KR100920229B1 - Ｂｐ의 고속 시스톨릭 어레이 시스템과 이를 이용한 메시지처리 방법 - Google Patents

Ｂｐ의 고속 시스톨릭 어레이 시스템과 이를 이용한 메시지처리 방법 Download PDF

Info

Publication number
KR100920229B1
KR100920229B1 KR1020070064351A KR20070064351A KR100920229B1 KR 100920229 B1 KR100920229 B1 KR 100920229B1 KR 1020070064351 A KR1020070064351 A KR 1020070064351A KR 20070064351 A KR20070064351 A KR 20070064351A KR 100920229 B1 KR100920229 B1 KR 100920229B1
Authority
KR
South Korea
Prior art keywords
message
layer
buffer
node
processing
Prior art date
Application number
KR1020070064351A
Other languages
English (en)
Other versions
KR20090000347A (ko
Inventor
정홍
박성찬
Original Assignee
포항공과대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 포항공과대학교 산학협력단 filed Critical 포항공과대학교 산학협력단
Priority to KR1020070064351A priority Critical patent/KR100920229B1/ko
Priority to PCT/KR2008/003277 priority patent/WO2009002031A2/en
Publication of KR20090000347A publication Critical patent/KR20090000347A/ko
Application granted granted Critical
Publication of KR100920229B1 publication Critical patent/KR100920229B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F15/00—Digital computers in general; Data processing equipment in general
    • G06F15/16—Combinations of two or more digital computers each having at least an arithmetic unit, a program unit and a register, e.g. for a simultaneous processing of several programs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/29—Graphical models, e.g. Bayesian networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Image Processing (AREA)

Abstract

본 발명은 큰 메모리 용량과 계산량이 큰 종래의 BP(Belief propagation)와 달리 적은 메모리 용량으로 고속으로 처리할 수 있는 BP의 고속 시스톨릭 어레이(Systolic Array) 시스템과 이를 이용한 메시지 처리 방법에 관한 것이다. 이를 위하여 본 발명은 말콥랜덤필드(MRF) 네트워크를 반복 축으로 고려하여 다이나믹 베이지안 네트워크로 변환하고, MRF 상의 임의의 축 방향으로 스캐닝하면서 상기 다이나믹 베이지안 네트워크 상의 메시지를 업데이트시키며, 다이나믹 베이지안 네트워크를 반복별 노드의 위치를 스캐닝 축 방향으로 기울이는 레이어 변환 방식에 의해 변환시키고, 변환된 네트워크에서의 노드들을 다수의 그룹으로 분할한 후 분할된 그룹을 상기 MRF 내의 상기 축 방향으로 순차적으로 처리하는 것을 특징으로 한다.
이와 같이, 본 발명은 기존의 BP기반 시스템에 비해 메모리 리소스가 매우 적게 들고, 이웃한 프로세서들끼리 데이터를 주고 받는 시스톨릭 어레이 계산 구조를 가지기 때문에 VLSI 내 분산 메모리를 이용한 병렬 구현에 적합할 뿐만 아니라 칩 내의 병렬 프로세서들이 동시에 동작할 시 고속으로 데이터를 처리할 수 있다.

