TWI685772B - 取得眼球追蹤位置的影像運算方法和其系統 - Google Patents

取得眼球追蹤位置的影像運算方法和其系統 Download PDF

Info

Publication number
TWI685772B
TWI685772B TW107141770A TW107141770A TWI685772B TW I685772 B TWI685772 B TW I685772B TW 107141770 A TW107141770 A TW 107141770A TW 107141770 A TW107141770 A TW 107141770A TW I685772 B TWI685772 B TW I685772B
Authority
TW
Taiwan
Prior art keywords
stage
feature
features
initial
tracking position
Prior art date
Application number
TW107141770A
Other languages
English (en)
Other versions
TW202020624A (zh
Inventor
簡韶逸
林裕盛
邱柏榕
Original Assignee
國立臺灣大學
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 國立臺灣大學 filed Critical 國立臺灣大學
Priority to TW107141770A priority Critical patent/TWI685772B/zh
Priority to CN201910138580.3A priority patent/CN111222390B/zh
Priority to US16/299,913 priority patent/US10895911B2/en
Application granted granted Critical
Publication of TWI685772B publication Critical patent/TWI685772B/zh
Publication of TW202020624A publication Critical patent/TW202020624A/zh

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/013—Eye tracking input arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
    • G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/19—Sensors therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/193—Preprocessing; Feature extraction

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Ophthalmology & Optometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Biomedical Technology (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Eye Examination Apparatus (AREA)
  • Image Analysis (AREA)

Abstract

一種取得眼球追蹤位置的影像運算方法和其系統，執行複數個特徵運算階段，當儲存單元暫存一眼球幀的子幀後即先運算抽取出子幀的始階段特徵，再將此些由運算子幀所得的始階段特徵進行至少一階段的運算後得到終階段特徵，運算終階段特徵後可取得一眼球追蹤位置資訊。儲存單元暫存子幀的方式和多特徵運算階段的處理方式可減少整個系統的耗電、硬體面積和延遲。

