摘要：针对目前多人图像三维人体重建姿态失准、模型精确度低的问题,提出一种基于单张多人图像的三维人体重建算法,算法首先对图片进行特征提取生成多个人体框架得到人体区域图,接着对所得到人体图像的体型姿态参数进行进一步提取,将得到的人体参数与SMPL模型相结合后生成三维人体模型,再将三维投影至二维与图像的二维关节点进行比对利用卷积神经网络回归,最后利用生成对抗网络对模型进行判别与损失回归得到合适的生成器模型,完成整体设计。设计使用Human3.6M与MPII数据集进行测试,与cmr、smplify等算法进行对比实验,能够更准确地恢复三维人体模型,在提高了模型重建精确度的同时,模型的重建速度也得到提升。

摘要：针对微发光二极管(Micro-LED)显示屏存在的转移和键合难题,提出一种可实现高密度Micro-LED显示屏的非转移、非键合技术设计方法,该方法直接在蓝宝石上集成显示阵列、金属布线以及驱动器。此外,还设计了一套可以实现图像数据采集、图像数据处理、图像显示以及显示屏散热的驱动系统。最后成功制备了分辨率为128×128的Micro-LED微显示器,并实现了16阶灰度图像的动态显示。实验结果表明,所提方法简易可行,所设计驱动系统可支持显示屏的驱动显示,并具有良好的散热解决能力。

摘要：人脸关键点的精确检测对于人脸姿态矫正、表情识别、疲劳监测等任务具有重要意义。针对当前人脸关键点检测算法对于网络的设计越来越复杂、对计算资源的需求越来越大,网络整体速度变慢,不利于移动端部署的问题,提出了一种基于多尺度关键点热度图融合的人脸关键点检测网络。通过特征图与关键点热度图的融合使网络更多地关注关键点及其周边像素的信息,同时引入了多尺度的关键点热度图融合不断加强网络对于关键点相关信息的学习能力,使用较浅的网络结构就可实现好的检测效果。实验表明该网络在WFLW数据集上取得的检测精度和速度均达到较好的效果。

摘要：针对卷积神经网络(CNN)在通用CPU以及GPU平台上推断速度慢、功耗大的问题,采用FPGA平台设计了并行化的卷积神经网络推断系统。通过运算资源重用、并行处理数据和流水线设计,并利用全连接层的稀疏性设计稀疏矩阵乘法器,大大提高运算速度,减少资源的使用。系统测试使用ORL人脸数据库,实验结果表明,在100 MHz工作频率下,模型推断性能分别是CPU的10.24倍,是GPU的3.08倍,是基准版本的1.56倍,而功率还不到2 W。最终在模型压缩了4倍的情况下,系统识别准确率为95%。