本设计在对称多处理器架构的工作站上对面向超高清HEVC(High Efficiency Video Coding,高效视频编码)应用的并行解码处理器进行研究。设计了一种负载稳定且扩展能力强的并行解码器系统架构,在对解码过程的计算复杂度进行统计的基础上,...本设计在对称多处理器架构的工作站上对面向超高清HEVC(High Efficiency Video Coding,高效视频编码)应用的并行解码处理器进行研究。设计了一种负载稳定且扩展能力强的并行解码器系统架构,在对解码过程的计算复杂度进行统计的基础上,将任务划分到各个模块分别执行,并通过OOP(Object-oriented programming,面向对象的程序设计思想)进行实现。然后采用视频编码联合组官方测试标准对并行解码处理器进行性能测试,证实其在超高清应用解码中所具有的实时性能。展开更多
为解决不同人员相同操作的个体差异以及同一人员不同时间相同操作差异的问题,提出一种基于混合专家系统(mixture of experts,MoE)和长短期记忆神经网络(long short-term memory,LSTM)的倒闸操作识别方法MoE-LSTM。基于MoE对LSTM进行集成...为解决不同人员相同操作的个体差异以及同一人员不同时间相同操作差异的问题,提出一种基于混合专家系统(mixture of experts,MoE)和长短期记忆神经网络(long short-term memory,LSTM)的倒闸操作识别方法MoE-LSTM。基于MoE对LSTM进行集成,学习不同来源数据的特征分布。采集加速度动作数据构建倒闸操作数据集,基于滑动窗口对动作序列进行切分;将动作序列输入到MoE-LSTM中,由不同LSTM独立学习不同动作的时序依赖;通过门控网络选择对当前输入分类较好的LSTM的输出作为动作识别结果。仿真结果表明:不同LSTM对来自不同时空的动作数据都有擅长分类的特征空间。展开更多
文摘本设计在对称多处理器架构的工作站上对面向超高清HEVC(High Efficiency Video Coding,高效视频编码)应用的并行解码处理器进行研究。设计了一种负载稳定且扩展能力强的并行解码器系统架构,在对解码过程的计算复杂度进行统计的基础上,将任务划分到各个模块分别执行,并通过OOP(Object-oriented programming,面向对象的程序设计思想)进行实现。然后采用视频编码联合组官方测试标准对并行解码处理器进行性能测试,证实其在超高清应用解码中所具有的实时性能。
基金Project(2021ZDPY0226) supported by the Fundamental Research Funds for the Central Universities,ChinaProject(20201101009) supported by the Unveiling Bidding Project of Shanxi Province of ChinaProject(202206420003) supported by the China Scholarship Council。
文摘为解决不同人员相同操作的个体差异以及同一人员不同时间相同操作差异的问题,提出一种基于混合专家系统(mixture of experts,MoE)和长短期记忆神经网络(long short-term memory,LSTM)的倒闸操作识别方法MoE-LSTM。基于MoE对LSTM进行集成,学习不同来源数据的特征分布。采集加速度动作数据构建倒闸操作数据集,基于滑动窗口对动作序列进行切分;将动作序列输入到MoE-LSTM中,由不同LSTM独立学习不同动作的时序依赖;通过门控网络选择对当前输入分类较好的LSTM的输出作为动作识别结果。仿真结果表明:不同LSTM对来自不同时空的动作数据都有擅长分类的特征空间。