MAPress
مقاله تشخیص گوشه کارآمد حافظه برای سنسورهای دید پویای مبتنی بر رویداد

مقاله تشخیص گوشه کارآمد حافظه برای سنسورهای دید پویای مبتنی بر رویداد

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Memory Efficient Corner Detection for Event-driven Dynamic Vision Sensors
عنوان مقاله به فارسی تشخیص گوشه کارآمد حافظه برای سنسورهای دید پویای مبتنی بر رویداد
نویسندگان Pao-Sheng Vincent Sun, Arren Glover, Chiara Bartolozzi, Arindam Basu
زبان مقاله انگلیسی
فرمت مقاله: PDF
چکیده Event cameras offer low-latency and data compression for visual applications, through event-driven operation, that can be exploited for edge processing in tiny autonomous agents. Robust, accurate and low latency extraction of highly informative features such as corners is key for most visual processing. While several corner detection algorithms have been proposed, state-of-the-art performance is achieved by luvHarris. However, this algorithm requires a high number of memory accesses per event, making it less-than ideal for low-latency, low-energy implementation in tiny edge processors. In this paper, we propose a new event-driven corner detection implementation tailored for edge computing devices, which requires much lower memory access than luvHarris while also improving accuracy. Our method trades computation for memory access, which is more expensive for large memories. For a DAVIS346 camera, our method requires ~3.8X less memory, ~36.6X less memory accesses with only ~2.3X more computes.
تعداد صفحات 5
چکیده به فارسی (ترجمه ماشینی) دوربین های رویداد از طریق عملکرد رویداد محور ، از طریق عملکردهای بصری ، کم تأخیر و فشرده سازی داده را برای برنامه های بصری ارائه می دهند که می تواند برای پردازش لبه در عوامل کوچک خودمختار مورد سوء استفاده قرار گیرد.استخراج قوی ، دقیق و کم تأخیر از ویژگی های بسیار آموزنده مانند گوشه ها برای بیشتر پردازش های بصری مهم است.در حالی که چندین الگوریتم تشخیص گوشه ارائه شده است ، عملکرد پیشرفته توسط لووهریس حاصل می شود.با این حال ، این الگوریتم به تعداد زیادی از دسترسی های حافظه در هر رویداد نیاز دارد ، و آن را برای اجرای کم تحرک کم و کم انرژی در پردازنده های کوچک لبه ایده آل می کند.در این مقاله ، ما یک اجرای جدید تشخیص گوشه رویداد محور را متناسب با دستگاه های محاسبات لبه پیشنهاد می کنیم ، که به دسترسی حافظه بسیار کمتری نسبت به لووهریس نیاز دارد و در عین حال دقت را نیز بهبود می بخشد.روش ما برای دسترسی به حافظه محاسبه می کند که برای خاطرات بزرگ گران تر است.برای یک دوربین Davis346 ، روش ما به حافظه 3.8 برابر کمتر ، 36.6 برابر ~ دسترسی به حافظه کمتر با محاسبات 2.3 برابر بیشتر نیاز دارد.
دسته بندی موضوعات Image and Video Processing,پردازش تصویر و فیلم ،
توضیحات Submitted 18 January, 2024; originally announced January 2024.
توضیحات به فارسی ارائه شده در 18 ژانویه 2024 ؛در ابتدا ژانویه 2024 اعلام شد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.