Description

ＢＰ의 고속 시스톨릭 어레이 시스템과 이를 이용한 메시지 처리 방법{FAST SYSTOLIC ARRAY SYSTEM OF A BELIEF PROPAGATION AND METHOD FOR PROCESSING A MESSAGE USING THE SAME}
도 1은 레귤러 어레이 구조를 가지는 MRF 네트워크 및 기존의 BP 업데이트 구조를 도시한 도면이며,
도 2는 도 1의 노드별 메시지의 매 반복에 대응되는 레이어 구조를 도시한 도시한 도면이며,
도 3은 도 2에 도시된 구조의 레이어 변환된 FBP(Fast Belief Propagation) 구조 및 메시지 업데이트 시퀀스를 설명하기 위한 도면이며,
도 4는 도 3을 다른 측면에서 본 시퀀스를 설명하기 위한 도면이며,
도 5는 본 발명의 바람직한 실시 예에 따른 BP의 고속 시스톨릭 어레이 시스템을 도시한 블록도이며,
도 6은 도 5의 FBP 모듈 내부를 도시한 블록도이며,
도 7은 본 발명에 따른 메시지 업데이트를 위한 그룹내에서 병렬 계산 과정을 도시한 도면이며,
도 8은 도7의 FBP 시퀀스를 설명하기 위한 도면이며,
도 9는 본 발명이 적용된 일 예로서 FBP 병렬 매칭 시스템을 도시한 도면이 며,
도 10은 도 9의 프로세서 내부 구조 및 처리 과정을 설명하기 위한 도면이며,
도 11은 본 발명에 따른 메시지 업데이트를 위한 그룹 내에서 순차적 계산 과정을 설명하기 위한 흐름도이며,
도 12는 레이어 변환 전후 구조에서의 메시지 업데이트 과정을 도시한 도면이며,
도 13은 본 발명에 따른 레이어 변환 구조에서의 데이터 코스트를 읽는 과정을 도시한 도면이다.
본 발명은 레귤러 어레이 구조를 가지는 MRF(Markov Random Field) 네트워크 상에서 메시지 처리에 관한 것으로, 특히, BP(Belief Propagation)의 고속 시스톨릭 어레이(Systolic Array) 시스템과 이를 이용한 메시지 처리 방법에 관한 것입니다.
일반적으로, BP는 통신 시스템, 영상처리 등 광범위하게 이용되고 있다. 시스템을 확률 모델의 네트워크로 생각하게 되면, 각 노드별로 추정하고자 하는 히든 스테이트(Hidden state)를 할당하고, 각 노드별 관계를 확률 모델로 설정하게 되면 BP기법을 통해 여러 번의 반복(iteration)을 한 이후에 MAP(Maximum a posteriori) 스테이트를 구할 수 있다.
하지만 BP는 로우 레벨 비젼(low level vision)의 영상처리의 경우 즉 모션 추정이나 스테레오 매칭, 칼라 영상 세그멘테이션(segmentation)은 각 픽셀별로 노드가 할당이 되고 각 노드별로 모션 벡터나 양안차, 세그멘테이션 레이블 등을 추정해야 되므로 많은 노드수로 인해 탁월한 낮은 에러 성능에 비해 처리시간이 많이 걸리게 된다.
또한, 많은 노드수를 처리함에 있어서 저장해야할 메시지가 증가되기 때문에 고용량 메모리가 필요하다는 단점이 있다.
종래의 BP 방식으로는 연구논문 "P.F. Felzenszwalb and D.R. Huttenlocher. Efficient belief propagation for early vision. In Proceedings of the 2004 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, number 1, pages I261 ~ I268, 2004."를 예로 들 수 있다.
종래의 BP는, 도 1에 도시된 바와 같이, 음성이나 영상의 픽셀에 대응되는 노드들이 정규적으로 연결되어 있을 때(음성은 한쪽 축이 시간축이 된다), 2D MRF 네트워크를 생각할 수 있다.
2D 벡터를 엘리멘트
Figure 112007047305460-pat00002
를 이용하여
Figure 112007047305460-pat00003
로 표기한다. 노드 위치를 2D 벡터
Figure 112007047305460-pat00004
로 표기하고
Figure 112007047305460-pat00005
by
Figure 112007047305460-pat00006
MRF에서 BP는 아래와 같다.
BP는 크게 메시지 계산방법에 따라 MAP 스테이트를 추정하는 "Maxproduct 방식"과 "Marignal probability"를 구하는 "Sumproduct"방식으로 나뉘어 지는데 여기 서는 Maxproduct 방식으로 설명한다.
먼저, 도 1에 도시된 바와 같이, MRF 그래프 상에서 각 노드에 히든 스테이트
Figure 112007047305460-pat00007
에 대하여 데이터 코스트
Figure 112007047305460-pat00008
와 각 에지에 히든 스테이트
Figure 112007047305460-pat00009
에 대하여 에지 코스트
Figure 112007047305460-pat00010
가 할당이 될 때, 아래 수학식1과 같이 MRF 네트워크 전체 코스트합를 최소화 하는 스테이트를 BP를 통해서 근사화 (Approximnation)된 솔루션을 구할 수 있다.
Figure 112007047305460-pat00011
메시지 계산과정은 아래의 수학식2와 같다.
Figure 112007047305460-pat00012
여기서,
Figure 112007047305460-pat00013
는 이웃한 노드들을 나타내고,
Figure 112007047305460-pat00014
는
Figure 112007047305460-pat00015
의 이웃한 노드들 중
Figure 112007047305460-pat00016
를 제외한 노드를 나타내며,
Figure 112007047305460-pat00017
는
Figure 112007047305460-pat00018
에서
Figure 112007047305460-pat00019
로 전달되는 메시지를 나타낸다.
BP 업데이트 구조에서와 같이 메시지
Figure 112007047305460-pat00020
는
Figure 112007047305460-pat00021
의 이웃한 노드들 중
Figure 112007047305460-pat00022
가 아닌 노드로부터 전달되는 메시지를 더하고 데이터 코스트를 더한 다음 에지 코스트를 추가하여 계산된다.
Figure 112007047305460-pat00023
는 정규화 파라미터로서 각 노드별 메시지의 전체 스테이트 코스트의 평균값에 해당된다.
메시지
Figure 112007047305460-pat00024
은 매 반복마다 계산되어
Figure 112007047305460-pat00025
에서
Figure 112007047305460-pat00026
로 전달된다.
아래 식과 같이 최종 반복 주기(T)에서 이웃한 노드 메시지를 더하여 최소 코스트를 가지는 스테이트를 각 노드
Figure 112007047305460-pat00027
별로 결정하여 MAP 스테이트가 아래의 수학식3으로 추정된다.
Figure 112007047305460-pat00028
스테이트 수를 S개, 스테이트 코스트 크기가 B 비트 일 때 전체 메시지 메모리 크기는 4
Figure 112007047305460-pat00029
bit가 되고 데이터 코스트 메모리는
Figure 112007047305460-pat00030