Description

取得眼球追蹤位置的影像運算方法和其系統
本發明是關於一種眼球追蹤的運算方法和其系統，尤其是關於一種取得眼球追蹤位置的影像運算方法和其系統。
視線追蹤是一種從眼睛影像獲取眼睛正在注視方向/位置的技術。由於視線追蹤元件/裝置通常是放置於眼睛周圍，故一般視線追蹤模組應具備低功耗、小面積、低延遲等特性以符合要求。然而，現有的技術通常需儲存取得完整的一眼睛影像幀(frame)之後才可計算眼球注視方向/位置。如此的技術功耗大且易產生延遲，需加以改進。
本發明提供一種針對省電需求設計之眼球追蹤特徵抽取以及對應硬體設計，採用多階段方法減低影像儲存單元的硬體面積需求和功耗，並且降低取得計算結果的延遲。
本發明提供一種針對省電需求設計之眼球追蹤特徵抽取以及對應硬體設計，通過部分幀來抽取必要資訊（特徵）的方法，取得部分幀時便計算第一階段特徵，之後再用第一階段合併出第二甚至第三階段特徵來計算後取得眼球注視方向/位置。
依據上述，一種取得眼球追蹤位置的影像運算方法，包括: 擷取一眼球幀，其中，該眼球幀包括複數個子幀；執行複數個特徵運算階段以取得一眼球追蹤位置資訊，其中，該些特徵運算階段至少包括一始階特徵運算階段和一終階特徵運算階段，該始階特徵運算階段包括運算出該些子幀的複數個始階段特徵，該終階特徵運算階段透過該些始階段特徵抽取出複數個終階段特徵；及運算該些終階段特徵以取得該眼球追蹤位置資訊。
依據上述，一種取得眼球追蹤位置的影像運算系統，包括: 一控制單元，提供一控制指令；一處理單元，依據該控制指令，對一眼球幀的複數個子幀執行複數個特徵運算階段以取得一眼球追蹤位置資訊，其中，該些特徵運算階段至少包括一始階特徵運算階段和一終階特徵運算階段，該始階特徵運算階段包括運算出該些子幀的複數個始階段特徵，該終階特徵運算階段透過該些始階段特徵抽取出複數個終階段特徵；及一儲存單元，用以儲存該些始階段特徵和終階段特徵。
一實施例中，該些子幀至少包括一第一子幀和一第二子幀，以及運算出該些始階段特徵的步驟包括: (1) 儲存該第一子幀資料於一儲存單位中；(2) 取得對應該儲存第一子幀資料的一前序特徵；(3) 刪除該儲存單位中的該儲存第一子幀資料；(4) 儲存該第二子幀資料於該儲存單位中；及(5) 取得對應該儲存第二子幀資料的一後序特徵，其中，該前序特徵和該後序特徵為該些始階段特徵之二。
一實施例中，該始階特徵運算階段透過一矩陣乘法取得該前序特徵和該後序特徵。
一實施例中，該終階特徵運算階段透過疊加該前序特徵和該後序特徵得到該些終階段特徵之一或全部。
一實施例中，任一該子幀資料量少於該眼球幀資料量。
一實施例中，該些特徵運算階段的數目至少為2。
一實施例中，該處理單元包括單一處理器或複數個階段處理次單元。
一實施例中，取得眼球追蹤位置的影像運算系統更包括一影像感測單元提供該眼球幀。
本案以下所謂的特徵運算階段(operation stage for feature)可以是複數個，包括一始階特徵(launch-stage feature)運算階段和一終階特徵(terminal-stage feature)運算階段。為方便說明，以下將以2個特徵運算階段做說明，但本案的特徵運算階段的數目不限為2。當本案以2個特徵運算階段做說明時，以下所述的第一特徵運算階段即為始階特徵運算階段(operation stage of launch-stage feature)，第二特徵運算階段即為終階特徵運算階段(operation stage of terminal-stage feature)。
其次，任一特徵運算階段可依序或同時運算出複數個特徵。對於眼球幀資料進行運算的始階特徵運算階段而言，眼球幀被分為複數個子幀，並且在時序上依序取得子幀資料的一或複數個特徵，即始階段特徵(launch-stage feature)。為方便說明，以下以2個子幀(第一和第二子幀)為例時，用前序特徵和後序特徵來表示在時序上先後自第一和第二子幀資料取得的特徵。若以4個子幀為例時，亦可以此類推，此時用前序特徵和後序特徵來表示在時序上先後自第一和第四子幀資料取得的特徵。另，對於始階特徵運算階段以外的其他或終階特徵運算階段而言，時序上在後的特徵運算階段可透過將時序上在先的特徵運算階段所得的全部或部分特徵進行疊加以抽取出其一或複數個特徵，對於終階特徵運算階段而言即抽取得到終階段特徵(terminal-stage feature)。可以理解的，當本案以2個特徵運算階段做說明時，始階段特徵即為第一階段特徵，終階段特徵即為第二階段特徵。又，由子幀資料取得的特徵，舉例但不限地，例如對比超過一預定比例或值，例如與特定圖樣(pattern ex: eye shape)相似度超過某一水平、例如偵測特定幾何形狀之區域。
圖1為本案之取得眼球追蹤位置的影像運算方法實施例的流程示意圖，圖2為本案之取得眼球追蹤位置的影像運算方法實施例的流程方塊示意圖。請參考圖1和圖2，本案之取得眼球追蹤位置的影像運算方法，以用適當方法感測/擷取到的一眼球幀10為出發，並將擷取到的眼球幀10分成若干個子幀(sub frame)(步驟2)。子幀的數目不限，於第一實施例中，眼球幀10被畫分成第一子幀12、第二子幀14、第三子幀16和第四子幀18，每一子幀資料量少於眼球幀資料量。
