面向SPAD图像传感器的超高速目标定位处理器

提出了一种用于单光子雪崩二极管图像传感器的超高速目标定位处理器。它由一个处理阵列,一个Y特征向量生成器和一个位置计算器组成,能够进行噪声减除和目标定位处理。设计了一种省略了乘法和减法运算的高斯滤波和背景减除法,降低了计算复杂度和硬件资源消耗,并显著地提高了处理速度。整个处理器在FPGA开发板上实现,实验结果表明,该处理器能够以100 000帧/s的速度实时处理128×128分辨率的脉冲图像,并定位其中的运动物体。本文提出的处理器架构同样可用于其他脉冲图像传感器。

基于硬件仿真系统的边缘计算人工智能视觉芯片设计验证

基于卷积神经网络(CNN,convolutionalneuralnetwork)的视觉深度学习算法的兴起推动了人工智能视觉芯片设计研究的快速发展,而芯片的设计验证工作是人工智能视觉芯片研发的瓶颈。介绍了一种基于硬件仿真系统的人工智能视觉芯片软硬件验证方法,以边缘计算人工智能视觉芯片设计为例,在硬件仿真系统ZeBu上完成了芯片运行的典型深度学习网络MobileNet的仿真验证工作。结果表明,在硬件芯片架构上实现的网络模型在保证精确度的同时,在200 MHz频率时钟下单帧检测时间只需要18.51 ms,与软件平台仿真相比,仿真速度提高了7倍。