bit이다. 합한 전체 메모리 크기는 5
Figure 112007047305460-pat00031
bit가 된다.
상기와 같이 종래의 BP 방법은 탁월한 낮은 에러 성능에 비해 MRF상의 히든 스테이트를 추정하기 위해서 대용량 메모리를 이용하여 장시간의 계산을 필요로 한다. 고속화 하기위해 여러 병렬 프로세서들이 대용량 메모리를 억세스하게 되면 데이터 버스 대역폭이 크게 증가 하게 되는 문제점이 있다.
본 발명의 목적은 이와 같은 종래 기술의 문제점을 해결하기 위한 것으로, 메시지 처리 시퀀스를 기존의 반복 기법에서 MRF를 한 방향으로 스캐닝하는 기법에 의해 메모리 크기를 크게 줄일 수 있으며 VLSI내에 이러한 소형 분산 메모리를 억 세스하는 방식으로 처리할 수 있는 BP의 고속 시스톨릭 어레이 시스템과 이를 이용한 메시지 처리 방법을 제공한다.
상기와 같은 목적을 달성하기 위하여 본 발명에 따른 BP의 고속 시스톨릭 어레이 시스템은, 말콥랜덤필드(MRF) 상 다수의 노드들에 대한 데이터 코스트를 계산하는 데이터 코스트 모듈과, 상기 말콥랜덤필드에 대해서 BP(Belief Propagation)에 의해 반복할 때마다 계산되는 노드별 메시지 값들을 누적시키며, 상기 반복 시 상기 노드별 메시지 값이 누적되는 방향을 레이어라고 할 때, 상기 레이어를 고려한 다이나믹 베이지안 네트워크를 생성하고, 상기 말콥랜덤필드 상 임의의 축 방향으로 상기 생성된 다이나믹 베이지안 네트워크 내 상기 각 노드들의 레이어별 메시지 값과 상기 데이터 코스트를 스캐닝하여 상기 각 노드들의 레이어별 메시지 값과 최종 레이어의 메시지 값을 계산하는 FBP 모듈을 포함한다.
다른 견지에서의 본 발명에 따른 BP의 고속 시스톨릭 어레이 시스템의 메시지 처리 방법은, 다수의 노드로 구성되는 말콥랜덤필드(MRF)에 대해서 BP(Belief Propagation)에 의해 반복할 때마다 계산되는 노드별 메시지 값들을 누적시키며, 상기 반복 시 상기 노드별 메시지 값이 누적되는 방향을 레이어라고 할 때, 상기 레이어를 고려하여 다이나믹 베이지안 네트워크를 생성하는 단계와, 상기 말콥랜덤필드 상 임의의 축 방향으로 상기 생성된 다이나믹 베이지안 네트워크 내 상기 노드들의 메시지 값을 스캐닝하여 상기 노드들의 레이어별 메시지 값과 최종 레이어의 메시지 값을 계산하는 단계를 포함한다.
이하 첨부된 도면을 참조하여 본 발명의 동작 원리를 상세히 설명한다. 하기에서 본 발명을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 2는 도 1의 노드별 메시지의 매 반복에 대응되는 레이어 구조를 도시한 도시한 도면이며, 도 3은 도 2에 도시된 구조의 레이어 변환된 FBP(Fast Belief Propagation) 구조 및 메시지 업데이트 시퀀스를 설명하기 위한 도면이다.
본 발명에서는 도 1에 도시된 MRF 네트워크 구조를 반복(iteration) 축을 고려하여 다이나믹 베이지안 네트워크(Dynamic bayesian network)로 구성한다. 즉, 도 2에 도시된 바와 같이, 도 1의 MRF 네트워크 구조를 각각의 노드에서 메시지 계산을 반복할 때마다 각 노드에 대해 레이어를 쌓아가는 다이나믹 베이지안 네트워크로 구성한다. 이때, t 반복을
Figure 112009012819947-pat00032
레이어로 고려한다.
Figure 112007047305460-pat00033
번째 반복 레이어에서 각각 노드의 좌표를
Figure 112007047305460-pat00034
로 표현할 때 다이나믹 베이지안 네트워크를 각 반복별 노드의 위치를 스캐닝 축방향
Figure 112007047305460-pat00035
으로 기울이는 레이어 변환식은 아래의 수학식 4와 같다.
Figure 112007047305460-pat00036
Figure 112007047305460-pat00037
Figure 112007047305460-pat00038
, ()
상기의 수학식 4에 맞춰
Figure 112007047305460-pat00039
노드들을 수직으로 재배열하면, 도 3에 도시된 바와 같으며, MRF 네트워크 상에서 같은 노드에 대응되는 노드
Figure 112007047305460-pat00040
와 이전 반복 레이어 노드
Figure 112007047305460-pat00041
간의 관계를 상기 수학식 4를 토대로 정리하면 아래의 수학식 5와 같다.
Figure 112007047305460-pat00042
위의 수학식 5에서 알 수 있듯이, MRF 네트워크상에서 같은 노드에 대응되는 노드
Figure 112007047305460-pat00043
와 이전 반복 레이어 노드
Figure 112007047305460-pat00044
는 레이어 구조상에서 오프셋
Figure 112007047305460-pat00045
만큼 차이가 난다.
이와 같이 다이나믹 베이지안 네트워크 구조에서 병렬처리될 수 있는 부분을 그룹으로 묶고 이 그룹 안에서 레이어별로 병렬 처리하여 각 노드들의 메시지를 산출한다. 즉, 같은 그룹 내에 있을 때는 이전 레이어의 로컬 버퍼(local buffer)의 메시지를 읽어 들이고, 이웃한 그룹에서 읽어야 할 때는 이전에 처리된 그룹에서 저장된 레이어 버퍼(layer buffer)로부터 메시지가 읽어진다.
즉, 도 3에 도시된 바와 같이, 이전 처리된 그룹(이하, 이전 그룹이라함)(300)인 경우 이전 그룹(300) 내의 각 레이어별 노드들의 메시지는 레이어 버퍼에 저장되어 있으며, 이때 레이어 버퍼 내에 저장된 정보는 이전 그룹(300)이
Figure 112007047305460-pat00046
양의 축방향으로, 즉 오른쪽으로 쉬프트되면서 최종 반복된 메시지가 스캐닝 방식에 의해 계산되어 업데이트된다. 처리 그룹(310)내의 각 노드상에서 병렬로 메시지가 계산이 된 다음 로컬 버퍼에 저장되고, 로컬 버퍼에 저장된 메시지는 그룹 내 상위 레이어의 노드들을 처리하기 위해 이용된다. 로컬 버퍼에 저장된 메시지는 레이어 버퍼에 저장되어 다음 처리 그룹에서의 메시지 처리에 이용된다.
즉, 도 3의 (a)에 도시된 바와 같이, 레이어 버퍼에 저장되는 메시지 부분인 이전 그룹(300)은 노드가 0, 1(
Figure 112007047305460-pat00047
= 0, 1)인 부분이고, 처리 그룹(310)은 노드가 2, 3, 4(
Figure 112007047305460-pat00048
= 2, 3, 4)인 부분일 경우 이전 그룹(300)의 각 레이어별 노드들에 대한 메시지는 레이어 버퍼에 저장되어 있으며, 처리 그룹(310)에서 1번째 레이어의 각 노드들에 대한 메시지는 로컬 버퍼에 저장되어 있다.
이후, 처리 그룹(310) 내의 2번째 레이어(현재 레이어)의 각 노드들에 대한 메시지는 종래의 BP 방식을 이용하되, 로컬 버퍼에 저장된 이전 레이어(1번째 레이어)의 각 노드들에 대한 메시지와 레이어 버퍼에 저장된 메시지를 이용하여 계산되며, 이때 로컬 버퍼는 계산된 2번째 레이어의 각 노드들에 대한 메시지에 의해 업데이트 되어 상위 레이어(3번째 레이어) 처리에 이용되고, 레이어 버퍼에 저장되어 다음 처리 그룹에 이용된다.