之後，執行本案的複數個特徵運算階段(operation stage for feature) (步驟4)。於本案中，特徵運算階段的數目並不限制，於第一實施例中以二階段為說明，即第一特徵運算階段22和第二特徵運算階段24。於第一特徵運算階段22中，透過矩陣乘法運算來抽取出每個子幀的特徵。於第一實施例中，第一子幀12、第二子幀14、第三子幀16和第四子幀18分別採取值為1/4之均勻係數的矩陣運算後，分別得到第一子幀12的特徵13、第二子幀14的特徵15、第三子幀16的特徵17和第四子幀18的特徵19。可以理解的，特徵13、特徵15、特徵17和特徵19則皆為第一特徵運算階段22所得到的第一階段特徵(始階段特徵)。
續參考圖1和圖2，本案的特徵之一在於，執行第一特徵運算階段22中，來自影像感測元件/模組的眼球幀資料若依序傳遞並儲存一部分資料時，時序上在先的子幀資料可透過運算抽取出其特徵(前序特徵)，且可於傳遞時序在後的子幀資料需要儲存前完成抽取出前序特徵。是以，當前序特徵已經抽取出來時，便可刪除時序上在先的子幀資料並利用該儲存位置儲存時序上在後的子幀資料。因此，本案無須設置容量過大的儲存單元/模組，可以減少整個裝置所占用的面積。
續參考圖1和圖2，在第二特徵運算階段24中，透過適當的係數矩陣運算特徵13、特徵15、特徵17和特徵19的全部或一部分，可抽取出一或複數個第二階段特徵。於第一實施例中，利用機器學習的係數矩陣運算特徵13、特徵15、特徵17來得到第二階段特徵23，以及運算特徵15、特徵17和特徵19來得到第二階段特徵25。可以理解的，於第一實施例中，第二階段特徵23和第二階段特徵25則皆為終階段特徵。
續參考圖1和圖2，之後，運算第二階段特徵23和第二階段特徵25以取得眼球追蹤位置資訊(步驟6)。於第一實施例中，可利用疊加方法運算第二階段特徵23和第二階段特徵25(終階段特徵)後得到眼球追蹤位置資訊。呈上，因本案中，當完整眼球幀被看到之後，便已取得所有的子幀，接著再用第一階段特徵合併出第二階段特徵，以便計算眼球注視方向。因為先前的子幀資料已經計算完成，因此計算的延遲僅有第二階段特徵。故本案具有減少延遲之效。
圖3為本案之取得眼球追蹤位置的影像運算系統實施例的架構示意圖。請參考圖3，本案之影像運算系統包括一控制單元32、一儲存單元34和一處理單元36。處理單元36接收來自影像感測單元38的影像幀資料31，並且通過控制單元32的控制排程依序執行複數個特徵運算階段後輸出終階段特徵以供取得眼球追蹤位置資訊之用。於此實施例中，控制單元32和儲存單元34之間，以及儲存單元34和處理單元36可通過一匯流排33(bus)或適當的導線相通訊，控制單元32亦可輸出控制指令35給處理單元36。其次，處理單元36可為單一處理器，集中執行特徵運算階段的運算。並且，通過控制單元32的控制指令35，處理單元36可精細地執行特徵運算階段的運算，集中運算的處理單元36可減少硬體面積並優化硬體使用效率。
續參考圖1和圖3，眼球幀10的影像幀資料31被接收時，第一子幀12的資料先儲存在儲存單元34，之後處理單元36從第一子幀12的資料取得其特徵13。當特徵13被抽取出來後，儲存於儲存單元34中的第一子幀12的資料已經不需要，故可被刪除。另一方面，眼球幀10的第二子幀14的資料就可被儲存在已經清空的儲存單元34中，之後處理單元36從第二子幀14的資料取得其特徵15，再把第二子幀14的資料從儲存單元34中刪除，依此類推。是以，儲存單元34，例如記憶體模組，可以無需大容量，可減少硬體面積。
圖4為本案之取得眼球追蹤位置的影像運算系統另一實施例的架構示意圖。和圖3不同的是，本案的影像運算系統的處理單元36亦可採用非整合為單一處理器的複數個階段處理次單元39，每一階段處理次單元39依據控制指令35依序運算前一階段的特徵後得到本階段的特徵並傳至下一階段特徵，如此採用多階段運算階段仍可達到本案的目的。
雖然本發明已以實施例揭露如上，然其並非用以限定本發明。本發明所屬技術領域中具有通常知識者，在不脫離本發明之精神和範圍內，當可作各種之更動與潤飾。因此，本發明之保護範圍當視後附之申請專利範圍所界定者為準。
2、4、6‧‧‧步驟
10‧‧‧眼球幀
12‧‧‧第一子幀
13、15、17、19‧‧‧特徵
14‧‧‧第二子幀
16‧‧‧第三子幀
18‧‧‧第四子幀
22‧‧‧第一特徵運算階段
23、25‧‧‧第二階段特徵
24‧‧‧第二特徵運算階段
31‧‧‧影像幀資料
32‧‧‧控制單元
33‧‧‧匯流排
34‧‧‧儲存單元
36‧‧‧處理單元
35‧‧‧控制指令
38‧‧‧影像感測單元
39‧‧‧階段處理次單元
圖1為本案之取得眼球追蹤位置的影像運算方法實施例的流程示意圖。
圖2為本案之取得眼球追蹤位置的影像運算方法實施例的流程方塊示意圖。
圖3為本案之取得眼球追蹤位置的影像運算系統實施例的架構示意圖。
圖4為本案之取得眼球追蹤位置的影像運算系統另一實施例的架構示意圖。
2、4、6‧‧‧步驟

