志存高远 奋力开拓 探索高清电视剧制作的规律——《人间正道是沧桑》技术制作心得

本文介绍了高清电视剧制作方面的经验;提出了技术和艺术、视频和音频、灯光和置景等诸方面结合的体会,给出了具体实践中应该注意的要点。     

基于高精度乘累加的LU分解加速器的设计

本文首先分析LU分解中舍入误差的积累过程,建立精度损失与矩阵规模的关系模型来预测大规模LU分解的精度;然后,根据定点加法的简单、快速、无精度损失的特点,设计高精度乘累加器(HPMAcc),并基于此实现一个细粒度并行LU分解加速器。实验结果表明,和高精度软件库QD或MPFR相比,4PE结构的LU分解加速器能够取得100倍的加速比,同时取得90多位的计算精度。     

凹印套印波动原因分析

在凹印生产过程中,套印波动现象经常发生,其影响因素较多,且不易察觉,处理起来难度也较大.本文仅从以下几个方面进行分析.     

支持Trace预构的分支目标提取

程序中大量存在着分支指令,分析发现大多数执行分支的偏移量可从指令中直接得到.为了支持Trace预构,我们提出了分支目标提取机制——BTP,BTP扫描预取的指令块,提取分支指令及分支目标.Trace预构机制根据BTP的扫描结果,预先构造程序的执行踪迹.对SPECint95测试程序的模拟实验表明:BTP能够有效识别目标地址,一级指令Cache访问的不命中率显著下降,程序的性能也相应提高.     

一种基于混淆矩阵的多分类任务准确率评估新方法

多分类任务准确率评估对评判模型的分类效果具有重要的理论意义和应用价值。针对机器学习领域的多分类任务,在现有方法的基础上,通过拓展和迁移应用,给出一种新的评估方法。为了准确评估多分类任务模型的分类效果,将遥感图像分类效果评估方法引入多分类任务。针对多分类任务的实际特点,对该方法进行了改进与推广,以更好地评估分类器效能。基于MNIST手写字符集识别任务和CIFAR-10数据集分类任务的实验结果表明,同样是基于混淆矩阵进行计算,与现有的评估方法相比,该方法可以同时给出分类器整体的分类效果和单个类别的分类效果,对于改进训练过程有一定的指导意义。另一方面,该方法可以推广到任意的分类任务分类效果评估工作中,具有较好的应用前景。     

面向稀疏矩阵访存特性的Cache划分

稀疏矩阵向量乘是许多科学计算的核心,计算中大量的间接和随机访存成为计算的主要瓶颈。本文通过分析稀疏矩阵向量乘运算的数据结构和计算过程,得到计算中不同数据的访存特征,并提出了一种面向数据访存特性的Cache划分方法。对12个稀疏矩阵向量乘的测试表明,本文的Cache划分方法能有效地提高可重用向量的Cache命中率,同时减少计算对Cache空间的需求。     

电子组织:一种具有自适应能力的可重构仿生硬件结构

具有自适应能力的仿生硬件是容错领域一个新兴的研究方向.同类细胞替换、成体干细胞分化和异类细胞转化等生物机制是人体血液组织健壮性的重要来源.受这些生物机制的启发,提出了一种名为电子组织的自适应可重构多细胞阵列结构.该结构采用了基于标记与识别的数据处理方式,解除了传统多细胞阵列结构中操作与细胞单元间的严格绑定的数据处理方式,使得电子组织具备了更为灵活的细胞单元替换能力,并在此基础上实现了同类细胞替换、成体干细胞分化和异类细胞转化3种仿生机制.这3种机制使电子组织具备了层次化的自我修复能力;成体干细胞分化和异类细胞转化机制又赋予了电子组织自我进化的能力.在FPGA上实现了原型系统,通过故障注入实验验证了原型系统的自我修复能力和自我进化能力;并通过与电子DNA结构的比较,对电子组织的自适应能力进行了分析与讨论.     

一种面向加密算法共性子图的指令定制方法

为提高处理器对加密算法的处理效率和扩展性能,本文提出一种基于共性子图的指令定制方法.该方法通过挖掘常用加密算法中的共性计算模式,用一条模式指令替换多条被共性模式覆盖的指令,并使用查找表(LUT)对S-盒间址访问进行处理,达到减少算法指令数的目的.我们针对MD5,SHA256,RC5和AES等4种常用加密算法进行了实验,结果表明该方法可以有效的减少4种算法的核心循环体指令,使这些算法得到15.4%～60.6%的指令减少率.     

精确分类的视角无关人脸检测方法与硬件加速体系结构

为了对垂直于图像平面[-90°,90°]和图像平面内360°范围的人脸姿态进行快速准确的检测分类,提出一种精确分类的视角无关人脸检测方法和可重构硬件体系结构.设计了由多个检测节点组成的树形检测器框架,并将多个姿态区间的分类问题采用向量式共享输出空间的方式统一起来,提出一种两段式Boosting方法对检测节点进行训练;挖掘了检测过程的时间空间并行性,进而设计了一种高度并行的可重构硬件体系结构模板,通过对体系结构模板进行动态配置,实现了硬件代价、检测精度和速度的平衡.实验结果表明,与已有方法相比,文中方法具有较高的精度与速度;对于160×120～800×600分辨率范围内的图像,该方法在FPGA上的硬件实现与在PC上的软件实现的执行时间加速比为14.68～20.86.