도 3의 (b)에 도시된 바와 같이, 상기와 같은 방법으로 처리 그룹(310)의 최상위 레이어, 즉 3번째 레이어의 각 노드들에 대한 메시지 처리가 완료되면, 도 3의 (c)에 도시된 바와 같이, 레이어 버퍼에는 이전 처리 그룹(310)에서 다음 처리 그룹(320)의 인접 영역(310a)인 레이어 0, 1, 2의 노드가 3, 4에 대한 메시지가 저장된다.
레이어 버퍼와 다음 처리 그룹(320)에 의해서 재설정된 로컬 버퍼를 이용하여 다음 처리 그룹(320)의 각 레이어별 노드들의 메시지를 산출한다.
도 4에 도시된 바와 같이, MRF 상에서 그룹내의 병렬 프로세서들은 동시에 수행이 되면서 그룹은 각
Figure 112009012819947-pat00049
좌표 마다 병렬로 처리되어
Figure 112009012819947-pat00050
의 양의 축방향으로 스캐닝하게 된다. 그룹내의 각 레이어별 프로세서는 병렬로 처리되고 그룹은 순차적으로 스캐닝 된다. 현재 처리 그룹내에서 다음 그룹에 인접한 영역의 각 레이어별 메시지가 레이어 버퍼(굵은 선으로 표시됨)내에 저장이 되는데, 레이어 버퍼에 저장된 메시지는 다음 처리 그룹에서 이용된다. 이러한 방식으로 그룹내의 L번 반복 레이어에서의 MRF 히든 스테이트 결정값(최종 레이어의 메시지 값)이 구해지게 된다.
본 발명에 따르면, 새로운 네트워크의 스캐닝 스퀀스를 통해서 작은 크기의 레이어 버퍼와 로컬 버퍼에 의해 처리가 되면서 결과적으로 기존의 BP 방법과 동일한 출력 결과를 얻을 수 있다.
도 5는 본 발명의 바람직한 실시 예에 따른 FBP 스캐닝 시스템인 병렬 매칭 시스템을 도시한 블록도로서, 입력 영상이나 음성 신호를 입력 받아 MRF상의 데이터 코스트를 계산하는 데이터 코스트 모듈(500)과 데이터 코스트 모듈(500)에서 계산된 데이터 코스트를 이용하여 FBP 스캐닝 시퀀스를 수행함으로서, 고속 병렬로 메시지값과 MRF 히든 스테이트 결정값을 출력하는 FBP 모듈(510)로 구성된다.
데이터 코스트 모듈(500)은 응용분야에 따라서 다른 입력 신호를 받아서 그에 맞게 코스트값들을 계산한다. 예컨대 스테레오 비전일 경우는 좌우 영상을 입력으로 하여 각 양안차 레벨별로 대응되는 픽셀값의 절대값 차이가 되고, 모션 예측과 같은 경우에는 서로 다른 시간의 프레임 영상을 입력으로 받아서 모션 벡터의 스테이트별 대응되는 픽셀값의 절대값 차이가 되며, 음성인식과 같은 경우에는 다른 음소별 음성 코스트값이 된다.
상기와 같이 FBP 스캐닝 시퀀스를 수행하는 FBP 모듈(510)은, 도 6에 도시된 바와 같이, 그룹들 중 처리 그룹과 인접한 이전 그룹에 속한 노드들의 메시지 및 데이터 코스트가 저장된 레이어 버퍼(600)와, 처리 그룹에서 현재 레이어를 처리하기 위한 이전 레이어에 해당되는 노드들의 메시지 및 데이터 코스트가 저장된 로컬 버퍼(610)와, 그룹에 대한 레이어별 메시지 업데이트 수행 시작 전에 그룹 초기화를 수행하는 그룹 초기화부(620), 그룹 내 레이어별로 메시지 업데이트를 수행하는 메시지 업데이트 부(630) 및 메시지 업데이트 부(630)로부터 메시지를 제공받아 최종 레이어에서 히든 스테이트(최종 레이어에서의 메시지 값)를 추정하는 스테이트 결정부(640)를 포함한다.
메시지 업데이트 부(630)는 레이어 버퍼(600) 및 로컬 버퍼(610)로부터 데이터 코스트와 메시지를 제공받은 후 이를 토대로 처리 그룹 내 현재 레이어의 노드들의 메시지 업데이트를 수행하며, 로컬 버퍼(610)와 레이어 버퍼(600)로부터 처리 그룹 내 현재 레이어의 이전 레이어에 대한 데이터 코스트와 메시지를 제공받아 처리 그룹의 레이어별 노드들의 메시지를 계산한 후 이를 로컬 버퍼(610)에 저장하는 메시지 계산부(632)와, 로컬 버퍼(610)에 저장된 이전 레이어 메시지를 레이어 버퍼(600)에 저장하는 버퍼 업데이트부(634)를 구비한다.
메시지 계산부(632)에서 제공받는 이전 레이어에 대한 데이터 코스트 및 메시지는 레이어 변환에 의해서 이전 레이어 또는 이전 그룹에서 처리된 메시지이며, 메시지 계산 시 이전 레이어의 메시지나 데이터 코스트가 처리 그룹 내인 경우 로컬 버퍼(610)를 억세스하고, 처리 그룹 밖에 있으면 레이어 버퍼(600)를 억세스한다.
버퍼 업데이트부(634)는 처리 그룹에 대한 메시지 업데이트가 완료되면, 처리 그룹의 다음 처리 그룹에 인접한 그룹(메시지 업데이트가 완료된 처리 그룹)의 노드 상 메시지 및 데이터 코스트를 레이어 버퍼(600)에 저장함으로서, 레이어 버 퍼(600)를 업데이트시킨다.
스테이트 결정부(640)는 레이어 버퍼(600)와 로컬 버퍼(610)에 저장된 메시지와 데이터 코스트를 이용하여 최종 레이어의 히든 스테이트를 결정한다.
Figure 112007047305460-pat00051
by
Figure 112007047305460-pat00052
MRF 네트워크에서
Figure 112007047305460-pat00053
by
Figure 112007047305460-pat00054
(
Figure 112007047305460-pat00055
=
Figure 112007047305460-pat00056
)프로세서들이 병렬로 처리될 때, 데이터 코스트 모듈(500)에서 산출된 데이터 코스트들을 이용한 FBP 모듈(510)이 FBP 스캐닝 시퀀스를 수행하는 과정에 대해 도 7 및 도 8을 참조하여 설명한다.
도 7 및 도 8을 참조하면, 전체 MRF 네트워크를 다이나믹 베이지안 네트워크로 구성한 후 다이나믹 베이지안 네트워크를 다수의 그룹으로 나눈 다음, 즉 그룹 수(
Figure 112007047305460-pat00057
)를 결정한 다음(S700), 첫 번째 그룹(
Figure 112007047305460-pat00058
=0) 내의 각 레이어별 노드들에 대한 메시지를 업데이트를 수행하는데, 이에 대한 과정을 설명하면 아래와 같다.
먼저, 첫 번째 그룹(
Figure 112007047305460-pat00059
=0)(S702)에서 첫 번째 레이어(
Figure 112007047305460-pat00060
=1)(S704)의 각 노드들에 대한 메시지값을 설정하는데, 먼저 그룹 초기화부(620)는 첫 번째 그룹에 대한 초기화 과정(S706)을 통해 그룹 내 데이터 코스트값을 데이터 코스트 모듈(500)로부터 읽어드리고, 메시지값을 기 설정된 값, 예컨대 "0"으로 초기화시킨다.
그런 다음, 메시지 계산부(632)는 첫 번째 그룹 내의 첫 번째 레이어에 해당되는 노드들의 메시지값을 업데이트(S708)시킨 후
Figure 112007047305460-pat00061
이 L(최종 레이어값)보다 작 은지를 판단, 즉 첫 번째 그룹 내의 각 레이어별 노드들의 메시지값에 대한 업데이트가 완료되었는지를 판단한다(S710).
S710의 판단 결과,
Figure 112007047305460-pat00062
이 L보다 작은 경우 두 번째 레이어(
Figure 112007047305460-pat00063
=
Figure 112007047305460-pat00064
+1)(S712)의 노드들에 대한 메시지값을 업데이트시키는 과정, 즉 S708 과정을 수행한 후 S710으로 진행한다.
