論文元數(shù)據(jù)搜索，找到相關(guān)信息共 2 條：
2022, 44(4): 1503-1512.
doi: 10.11999/JEIT210059
刊出日期：2022-04-18
現(xiàn)場(chǎng)可編程門陣列(FPGA)被廣泛應(yīng)用于卷積神經(jīng)網(wǎng)絡(luò)(CNN)的硬件加速中。為優(yōu)化加速器性能，Qu等人(2021)提出了一種3維可變換的CNN加速結(jié)構(gòu)，但該結(jié)構(gòu)使得并行度探索空間爆炸增長(zhǎng)，搜索最優(yōu)并行度的時(shí)間開銷激增，嚴(yán)重降低了加速器實(shí)現(xiàn)的可行性。為此該文提出一種細(xì)粒度迭代優(yōu)化的并行度搜索算法，該算法通過多輪迭代的數(shù)據(jù)篩選，高效地排除冗余的并行度方案，壓縮了超過99%的搜索空間。同時(shí)算法采用剪枝操作刪減無效的計(jì)算分支，成功地將計(jì)算所需時(shí)長(zhǎng)從106 h量級(jí)減少到10 s內(nèi)。該算法可適用于不同規(guī)格型號(hào)的FPGA芯片，其搜索得到的最優(yōu)并行度方案性能突出，可在不同芯片上實(shí)現(xiàn)平均(R1, R2)達(dá)(0.957, 0.962)的卓越計(jì)算資源利用率。
2022, 44(10): 3343-3352.
doi: 10.11999/JEIT220380
刊出日期：2022-10-19
基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像超分辨率重建算法通常假設(shè)低分辨率圖像的降質(zhì)是固定且已知的，如雙3次下采樣等，因此難以處理降質(zhì)(如模糊核及噪聲水平)未知的圖像。針對(duì)此問題，該文提出聯(lián)合估計(jì)模糊核、噪聲水平和高分辨率圖像，設(shè)計(jì)了一種基于迭代交替優(yōu)化的圖像盲超分辨率重建網(wǎng)絡(luò)。在所提網(wǎng)絡(luò)中，圖像重建器以估計(jì)的模糊核和噪聲水平作為先驗(yàn)信息，由低分辨率圖像重建出高分辨率圖像；同時(shí)，綜合低分辨率圖像和估計(jì)的高分辨率圖像，模糊核及噪聲水平估計(jì)器分別實(shí)現(xiàn)模糊核和噪聲水平的估計(jì)。進(jìn)一步地，該文提出對(duì)模糊核/噪聲水平估計(jì)器及圖像重建器進(jìn)行迭代交替的端對(duì)端優(yōu)化，以提高它們的兼容性并使其相互促進(jìn)。實(shí)驗(yàn)結(jié)果表明，與IKC, DASR, MANet, DAN等現(xiàn)有算法相比，提出方法在常用公開測(cè)試集(Set5, Set14, B100, Urban100)及真實(shí)場(chǎng)景圖像上都取得了更優(yōu)的性能，能夠更好地對(duì)降質(zhì)未知的圖像進(jìn)行重建；同時(shí)，提出方法在參數(shù)量或處理效率上也有一定的優(yōu)勢(shì)。
