Đang chuẩn bị liên kết để tải về tài liệu:
Xây dựng phần cứng cho mạng nơron PCNN và ứng dụng trong rút trích đặc trưng ảnh
Đang chuẩn bị nút TẢI XUỐNG, xin hãy chờ
Tải xuống
Bài viết Xây dựng phần cứng cho mạng nơron PCNN và ứng dụng trong rút trích đặc trưng ảnh trình bày kết quả nghiên cứu mô hình PCNN và ứng dụng mô hình trong rút trích đặc trưng ảnh và nhận dạng ảnh. Mô hình PCNN đề xuất sẽ được kiểm chứng bằng kết quả mô phỏng trên phần mềm Matlab và sau đó tiến hành thiết kế phần cứng cho mạng nơron PCNN dựa trên công nghệ FPGA. | 5 XÂY DỰNG PHẦN CỨNG CHO MẠNG NƠRON PCNN VÀ ỨNG DỤNG TRONG RÚT TRÍCH ĐẶC TRƯNG ẢNH A HARDWARE IMPLEMENTATION OF PULSE COUPLED NEURAL NETWORK PCNN FOR IMAGE FEATURE EXTRACTION Nguyễn Ngọc Hùng Hoàng Trọng Thức Bùi Trọng Tú Trường Đại học Khoa học Tự Nhiên ĐHQG HCM TÓM TẮT Pulse Couple Neural Network PCNN là mô hình mạng nơron nhân tạo được phát minh dựa trên mô hình vỏ não thị giác của động vật. So với các phương pháp xử lý ảnh truyền thống PCNN có những ưu điểm như không cần tập dữ liệu huấn luyện bất biến với các phép biến đổi hình học của ảnh chống nhiễu mạnh độ ổn định cao. Trong bài báo này nhóm tác giả sẽ trình bày kết quả nghiên cứu mô hình PCNN và ứng dụng mô hình trong rút trích đặc trưng ảnh và nhận dạng ảnh. Mô hình PCNN đề xuất sẽ được kiểm chứng bằng kết quả mô phỏng trên phần mềm Matlab và sau đó tiến hành thiết kế phần cứng cho mạng nơron PCNN dựa trên công nghệ FPGA. Kết quả minh họa là khối rút trích đặc trưng của ảnh với ngõ ra là các vector đặc trưng. Lỗi bình phương trung bình MSE giữa vector đặc trưng của ảnh ở ngõ vào và vector đặc trưng chuẩn được dùng như là một tiêu chuẩn để nhận dạng phân loại ảnh. Ảnh được sử dụng ở đây là các ảnh mức xám. Kết quả thực nghiệm thu được trên phần mềm Matlab và trên cơ sở phần cứng hoàn toàn tương đồng nhau. Từ khóa PCNN vector đặc trưng MSE ABSTRACT Couple Pulse Neural Network PCNN is the artificial neural network model was invented based on the visual cortex model of animals. Compared with other traditional processing methods PCNN has some advantages such as not require training data invariant to geometrical transformations of an image robust against noise highly stable structure. In this paper the authors present results of a research on PCNN model and its applications in image feature extraction and image recognition. The proposed PCNN model is verified by the simulation results obtained from both Matlab software and FPGA implemetation. The demonstration is an image feature extraction block whose output