S710의 판단 결과, 첫 번째 그룹 내의 레이어
Figure 112007047305460-pat00065
별 메시지값 업데이트가 완료, 즉
Figure 112007047305460-pat00066
이 L보다 크거나 같은 경우 스테이트 결정부(640)는 최종 레이어(L)에서 스테이트 측정(state_estimation) 기능이 수행되어 MAP 히든 스테이트를 추정한다(S712).
그런 다음, 스테이트 추정부(630)는 MAP 히든 스테이트 추정을 위한 그룹(
Figure 112007047305460-pat00067
)이 더 존재하는지를 판단한다(S714).
S714의 판단 결과, MAP 히든 스테이트 추정을 위한 그룹이 존재하는 경우 두 번째 그룹(
Figure 112007047305460-pat00068
=
Figure 112007047305460-pat00069
+1)(S716)에 대한 각 레이어별 노드들의 메시지값을 업데이트시킴과 더불어 최종 레이어(L)에 대한 MAP 히든 스테이트를 추정한다.
이와 같이, 본 발명에 따르면, 종래의 BP 알고리즘과 달리 다이나믹 베이지안 네트워크를 다수의 그룹을 나눈 후 반복을 그룹 내에서 수행하게 된다.
본 발명에서의 MAP 스테이트(
Figure 112007047305460-pat00070
) 및 메시지(
Figure 112007047305460-pat00071
)를 계산하기 위해서 필요한 것은 에지 코스트(
Figure 112007047305460-pat00072
), 데이터 코스트(
Figure 112007047305460-pat00073
) 및 이웃한 메시지 (
Figure 112007047305460-pat00074
)이다.
에지 코스트(
Figure 112007047305460-pat00075
)는 상기에서 설명한 FBP 스캐닝 시퀀스에 맞추어서 읽어 들이거나 에지 코스트(
Figure 112007047305460-pat00076
)가 노드 위치에 영향을 받지 않는 콘스턴트 파라미터 함수일 경우 결정된 파라미터를 이용하여 미리 계산하는 방식으로 하면 따로 읽어 들일 필요가 없다. 즉, 모션추출(motion estimation)이나 스테레오 매칭에서 처럼 에지 코스트(
Figure 112007047305460-pat00077
)가 파리미터(
Figure 112007047305460-pat00078
)를 이용하여 "truncated linear function" 인 "
Figure 112007047305460-pat00079
"을 사용하게 되기 때문에 별도의 메모리가 필요하지 않다.
FBP 모듈(510) 내의 그룹 초기화부(620), 메시지 계산부(632) 및 버퍼 업데이트부(634)가 메시지를 계산하고 그룹을 초기화하는 과정에 대해 설명하면 아래와 같다.
그룹 초기화부(620)는 그룹내의 데이터 코스트값을 데이터 코스트 모듈(500)로부터 읽어 들이고, 메시지를 초기화하는데, 이때
Figure 112007047305460-pat00080
노드 데이터 코스트는 그룹 인덱스
Figure 112007047305460-pat00081
와 그룹 로컬 인덱스
Figure 112007047305460-pat00082
를 이용하여
Figure 112007047305460-pat00083
와 같이 계산된다.
메시지 계산부(632)가 메시지를 업데이트하고, 스테이트를 결정하는 과정에서 유의할 점은, 상기 수학식 3에서처럼 다른 반복 레이어 사이에서 기존 MRF에 동일하게 대응되는 노드가 상기 수학식 3의 레이어 변환에 의해 오프셋
Figure 112007047305460-pat00084
만큼 차이가 난다는 것이다. 따라서 레이어 변환에 의하여
Figure 112007047305460-pat00085
는
Figure 112007047305460-pat00086
로 바뀌어 진다.
메시지 계산부(632)가 레이어 및 로컬 버퍼(600 및 610)를 억세스하는 방법에 대해 설명하면 아래와 같다.
본 발명에서 그룹 상의 노드를 나타내는 로컬 인덱스
Figure 112007047305460-pat00087
가
Figure 112007047305460-pat00088
의 범위의 값을 가지는데, 로컬 인덱스(
Figure 112007047305460-pat00089
)가 그룹 내에 있으면, 즉
Figure 112007047305460-pat00090
이면, 이전 레이어 데이터 및 메시지 값을 로컬 버퍼(610)로부터 읽어 들이고
Figure 112007047305460-pat00091
이면, 이전 그룹에 해당되므로 레이어 버퍼(600)로부터 읽어 들인다.
데이터 코스트(
Figure 112007047305460-pat00092
)는 상기 수학식 4에 의해서 이전 레이어
Figure 112007047305460-pat00093
에서 읽어들일 수 있다. 즉, 메시지와 같은 방식으로,
Figure 112007047305460-pat00094
이면 로컬 버퍼(610)에서 읽어 들이고,
Figure 112007047305460-pat00095
이면 레이어 버퍼(600)에서 읽어 들인다.
이와 같이, 메시지 계산부(632)에서 계산된 메시지는 로컬 버퍼(610)에 저장이 된다.
버퍼 업데이트부(634)가 레이어 버퍼(600)를 업데이트하는 과정에 대해 설명하면 아래와 같다.
상기에서 알 수 있듯이 현재 처리 그룹에서 계산된 메시지들 중에서 다음 처리 그룹 계산 시 필요한 메시지들이 레이어 버퍼(600)를 통해서 읽어진다. 즉
Figure 112007047305460-pat00096
인 메시지는 다음 그룹 연산에서
Figure 112007047305460-pat00097
인 인덱스를 사용하여 레이어 버퍼(600)로 통해서 억세스된다. 따라서 전자의 메지시를 후자의 레이어 버퍼(600)로 저장해 놓아야 된다.
데이터 코스트도 이러한 유형으로
Figure 112007047305460-pat00098
의 코스트가
Figure 112007047305460-pat00099
인덱스의 레이어 버퍼(600)로 저장이 된다.
스테이트 추정은
Figure 112007047305460-pat00100
레이어의 메시지
Figure 112007047305460-pat00101
를 이용하여,
Figure 112007047305460-pat00102
를 출력한다.
Figure 112007047305460-pat00103
는
Figure 112007047305460-pat00104
반복 시
Figure 112007047305460-pat00105
에 대응되는 MAP 스테이트가 된다.
이와 같이, 그룹 초기화, 메시지 계산, 메시지 업데이트를 함수로 표현하면 아래와 같다.
1. 그룹 초기화
for each parallel processor
Figure 112007047305460-pat00106
Figure 112007047305460-pat00107
Figure 112007047305460-pat00108
Figure 112007047305460-pat00109
2. 메시지 업데이트
a. 로컬 버퍼에서의 메시지 계산
for each parallel processor
Figure 112007047305460-pat00110
