相关实验视频
Updated: Jul 5, 2025

Three-Dimensional Imaging of Aortic Tissues in Atherosclerosis
Published on: October 25, 2024
基于二维可配置管道的现场可编程网关数组的图像直方图等级加速方法
Yan Wang1, Peirui Liu1, Dalin Li1,2
1Key Laboratory of Symbol Computation and Knowledge Engineering of Ministry of Education, College of Computer Science and Technology, Jilin University, Changchun 130012, China.
这项研究介绍了一种基于FPGA的新方法,用于加快图形平衡 (HE) 图像处理. 二维管道架构显著提高了实时AI应用程序的率.
科学领域:
- 计算机工程 计算机工程
- 图像处理 图像处理
- 人工智能的人工智能
背景情况:
- 由于工业检测和自动驾驶等新的AI应用,实时图像处理需求正在增加.
- 立体图平衡 (HE) 对图像质量至关重要,但现有的加速度方法在高率下扎.
- 对于复杂的,高速的场景,CPU和嵌入式系统的当前HE加速需要改进.
研究的目的:
- 开发一种高效的硬件加速度方法,用于FPGAs上的直方图平衡 (HE).
- 提高高等教育的率和性能,以满足需求的实时人工智能应用.
- 为FPGAs上的HE提出一种新的二维可配置管道架构.
主要方法:
- 设计了一个二维可配置管道架构,以优化FPGAs上的HE并行性.
- 通过实现并行累积直方图计算和同时进行多输入处理,使HE算法适应硬件.
- 优化了计算单元内的管道和关键路径,以实现更高的操作频率.
主要成果:
- 在VCU118测试板上达到891 MHz的最大频率.
- 在1080p图像中达到每秒1899的率.
- 与CPU实现相比,演示了高达22.6倍的加速.
结论:
- 提出的基于FPGA的HE加速方法有效地满足了实时AI的高率和低功耗需求.
- 两维可配置管道架构为图像预处理提供了显著的性能提升.
- 这种方法可以实现更复杂,更苛刻的AI应用程序,需要快速的图像分析.
更多相关视频
09:01Gain-compensation Methodology for a Sinusoidal Scan of a Galvanometer Mirror in Proportional-Integral-Differential Control Using Pre-emphasis Techniques
Published on: April 4, 2017
08:53Visualizing Cellular Gibberellin Levels Using the nlsGPS1 Förster Resonance Energy Transfer (FRET) Biosensor
Published on: January 12, 2019
相关概念视频
Upsampling
Reconstruction of Signal using Interpolation