Wyniki wyszukiwania - BazTech

1

Application of cellular neural networks and deformable models to object recognition

Korbiel P.

Zeszyty Naukowe. Elektryka / Politechnika Łódzka

|

2007

|

z. 111

65-72

EN

The following paper presents an idea of deformable grid object-recognition paradigm implementation within a framework of Cellular Neural Network Universal Machine (CNN-UM). A method for parallel representation of deformable grid, as well as a method for parallel modelling of grid matching process has been proposed. The proposed object recognition method has been verified by means of computer simulations and experimentally by using actual hardware CNN-UM implementations. The main advantage of the method is a fast realisation of the recognition task.

PL

Podstawowym celem pracy było wykazanie możliwości efektywnej implementacji metody rozpoznawania obrazów, bazującej na wykorzystaniu siatek deformowalnych, w strukturze równoległego, macierzowego procesora obrazu, jaki stanowi uniwersalna sieć neuronowa komórkowa (USNK). W wyniku przeprowadzonych badań opracowano sposób reprezentacji deformowalnej siatki dostosowany do architektury procesorów USNK. Opracowana została metoda równoległego modelowania mechanizmów decydujących o przemieszczaniu węzłów siatki deformowalnej w procesie analizy obrazu. Opracowany w wyniku badań algorytm rozpoznawania został pomyślnie zweryfikowany w drodze symulacji komputerowych. Zweryfikowana została także możliwość realizacji opracowanego algorytmu przy użyciu współczesnych platform sprzętowych zbudowanych w oparciu o strukturę uniwersalnej sieci neuronowej komórkowej. Sformułowana w wyniku przeprowadzonych badań metoda pozwala na istotne poszerzenie możliwości funkcjonalnych współczesnych układów inteligentnych sensorów informacji wizyjnej, pozwalając na realizację złożonej analizy obrazu już na poziomie przetwarzania wstępnego. W konsekwencji, zaproponowane rozwiązanie pozwala na znaczące zwiększenie efektywności pracy szerokiej klasy systemów automatycznego monitorowania i nadzoru, korzystających z rozproszonych źródeł informacji wizyjnej.

2

Uniwersalne sieci neuronowe komórkowe

Ślot K.

Elektronika : prace naukowe

|

1999

|

nr 4

101-114

PL

W niniejszym artykule przedstawiono podstawowe zagadnienia związane z koncepcją uniwersalnych sieci neuronowych komórkowych. Uniwersalne sieci neuronowe komórkowe stanowią teoretyczną podstawą realizacji fizycznej równoległych, uniwersalnych procesorów analogowych o bardzo dużych szybkościach działania. Zagadnienia przedstawione w artykule dotyczą praktycznych aspektów koncepcji - problemów implementacji fizycznej modelu, podstawowych wyników badań teoretycznych związanych z ograniczeniami wnoszonymi przez półprzewodnikową technologie wykonania układu oraz wybranych zastosowań sieci.

3

Kompresja sygnałów wizyjnych dla potrzeb transmisji w kanałach o niskiej przepustowości za pomocą uniwersalnych sieci neuronowych komórkowych

Ślot K.

Elektronika : prace naukowe

|

1998

|

nr 3

65-81

PL

W artykule została przedstawiona metoda kompresji sygnału wizyjnego, której przewidywanym sposobem implementacji fizycznej jest półprzewodnikowa realizacja Uniwersalnej Sieci Neuronowej Komórkowej (USNK). Przewidywaną dziedziną aplikacji metody jest kompresja sygnałów wizyjnych przeznaczonych do transmisji w kanałach o bardzo niskiej przepustowości (do 20 kbit/s). Podstawowymi cechami zaproponowanego algorytmu są standardowy sposób realizacji fazy kompresji międzyramkowej oraz wieloetapowa procedura kwantyzacji wektorowej, użyta dla realizacji fazy kompresji wewnątrzramkowej. Symulacje działania przedstawionego algorytmu, wykonane w oparciu o oprogramowanie systemu uruchomieniowego układów scalonych USNK wskazują na możliwość przeprowadzenia kompresji w czasie rzeczywistym.

EN

The paper presents video coding algorithm developed for Cellular Neural Network Universal Machine (CNNUM). Very low bit-rate channels (below 20 kBits/s) constitute the area of the potential application for the proposed method. Actual CNNUM VLSI implementations are considered to be a physical framework for the algorithm operations-Computer simulation results show the capability of performing the compression task in realtime with a moderate quality of reconstructed test sequences. The proposed algorithm consists of two main parts. The former one, inter-frame coding, implements standard block-based approach. Blocks of size 8x8 pixels of consecutive sequence frames are matched against each other for their relative displacements of range +/- 8 pixels The latter part of the algorithm, intra-frame coding, features a multi-stage vector quantization procedure, augmented with elements of object oriented video coding techniques There are three steps of vector quantization procedure, performed sequentially. The goal of each step is different and different code-book are used to perform quantization. The first part of the procedure is to compensate for large, relatively smooth regions of coded images. Codewords used in this step contains 2-D, discrete Gabor functions of size 9x9. The objective of the second part of the quantization procedure is to compensate for sharp transitions in image intensities (edges) and is performed using 5x5 smoothed Walsh functions. Finally, the last step of the procedure approximates noise-like elements of coded images and reduces errors of the two previous steps of quantization Two video sequences were used to test an algorithm operation: "Claire" and "Miss America". Reconstruction quality of both sequences is satisfactory if 200 bytes are allowed for representing a single frame. The main advantage of the proposed method of video coding realization is real-time processing. Computer simulations based on actual values of VLSI circuits which implement CNNUM show that an overall processing time does not exceed 100 milliseconds, which is the frame rate assumed for transmission.