Figure 112007047305460-pat00111
Figure 112007047305460-pat00112
Figure 112007047305460-pat00113
end
b. 다음 그룹 처리를 위한 레이어 버퍼의 업데이트
ㄱ) 메시지 부분
for each layer buffer index
Figure 112007047305460-pat00114
Figure 112007047305460-pat00115
end
ㄴ) 데이터 코스트 부분
for each layer buffer index
Figure 112007047305460-pat00116
Figure 112007047305460-pat00117
end
3. 스테이트 추정
Figure 112007047305460-pat00118
상기와 같이 설명한 본 발명이 적용되는 예에 대해 도 9 내지 도 11를 참조하여 설명한다.
FBP 모듈(510)은, 도 9에 도시된 바와 같이, 다수개의 로컬 버퍼와 레이어 버퍼 및 버퍼들을 억세스하는 그룹 내의 시스톨릭 어레이 프로세서(PE)들로 구성된다. 여기서, FPB 모듈(510)에서 수행되는 FBP 스캐닝 시퀀스는 도 10과 같이 병렬 VLSI 구조로 구현되며, 여러 개의 시스톨릭 어레이 프로세서(PE)들이 이웃하는 프로세서의 로컬 버퍼 메시지값이나 레이어 버퍼의 메시지값을 읽어드려 병렬로 계산한다.
시스톨릭 어레이 프로세서(PE)에는 도 6에 도시된 바와 같이 메시지 업데이트 부(630) 및 스테이트 결정부(640)를 구비하고 있다.
한편, 도 11에 도시된 바와 같이, 개인용 컴퓨터(PC : Personal Computer)에서 레이어 및 로컬 버퍼로부터 메시지를 하나씩 순차적으로 읽어 들여 계산가능하다. 즉,
Figure 112007047305460-pat00119
=0,
Figure 112007047305460-pat00120
=0에서
Figure 112007047305460-pat00121
=
Figure 112007047305460-pat00122
,
Figure 112007047305460-pat00123
=
Figure 112007047305460-pat00124
까지의 대한 각 노드들의 메시지값은 개인용 컴퓨터의 레이어 및 로컬 버퍼로부터 메시지를 하나씩 순차적으로 읽어 들여 산출한 후 레이어 버퍼를 업데이트시킨다.
본 발명이 적용될 경우 메모리 크기 계산은 도 12 및 도 13을 참조하여 설명 하면 아래와 같다.
레이어 버퍼에 억세스되는 메시지는
Figure 112007047305460-pat00125
일 때이고, 도 12에 도시된 바와 같이
Figure 112007047305460-pat00126
일 때는 3개의 인접한 노드로부터 오는 세 방향의 각 메시지가 총
Figure 112007047305460-pat00127
개의 노드별로 필요하고,
Figure 112007047305460-pat00128
일 때는 한 방향 메지시만 있으면 되므로 레이어 마다 저장이 되는 총 메시지수는 4
Figure 112007047305460-pat00129
이 되므로, 전체 메시지를 위한 레이어 버퍼 크기는 스테이트 수를 S개, 스테이트 코스트 크기가 B bit를 일 때 4
Figure 112007047305460-pat00130
가 된다.
로컬 버퍼는 현재 레이어의 모든 방향의 메시지만을 저장하면 되므로 4
Figure 112007047305460-pat00131
가 된다. 따라서 메시지 메모리 크기는 4
Figure 112007047305460-pat00132
bit이다.
데이터 코스트 크기는 도 13에 도시된 바와 같이,
Figure 112007047305460-pat00133
인 경우만 고려하면 되므로 레이어 버퍼는
Figure 112007047305460-pat00134
이 되고 로컬 버퍼는
Figure 112007047305460-pat00135
가 된다. 따라서 데이터 코스트 메모리 크기는
Figure 112007047305460-pat00136
bit이다.
따라서 본 발명에 따른 전체 FBP 메모리 크기는 5
Figure 112007047305460-pat00137
bit가 된다.
기존의 BP 메모리 크기는 5
Figure 112007047305460-pat00138
bit 이므로
Figure 112007047305460-pat00139
일 때, FBP 메모리 크기는
Figure 112007047305460-pat00140
배 만큼 작아지는 것을 알 수 있다.
한편 본 발명의 상세한 설명에서는 구체적인 실시예에 관해 설명하였으나, 본 발명의 범위에서 벗어나지 않는 한도 내에서 여러 가지 변형이 가능함은 물론이 다. 그러므로 본 발명의 범위는 설명된 실시예에 국한되지 않으며, 후술되는 특허청구의 범위뿐만 아니라 이 특허청구의 범위와 균등한 것들에 의해 정해져야 한다.
본 발명에 있어서, 개시되는 발명 중 대표적인 것에 의하여 얻어지는 효과를 간단히 설명하면 다음과 같다.
본 발명은 MRF 상의 노드가 많을 경우에는 큰 메모리를 필요로 하며 계산량이 많아지는 종래의 BP 방식과 달리 데이터 코스트와 에지 코스트가 순차적으로 들어오면 이를 스캐닝 방법으로 고속으로 처리할 수 있을 뿐만 아니라 MRF 전체 노드를 반복적으로 억세스하지 않고 데이터 코스트와 에지 코스트값을 입력 받아서 스캐닝하듯이 한번에 스테이트를 계산함으로서, 작은 메모리의 효율적인 병렬구조를 가질 수 있는 잇점이 있다.
또한, 본 발명은 MRF 네트워크를 반복 축으로 고려하여 다이나믹 베이지안 네트워크로 변환한 후 MRF 상의 임의의 축 방향으로 스캐닝하면서 다이나믹 베이지안 네트워크 상의 메시지를 업데이트시킴으로서, 메모리 축소 효과에 의해 기존의 VLSI 칩 내에 병렬 구현이 불가능한 상황을 극복하여 VLSI 내부의 소형 분산 메모리를 억세스에 의해 고속으로 처리가 가능해 지는 잇점이 있다.
한편, 본 발명은 작은 메모리 리소스(resource)를 사용하여 고속 병렬 처리할 수 있는 구조를 가지므로, FPGA나 ASIC과 같은 적은 메모리의 소형 병렬 VLSI 칩으로 쉽게 제작할 수 있어 복잡한 영상처리 시스템을 고속 실시간으로 처리하면서 저가의 소형 장치로 제작할 수 있는 잇점이 있다.
본 발명은 반복이 적은 BP의 응용 분야, 예를 들면 빠르게 수렴하는 세크멘테이션(segmentation) 기법[Noam Shental and Assaf Zomet and Tomer Hertz and Yair Weiss, Pairwise Clustering and Graphical Models, "Advances in Neural Information Processing Systems 16", MIT Press, 2004]에 활용할 수 있을 뿐만 아니라 전체 영상이 10번 반복으로 충분한 전형적인 컷(Typical cut) 기반의 BP나 GBP기법에 적용할 경우 전체 640×480의 경우 및
Figure 112007047305460-pat00141
(480/11)일 때 44배의 메모리를 줄일 수 있다.
특히, 본 발명은 2D MRF 네트워크 상에서 모델링 될 수 있는 음성 및 영상등의 다양한 신호처리 분야에서 저가의 저전력 소형 시스템으로서 효용가치가 매우 크다.