Claims (10)

  1. 一種取得眼球追蹤位置的影像運算方法，包括：擷取一眼球幀，其中，該眼球幀包括複數個子幀；執行複數個特徵運算階段(operation stage for feature)以取得一眼球追蹤位置資訊，其中，該些特徵運算階段至少包括一始階特徵(launch-stage feature)運算階段和一終階特徵(terminal-stage feature)運算階段，該始階特徵運算階段包括運算出該些子幀的複數個始階段特徵(launch-stage features)，該終階特徵運算階段透過該些始階段特徵抽取出複數個終階段特徵(terminal-stage features)；及運算該些終階段特徵以取得該眼球追蹤位置資訊；其中，該些子幀至少包括一第一子幀和一第二子幀，以及運算出該些始階段特徵的步驟包括：(1)儲存該第一子幀資料於一儲存單位中；(2)取得對應該儲存第一子幀資料的一前序特徵；(3)刪除該儲存單位中所儲存的該第一子幀資料；(4)儲存該第二子幀資料於該儲存單位中；及(5)取得對應該儲存第二子幀資料的一後序特徵，其中，該前序特徵和該後序特徵為該些始階段特徵之二。
  2. 如請求項1所述的取得眼球追蹤位置的影像運算方法，其中，該始階特徵運算階段透過一矩陣乘法取得該前序特徵和該後序特徵。
  3. 如請求項2所述的取得眼球追蹤位置的影像運算方法，其中，該終階特徵運算階段透過疊加該前序特徵和該後序特徵得到該些終階段特徵之一或全部。
  4. 如請求項1所述的取得眼球追蹤位置的影像運算方法，其中，該始階特徵運算階段透過一矩陣乘法取得該些始階段特徵。
  5. 如請求項1所述的取得眼球追蹤位置的影像運算方法，其中，該終階特徵運算階段透過疊加該些始階段特徵之部分或全部得到該些終階段特徵。
  6. 如請求項1所述的取得眼球追蹤位置的影像運算方法，其中，任一該子幀資料量少於該眼球幀資料量。
  7. 如請求項1所述的取得眼球追蹤位置的影像運算方法，其中，該些特徵運算階段的數目為至少為2。
  8. 一種取得眼球追蹤位置的影像運算系統，包括：一控制單元，提供一控制指令；一處理單元，依據該控制指令，對一眼球幀的複數個子幀執行複數個特徵運算階段以取得一眼球追蹤位置資訊，其中，該些特徵運算階段至少包括一始階特徵運算階段和一終階特徵運算階段，該始階特徵運算階段包括運算出該些子幀的複數個始階段特徵，該終階特徵運算階段透過該些始階段特徵抽取出複數個終階段特徵；及一儲存單元，用以儲存該些始階段特徵和終階段特徵；其中，該儲存單元於該始階特徵運算階段時暫存該些子幀資料，並且在儲存該些終階段特徵之前刪除該些子幀資料。
  9. 如請求項8所述的取得眼球追蹤位置的影像運算系統，其中，該處理單元包括單一處理器或複數個階段處理次單元。
  10. 如請求項8所述的取得眼球追蹤位置的影像運算系統，更包括一影像感測單元提供該眼球幀。
TW107141770A 2018-11-23 2018-11-23 取得眼球追蹤位置的影像運算方法和其系統 TWI685772B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
TW107141770A TWI685772B (zh) 2018-11-23 2018-11-23 取得眼球追蹤位置的影像運算方法和其系統
CN201910138580.3A CN111222390B (zh) 2018-11-23 2019-02-25 取得眼球追踪位置的影像运算方法和其系统
US16/299,913 US10895911B2 (en) 2018-11-23 2019-03-12 Image operation method and system for eye-tracking

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW107141770A TWI685772B (zh) 2018-11-23 2018-11-23 取得眼球追蹤位置的影像運算方法和其系統

Publications (2)

Publication Number Publication Date
TWI685772B true TWI685772B (zh) 2020-02-21
TW202020624A TW202020624A (zh) 2020-06-01

Family

ID=70413365

Family Applications (1)

Application Number Title Priority Date Filing Date
TW107141770A TWI685772B (zh) 2018-11-23 2018-11-23 取得眼球追蹤位置的影像運算方法和其系統

Country Status (3)

Country Link
US (1) US10895911B2 (zh)
CN (1) CN111222390B (zh)
TW (1) TWI685772B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101599127A (zh) * 2009-06-26 2009-12-09 安徽大学 眼电信号的特征提取与识别方法
US8610768B2 (en) * 2009-07-16 2013-12-17 Tobii Technology Ab Eye detection unit using sequential data flow

