摘要：利用SDSoC技术,对传统的散列函数(Hash Function)算法进行改进,提出了基于SDSoC技术的信息加密算法优化模型,将基于传统硬件的散列函数算法与基于SDSoC技术的AES算法进行对比.结果表明,基于传统硬件的散列函数算法吞吐量较低,而基于SDSoC的AES算法吞吐量较高;当时钟周期为ap_clk、目标运行时间为Target、评估运行时间为Estimated以及误差范围时间为Uncertainty时,传统散列函数算法的运行时间大致处于8.17±1.26 ns范围,而基于SDSoC的AES算法运行时间介于8.11±1.20 ns范围,改进后的算法执行速度有较大提升.改进后算法资源利用率显著高于传统算法,能够很好地提升算法的性能,综合性能较高.

摘要：提出一种用于实时识别的轻量模型,利用两个子网络分别提取不同类型的特征,在联合训练过程中进行信息共享,并通过知识蒸馏的方式将每个子网络的特征和预测结果融合到一个新的分类器中,用于手势识别.利用循环学习率的训练策略产生了更具泛化性的预测结果.在动态手势数据集DHG-14/28上该方法的识别准确率达到86.11%,验证了该方法的有效性.