流深度网络模型训练步骤,所述多流深度网络模型由样本图像的个模态训练形成,为不小于2的整数,所述模态至少包括图像的平面模态和三维结构模态;提取待处理图像的所述个模态的信息;将待处理图像的个模态的信息输入至所述多流深度网络进行融合处理,输出得到待处理图像的深度图像融合特征。本发明利用多流深度网络,整合图片的多种信息,至少包括平面模态信息和三维结构模态信息两种不同类型的信息,使得对立体模型的描述更加全面,进而对深度图像的描述更加全面,在图片特征提取方面更加丰富和准确,可重复性好,所提取的特征对图像的表征能力好。

    一种基于LXC容器技术的边缘计算网关管理系统及方法

    公开(公告)号:CN111061491B

    公开(公告)日:2023-08-22

    申请号:CN201911265968.6

    申请日:2019-12-11

    IPC分类号: G06F8/61 G06F9/455 G06F9/50

    摘要: 本发明涉及边缘计算领域,尤其是一种基于LXC容器技术的边缘计算网关管理系统。本发明提供的边缘计算网关管理系统包括:边缘计算网关集群和云服务器;边缘计算网关集群包括若干个边缘计算网关,边缘计算网关中部署有若干个LXC容器;云服务器中设置有IoT云管理平台和LXC容器镜像库,其中IoT云管理平台负责对整个网关集群进行统一管理和监控,LXC容器镜像库中存有LXC容器基础镜像;边缘计算网关集群中的各个边缘计算网关与云服务器建立通讯连接,共同构成一种轻量级、灵活、可定制的容器化平台。本发明还公开了一种应用本系统的边缘计算网关管理方法,基于该方法,用户可以快速批量部署应用,实现应用间的资源隔离,能够满足多种物联网应用场景。

    一种基于ANTLR4的源码翻译方法

    公开(公告)号:CN112445492B

    公开(公告)日:2024-03-29

    申请号:CN202011390106.9

    申请日:2020-12-02

    IPC分类号: G06F8/52 G06F8/41

    摘要: 本发明提出一种基于ANTLR4的源码翻译方法,属于翻译方法技术领域,其基于多线程机制,翻译效率高,且支持多语言解析。该翻译方法包括如下步骤:对待翻译工程所包含的源码文件按照语言种类进行分类,并将不同种类的源码文件分别放入不同的待解析目录中;通过调度线程将不同待解析目录中的源码文件分别调入不同的预处理线程;预处理线程分析调入的源码文件之间的依赖关系并确定解析顺序,计算得到应输出解析文件总数;解析线程按照解析顺序调取源码文件,利用ANTLR4进行翻译并输出对应的解析文件;判断输出的解析文件总数与应输出解析文件总数是否相等;若相等,则翻译结束,否则重复上述步骤;整合输出的解析文件,得到翻译结果。