Claims (28)

  1. 삭제
  2. 말콥랜덤필드(MRF) 상 다수의 노드들에 대한 데이터 코스트를 계산하는 데이터 코스트 모듈과,
    상기 말콥랜덤필드에 대해서 BP(Belief Propagation)에 의해 반복할 때마다 계산되는 노드별 메시지 값들을 누적시키며, 상기 반복 시 상기 노드별 메시지 값이 누적되는 방향을 레이어라고 할 때, 상기 레이어를 고려한 다이나믹 베이지안 네트워크를 생성하고, 상기 말콥랜덤필드 상 임의의 축 방향으로 상기 생성된 다이나믹 베이지안 네트워크 내 상기 각 노드들의 레이어별 메시지 값과 상기 데이터 코스트를 스캐닝하여 상기 각 노드들의 레이어별 메시지 값과 최종 레이어의 메시지 값을 계산하는 FBP 모듈
    을 포함하는 BP의 고속 시스톨릭 어레이 시스템.
  3. 삭제
  4. 제 2 항에 있어서,
    상기 FBP 모듈은,
    상기 다이나믹 베이지안 네트워크에서 메시지 값이 계산된 노드들을 이전 처리 그룹으로 하고, 상기 이전 처리 그룹을 토대로 처리하고자 하는 노드들을 처리 그룹으로 설정한 후 상기 이전 처리 그룹을 이용하여 상기 처리 그룹 내 노드들의 레이어별 메시지 값과 최종 레이어의 메시지 값을 계산하는 것을 특징으로 하는 BP의 고속 시스톨릭 어레이 시스템.
  5. 삭제
  6. 삭제
  7. 제 4 항에 있어서,
    상기 어레이 시스템은,
    상기 이전 처리 그룹의 메시지 값이 저장된 레이어 버퍼와,
    상기 처리 그룹에서 처리하고자 하는 레이어의 이전 레이어에 해당되는 메시지 값이 저장된 로컬 버퍼를 포함하며,
    상기 FBP 모듈은, 상기 레이어 버퍼 및 로컬 버퍼에 저장된 메시지 값을 이용하여 상기 처리 그룹 내 현재 레이어의 메시지 값을 업데이트시키는 BP의 고속 시스톨릭 어레이 시스템.
  8. 제 7 항에 있어서,
    상기 FBP 모듈은,
    상기 처리 그룹의 현재 레이어에 대한 메시지 값을 업데이트시키며, 상기 현재 레이어에 대한 메시지 값이 업데이트됨에 따라 상기 현재 레이어의 메시지 값을 상기 로컬 버퍼에 저장하는 메시지 계산부와,
    상기 로컬 버퍼에 저장된 이전 레이어 메시지 값을 상기 레이어 버퍼에 저장하는 버퍼 업데이트부
    를 구비하는 BP의 고속 시스톨릭 어레이 시스템.
  9. 삭제
  10. 삭제
  11. 제 8 항에 있어서,
    상기 버퍼 업데이트부는,
    상기 처리 그룹 내 노드의 레이어별 메시지 값에 대한 계산이 완료되면, 상기 로컬 버퍼에 저장된 메시지 값을 이용하여 상기 레이어 버퍼를 업데이트하는 BP의 고속 시스톨릭 어레이 시스템.
  12. 삭제
  13. 제 7 항에 있어서,
    상기 FBP 모듈은, 상기 로컬 버퍼, 상기 레이어 버퍼 및 상기 로컬 버퍼와 레이어 버퍼를 억세스하는 그룹 내의 시스톨릭 어레이 프로세서들로 구성되는 것을 특징으로 하는 BP의 고속 시스톨릭 어레이 시스템.
  14. 제 7 항에 있어서,
    상기 FBP 모듈은, 상기 로컬 버퍼, 상기 레이어 버퍼 및 상기 레이어 버퍼와 로컬 버퍼를 순차적으로 억세스하기 위한 하나의 프로세서로 구성되는 것을 특징으로 하는 BP의 고속 시스톨릭 어레이 시스템.
  15. 삭제
  16. 제 13 항 또는 제 14 항에 있어서,
    상기 레이어 버퍼는,
    상기 처리 그룹의 다음 그룹에 대한 메시지 값 계산에 필요한 상기 처리 그룹 내 각 노드의 레이어별 메시지 값들이 저장되어 있는 것을 특징으로 하는 BP의 고속 시스톨릭 어레이 시스템.
  17. 다수의 노드로 구성되는 말콥랜덤필드(MRF)에 대해서 BP(Belief Propagation)에 의해 반복할 때마다 계산되는 노드별 메시지 값들을 누적시키며, 상기 반복 시 상기 노드별 메시지 값이 누적되는 방향을 레이어라고 할 때, 상기 레이어를 고려하여 다이나믹 베이지안 네트워크를 생성하는 단계와,
    상기 말콥랜덤필드 상 임의의 축 방향으로 상기 생성된 다이나믹 베이지안 네트워크 내 상기 노드들의 메시지 값을 스캐닝하여 상기 노드들의 레이어별 메시지 값과 최종 레이어의 메시지 값을 계산하는 단계
    를 포함하는 BP의 고속 시스톨릭 어레이 시스템을 이용한 메시지 처리 방법.
  18. 삭제
  19. 삭제
  20. 제 17 항에 있어서,
    상기 메시지 값을 계산하는 단계는,
    상기 레이어별 노드의 위치를 상기 스캐닝하는 축 방향으로 기울이는 레이어 변환 방식에 의해 변환시켜 상기 다이나믹 베이지안 네트워크를 재구성하는 단계와,
    상기 재구성된 다이나믹 베이지안 네트워크를 다수의 그룹으로 분할하는 단계와,
    상기 분할된 그룹을 상기 스캐닝하는 상기 축 방향으로 순차적으로 처리하여 상기 레이어별 메시지 값과 최종 레이어의 메시지 값을 계산하는 단계
    를 포함하는 BP의 고속 시스톨릭 어레이 시스템을 이용한 메시지 처리 방법.
  21. 삭제
  22. 제 20 항에 있어서,
    상기 다이나믹 베이지안 네트워크를 재구성하는 단계는,
    상기 다이나믹 베이지안 네트워크의 각 노드들을 수학식(
    Figure 112009012819947-pat00142
    Figure 112009012819947-pat00143
    , (
    Figure 112009012819947-pat00144
    ),
    Figure 112009012819947-pat00145
    = 노드,
    Figure 112009012819947-pat00146
    = 레이어)에 의거하여 수직으로 재배열하는 상기 다이나믹 베이지안 네크워크를 재구성하는 것을 특징으로 하는 BP의 고속 시스톨릭 어레이 시스템을 이용한 메시지 처리 방법.
  23. 삭제
  24. 삭제
  25. 제 20 항에 있어서,
    상기 메시지 값을 계산하는 단계는,
    상기 그룹들 중 처리 그룹과 인접한 이전 그룹에 속한 노드의 레이어별 메시지값이 저장된 레이어 버퍼와 상기 처리 그룹에서 현재 레이어를 처리하기 위해 이전 레이어 노드들의 메시지 값이 저장된 로컬 버퍼를 이용하여 상기 처리 그룹 내노드들의 레이어별 메시지 값을 계산하는 것을 특징으로 하는 BP의 고속 시스톨릭 어레이 시스템을 이용한 메시지 처리 방법.
  26. 제 25 항에 있어서,
    상기 메시지 처리 방법은,
    상기 처리 그룹 내 노드들의 레이어별 메시지 값이 계산될 때 상기 계산된 메시지 값을 상기 로컬 버퍼에 저장하는 단계
    를 더 포함하는 BP의 고속 시스톨릭 어레이 시스템을 이용한 메시지 처리 방법.
  27. 삭제
  28. 제 25 항에 있어서,
    상기 메시지 처리 방법은,
    상기 처리 그룹 내 각 노드들의 레이어별 메시지 값이 업데이트된 후 다음 처리 그룹에 인접한 상기 처리 그룹 내 각 노드의 레이어별 메시지 값을 이용하여 상기 레이어 버퍼를 업데이트시키는 단계
    를 더 포함하는 BP의 고속 시스톨릭 어레이 시스템을 이용한 메시지 처리 방법.
KR1020070064351A 2007-06-28 2007-06-28 Ｂｐ의 고속 시스톨릭 어레이 시스템과 이를 이용한 메시지처리 방법 KR100920229B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020070064351A KR100920229B1 (ko) 2007-06-28 2007-06-28 Ｂｐ의 고속 시스톨릭 어레이 시스템과 이를 이용한 메시지처리 방법
PCT/KR2008/003277 WO2009002031A2 (en) 2007-06-28 2008-06-12 Belief propagation based fast systolic array system and message processing method using the same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020070064351A KR100920229B1 (ko) 2007-06-28 2007-06-28 Ｂｐ의 고속 시스톨릭 어레이 시스템과 이를 이용한 메시지처리 방법

