4月13日消息，近日，法国原子能委员会电子与信息技术实验室（CEA-Leti）发表了Wissam Benjilali 的博士学位论文“利用压缩感知技术在低功耗图像分类中的最新进展，探索模数信息CMOS图像传感器设计”。
CMOS图像传感器（CIS）领域的最新发展趋向于重新审视规范的图像采集和处理管道，以实现片上高级图像处理应用，例如决策制定。尽管技术节点缩放和3D技术取得了巨大成就，集成、设计具有片上决策能力的CIS体系结构仍然是一项艰巨的任务，因为要检测和处理的数据量以及实施最新决策算法的硬件成本。
在这种情况下，压缩感测（CS）作为一种替代的信号采集方法应运而生，可以以压缩的表示形式感测数据。当基于随机生成的传感模型时，CS可通过减少模数转换和数据片外吞吐量来节省大量硬件，同时为信号恢复或信号处理提供有意义的信息。传统上，CS已在CIS应用程序中用于压缩任务，再加上涉及高算法复杂性的远程信号恢复算法。为了减轻这种复杂性，CS上的信号处理为直接在CS测量上执行信号处理提供了坚实的理论保证，而不会造成明显的性能损失，因此，这是设计低功耗智能传感器节点的新方法。
CEA-Leti的研究人员在对压缩感测和机器学习领域进行了概述之后，特别着重于硬件实现，提出了四个主要方面的研究成果，以研究用于紧凑型CMOS图像传感器架构设计的高效感测方案和决策方法。
首先，分析研究探索了解决针对高度受限硬件的CS测量的基本推理任务的兴趣，它旨在找到最有益的设置，以对基于压缩感测的测量进行决策。
其次，提出了一种用于CIS应用的新颖传感方案。设计满足理论和硬件要求，表明所提出的传感模型适用于解决图像渲染和片上决策任务的CIS应用。接下来，为了处理标准决策算法所涉及的片上计算复杂性，探索了构造分层推理树的新方法，以减少与片上多类推理任务相关的MAC操作，当将层次推理与压缩感测相结合时，这将导致联合采集处理优化。
最后，将所有上述贡献汇总在一起，以提出一种紧凑的CMOS图像传感器架构，该架构可通过所提出的CS感应方案促进片上对象识别，从而减少片上存储器的需求。与使用一阶增量Sigma-Delta模数转换器（ADC）的标准CIS架构相比，唯一的额外硬件是伪随机数据混合电路，+ /-1 in-Sigma-Delta调制器和小型数字信号处理器（DSP），提出了几种硬件优化方案，以适应未来超低功耗（≈µW）CIS设计的要求。
自新型冠状病毒肺炎疫情爆发以来，新利18国际娱乐一直密切关注疫情进展，根据国家及地方政府的最新调控与安排，为更好的服务相关企业，在疫情期间，新利18国际娱乐免费发布企业相关文章，免费成为新利18国际娱乐认证作者，请点击认证，大家同心协力，抗击疫情，为早日打赢这场防控攻坚战贡献自己的一份力量。