摘要：为降低高分辨网络模型因级联过多造成的参数冗余,设计一种用于人体姿态估计的并联化高分辨网络模型。通过适当的网络裁剪和并联化结构优化处理策略,对原始高分辨网络模型的消融实验结果进行分析,保留网络的前3个阶段,按第四阶段网络的分辨率构建等尺度的U型网络结构,在多尺度分支的第二阶段与第三阶段中分别并联该结构,保持原网络在同分辨率下的特征融合。针对人体姿态估计数据集MPII与MSCOCO进行检测,并联化高分辨网络的参数量仅为原网络的37%,浮点运算量降低30%。

摘要：为了提高孪生网络SiamFC++的跟踪精确度和尺度适应性,提出了一种具有特征融合和双分支模板动态更新机制的实时目标跟踪算法。针对跟踪精确度,在骨干网络的浅层设计特征融合分支从而提高特征提取能力。另外,使用平均峰值相关能量(APCE)方法判断分类模板是否更新从而提高分类能力,改善了遮挡和形变时的跟踪效果。针对尺度适应性,使用交并比梯度比值法和响应图方差率判断回归模板是否更新,增强了快速移动和尺度变化的适应性。为了保证实时性,将两个分支的更新过程嵌套起来形成双分支模板动态更新机制。在数据集OTB2015和VOT2018上的结果表明,该算法较其他几种算法跟踪效果更稳定,能更好应对快速移动和遮挡等场景,同时该算法达到了62 fps,满足实时性要求。

摘要：随着显示技术和传感器的不断发展,数字图像的分辨率越来越高,更高分辨率、更广域场景的全高清和超高清显示从原有的1920×1080pixels发展到3840×2160pixels、7680×4320pixels等,需求越发强烈,成为了目前的一种发展趋势;然而,随之而来的大数据量,对硬件存储及计算处理资源的要求也越来越高,现有的众核和多芯片协同处理架构存在高功耗、高成本、系统复杂的问题。因此,设计了一种单芯片的并行处理架构,通过HI3559A平台,在该架构基础上采用双图像信号处理(ISP)单元,对采集得到的大量时序数据进行并行处理,并通过平台内部的视频处理VPSS和视频输出(VO)单元对得到的数据信息进行二次处理,最后通过HDMI接口进行输出。最终,在该平台上是实现了3840×2160pixels视频分辨率的一体化采集、处理和显示,达到了精简高效和低功耗的目的。