Publications (2)

Publication Number Publication Date
KR20090000347A KR20090000347A (ko) 2009-01-07
KR100920229B1 true KR100920229B1 (ko) 2009-10-05

Family

ID=40186141

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020070064351A KR100920229B1 (ko) 2007-06-28 2007-06-28 Ｂｐ의 고속 시스톨릭 어레이 시스템과 이를 이용한 메시지처리 방법

Country Status (2)

Country Link
KR (1) KR100920229B1 (ko)
WO (1) WO2009002031A2 (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110011463A (ko) 2009-07-28 2011-02-08 엘지이노텍 주식회사 라이트 유닛 및 이를 구비한 표시장치
CN104156964B (zh) * 2014-08-14 2017-03-08 陈荣元 一种综合mrf和贝叶斯网络的遥感影像区域分割方法
CN106780120B (zh) * 2016-12-06 2018-03-27 广东电网有限责任公司电网规划研究中心 输变电工程造价指数处理方法和装置
CN108269273B (zh) * 2018-02-12 2021-07-27 福州大学 一种全景纵向漫游中极线匹配的置信传播方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR19980020997A (ko) * 1996-09-13 1998-06-25 반성범 이산 웨이브렛 변환을 위한 vlsi의 구조
EP1175104A2 (en) 2000-07-19 2002-01-23 Pohang University of Science and Technology Foundation Stereoscopic image disparity measuring system

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR19980020997A (ko) * 1996-09-13 1998-06-25 반성범 이산 웨이브렛 변환을 위한 vlsi의 구조
EP1175104A2 (en) 2000-07-19 2002-01-23 Pohang University of Science and Technology Foundation Stereoscopic image disparity measuring system

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
대한전자공학회논문지, 김봉겸 등, "신뢰확산 알고리듬을 이용한 그룹화 기반 스테레오 정합", 제42권, 제3호,1-6쪽, 2005년05월 발행.
통신정보보호학회논문지, 이건직 등, "시스톨릭 어레이상에서 고속 모듈러 지수 연산", Vol. 8, No. 1, 39-52쪽, 1998년03월 발행.

Also Published As

Publication number Publication date
KR20090000347A (ko) 2009-01-07
WO2009002031A9 (en) 2009-02-26
WO2009002031A2 (en) 2008-12-31

Similar Documents

Publication Publication Date Title
Blake et al. Markov random fields for vision and image processing
CN109948029B (zh) 基于神经网络自适应的深度哈希图像搜索方法
CN110322446B (zh) 一种基于相似性空间对齐的域自适应语义分割方法
JP3369520B2 (ja) 画像からの情景の推定方法
KR102313133B1 (ko) 컨벌루션 뉴럴 네트워크로부터 복수의 출력들의 앙상블을 이용하여 통합된 특징 맵을 제공하기 위한 방법 및 장치
CN113313810B (zh) 一种透明物体的6d姿态参数计算方法
CN113870335A (zh) 一种基于多尺度特征融合的单目深度估计方法
CN113449612B (zh) 一种基于子流型稀疏卷积的三维目标点云识别的方法
KR100920229B1 (ko) Ｂｐ의 고속 시스톨릭 어레이 시스템과 이를 이용한 메시지처리 방법
CN112560962B (zh) 骨骼动画的姿态匹配方法、装置、电子设备及存储介质
CN112215199B (zh) 基于多感受野与密集特征聚合网络的sar图像舰船检测方法
Park et al. Real-time stereo vision FPGA chip with low error rate
Paul et al. Visual precis generation using coresets
CN116612288B (zh) 一种多尺度轻量级实时语义分割方法、系统
CN112270259A (zh) 基于轻量级卷积神经网络的sar图像舰船目标快速检测方法
KR100920227B1 (ko) 신념 전파 기반의 고속 시스톨릭 어레이 장치 및 그 방법
CN113256793A (zh) 一种三维数据处理方法及系统
CN117522937A (zh) 面向全天候场景的自监督单目深度估计方法及装置
CN111275751A (zh) 一种无监督绝对尺度计算方法及系统
KR100971148B1 (ko) 밝기 조절을 통한 영상 정합을 위한 병렬 구조의 영상 처리장치 및 방법
CN114862692A (zh) 一种基于标准化流理论的三维点云去噪方法
CN110533749B (zh) 一种动态纹理视频生成方法、装置、服务器及存储介质
Carr et al. Solving multilabel graph cut problems with multilabel swap
Käck Robust stereo correspondence using graph cuts
Wu et al. Hardware-and memory-efficient architecture for disparity estimation of large label counts

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
LAPS Lapse due to unpaid annual fee