题名 AD模数变换器设计探讨
被引量：1
1
作者
俞雪英
机构
西安电子工程研究所
出处
《火控雷达技术》
1998年第4期54-57,共4页
文摘
通过分析模数转换器电路的工作原理,探讨模拟电路与数字电路设计之间的差别,给出了模拟电路中减少电磁感应的措施,从而提高了AD模数转换器的转换精度,有利于更有效的识别攻击目标。
关键词
模数转换器 量化 损失 转换精度 噪声
Keywords
A/D converter quantization loss converter accuracy noise
分类号
TN792
[电子电信—电路与系统]
TP335.1
[自动化与计算机技术—计算机系统结构]
题名 模数转换对视频图像质量影响分析
2
作者
程志洪 高玉平
机构
中国电子科技集团公司第五十四研究所
出处
《无线电工程》
2012年第4期59-61,共3页
文摘
论述了图像质量的评价方法,对单刺激评价方法和峰值信噪比评价方法进行了比较分析和归纳总结,并指出了其适用性和局限性。根据视频全电视信号的数字采集过程,对引起图像降质的因素进行了详细分析,重点讨论了量化噪声和数字信号对图像质量的影响,并对图像降质过程进行了理论推导。根据分析结果提出了改善图像质量的措施,给出了合理布局布线的建议。
关键词
图像质量 量化 损失 模数转换 视频采集
Keywords
image quality quantized loss A/D conversion video acquisition
分类号
TN914
[电子电信—通信与信息系统]
题名 一种超低损失的深度神经网络量化压缩方法
被引量：5
3
作者
龚成 卢冶 代素蓉 刘方鑫 陈新伟 李涛
机构
南开大学计算机学院 天津市网络和数据安全技术重点实验室(南开大学) 工业机器人应用福建省高校工程研究中心(闽江学院) 计算机体系结构国家重点实验室(中国科学院计算技术研究所)
出处
《软件学报》
EI
CSCD
北大核心
2021年第8期2391-2407,共17页
基金
国家重点研发计划(2018YFB2100300) 国家自然科学基金(62002175,61872200) +3 种基金 天津自然科学基金(19JCZDJC31600,19JCQNJC00600) 计算机体系结构国家重点实验室(中国科学院计算技术研究所)开放课题(CARCHB202016,CARCH201905) 中国高校产学研创新基金(2020HYA01003) 工业机器人应用福建省高校工程研究中心(闽江学院)开放基金(MJUKF-IRA1902)。
文摘
深度神经网络(deep neural network,简称DNN)量化是一种高效的模型压缩方法,使用少量位宽表示模型计算过程中的参数和中间结果数据.数据位宽会直接影响内存占用、计算效率和能耗.以往的模型量化研究缺乏有效的定量分析,这导致量化损失难以预测.提出了一种超低损失的DNN量化方法(ultra-low loss quantization,简称μL2Q),以揭示量化位宽与量化损失之间的内在联系,指导量化位宽选择并降低量化损失.首先,将原始数据映射为标准正态分布的数据;然后,在等宽的量化区间中搜索最优量化参数;最后,将μL2Q方法融合进DNN的训练过程,并嵌入到主流的机器学习框架Caffe及Keras中,以支撑端到端模型压缩的设计和训练.实验结果表明,与最新的研究方法相比,在相同的位宽条件下,μL2Q方法能够保证更高的模型精度,在典型的神经网络模型上精度分别提高了1.94%,3.73%和8.24%.显著性物体检测实验结果表明,μL2Q方法能够胜任复杂的计算机视觉任务.
关键词
神经网络压缩 神经网络量化 权值分布 均匀量化 量化 损失 最优解
Keywords
neural network compression neural network quantization weight distribution uniform quantization extremum of quantizationloss
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
题名 基于非局部3D残差网络的视频指纹算法
被引量：1
4
作者
郭辰 李新伟 杨艺 徐良浩
机构
河南理工大学电气工程与自动化学院
出处
《计算机工程与应用》
CSCD
北大核心
2020年第19期216-223,共8页
基金
国家自然科学基金(No.61402152,No.61403130) 河南理工大学博士基金(No.B2013-022) 河南省科技攻关项目(No.192102210099)。
文摘
为了实现视频拷贝的快速准确检索,提出一种基于非局部3D残差网络的紧凑视频指纹。该算法以三胞胎网络架构为基础,采用非局部模块3D残差网络同时捕获视频的全局与局部时空信息,在特征提取部分末端加入量化编码层,实现了原始视频数据到离散指纹码的端到端映射;设计了由角度关系三元组损失和量化误差损失组成的网络目标函数。大量的实验结果表明,与对比算法相比,该算法在保持紧凑的同时鲁棒性与独特性均表现突出,查准率与查全率有明显提升。
关键词
视频指纹 非局部模块 3D残差网络 三元组损失 量化 误差损失
Keywords
video fingerprint non-local block 3D residual network triplet loss quantization error loss
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
TP183
[自动化与计算机技术—控制科学与工程]