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1987005205A1 (en) * 1986-03-08 1987-09-11 G. Rodenstock Instrumente Gmbh Laser installation for examining and treating the eye
CN101292876A (zh) * 2007-04-28 2008-10-29 姚士康 驾驶疲劳监测防护仪
CN101593346A (zh) * 2009-07-06 2009-12-02 中国人民解放军总装备部军械技术研究所 集成化通用目标视频图像采集识别跟踪器
US8525777B2 (en) * 2009-08-25 2013-09-03 Microsoft Corporation Tracking motion of mouse on smooth surfaces
EP2577386A4 (en) * 2010-05-29 2014-04-30 Wenyu Jiang SYSTEMS, METHODS AND DEVICES FOR PRODUCING AND USING EYEWEAR WITH LENSES ADJUSTED BY LOOKING DISTANCE AND LOW-POWER LOOKING TRACKING
CN104281543B (zh) * 2013-07-01 2017-12-26 图芯芯片技术（上海）有限公司 同时支持显示控制器和图形加速器访问内存的架构方法
WO2015130849A1 (en) * 2014-02-25 2015-09-03 Eyeverify Eye gaze tracking
US9514364B2 (en) * 2014-05-29 2016-12-06 Qualcomm Incorporated Efficient forest sensing based eye tracking
CN104200216A (zh) * 2014-09-02 2014-12-10 武汉大学 一种多特征提取逐步求精的高速移动目标跟踪算法
CN106033613B (zh) * 2015-03-16 2019-04-30 北京大学 目标跟踪方法及装置
CN105872418A (zh) * 2016-03-30 2016-08-17 浙江大华技术股份有限公司 一种在数字图像上叠加gui图层的方法及装置
CN106096630B (zh) * 2016-06-03 2019-05-10 福州大学 一种集成像元与对象的水稻自动变化检测方法
CN108259797B (zh) * 2018-01-09 2023-05-16 武汉精测电子集团股份有限公司 一种对图像进行字符叠加的方法及装置
CN108668096B (zh) * 2018-05-18 2021-08-20 京东方科技集团股份有限公司 视频数据的管理方法、装置及录像设备

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101599127A (zh) * 2009-06-26 2009-12-09 安徽大学 眼电信号的特征提取与识别方法
US8610768B2 (en) * 2009-07-16 2013-12-17 Tobii Technology Ab Eye detection unit using sequential data flow

Also Published As

Publication number Publication date
US20200166995A1 (en) 2020-05-28
US10895911B2 (en) 2021-01-19
TW202020624A (zh) 2020-06-01
CN111222390B (zh) 2023-11-03
CN111222390A (zh) 2020-06-02

Similar Documents

Publication Publication Date Title
CN110852254B (zh) 人脸关键点跟踪方法、介质、装置和计算设备
WO2019153908A1 (zh) 基于注意力模型的图像识别方法和系统
EP3049889B1 (en) Optimizing boot-time peak power consumption for server/rack systems
GB2581048A (en) Artificially intelligent ejection fraction determination
WO2019076109A1 (zh) 图像信息的池化方法及装置、存储介质、处理器
CN109583586B (zh) 一种语音识别或图像识别中的卷积核处理方法及装置
CN110147252A (zh) 一种卷积神经网络的并行计算方法及装置
CN107392316B (zh) 网络训练方法、装置、计算设备及计算机存储介质
WO2005074423A3 (en) Method of operation for parallel lcp solver
US10949646B2 (en) Performing an iterative bundle adjustment for an imaging device
JP6970827B2 (ja) 演算処理装置
CN111124626B (zh) 一种众核系统及其数据处理方法和处理装置
TWI685772B (zh) 取得眼球追蹤位置的影像運算方法和其系統
CN113012689B (zh) 一种电子设备和深度学习硬件加速方法
WO2024114505A1 (zh) 一种通用、可配置的图像滤波计算多行输出系统和方法
CN110502975B (zh) 一种行人重识别的批量处理系统
US11106935B2 (en) Pooling method and device, pooling system, computer-readable storage medium
CN107247944B (zh) 基于深度学习的人脸检测速度优化方法及装置
WO2021238289A1 (zh) 序列处理的方法与装置
Sulzbachner et al. An optimized silicon retina stereo matching algorithm using time-space correlation
US11544523B2 (en) Convolutional neural network method and system
CN110399883A (zh) 图像特征提取方法、装置、设备及计算机可读存储介质
CN113947747B (zh) 一种车辆的监控图像的处理方法、装置以及设备
JP2020119001A (ja) 情報処理装置、情報処理方法、及びプログラム
CN111597886B (zh) 一种用于指纹图像处理的硬件加速器、系统及加速方法