摘要：为了能在硬件上实现高质量、高效果的视频图像缩放、旋转等，文章研究分析了双三次插值算法的实现，对双三次 插值计算进行离散化，得到相应的计算模板，简化计算过程。提出了一种在 ＦＰＧＡ 上实现双三次卷积模板算法的方法。 实验结果表明：该算法的缩放效果优于双线性插值算法，略低于双三次插值算法，但计算性能上明显高于双三次插值算 法。双三次卷积模板插值算法是一种能够在有限的资源上实现较好效果的插值算法。

包含编译的源码、已经编译的文件、支持pytorch1.X、无需修改源码 使用的编译环境：MSVC 2017 x64 使用的python 版本： 3.7 使用的pytorch版本：1.4 安装方式，conda进入到包含pytorch的环境，进入到该资源文件的解压文件夹，执行"python setup.py build develop"命令，即可安装成功。解压后，建议修改解压文件夹名字为DCNv2

通过深度学习模型对室内楼道环境的视觉信息进行处理，帮助移动机器人在室内楼道环境下自主行走。为达到这个目的，将楼道环境对象分为路、门、窗户、消防栓、门把手和背景六类，通过图像的语义分割实现对象识别。在对楼道环境的六类对象进行分割的实验中发现，由于门把手比起其他对象小很多，影响了对它的识别效果；将六分类模型改为“5 2”分类模型，解决了这个问题。分类模型的基础是全卷积神经（FCN）网络，可以初步实现图像的分割。为了提高FCN网络的分割效果，从三个方面进行了实验研究：a）取出FCN网络的多个中间特征层，进行多层特征融合；b）考虑到移动机器人行走过程中视觉信息的时间序列特点，将递归神经网络（RNN）的结构纳入到FCN网络中，构成时间递归的t-LSTM网络；c）考虑到二维图像相邻像素之间的依赖关系，构成空间递归的s-LSTM网络。这些措施都有效地提高了图像的分割效果，实验结果表明，多层融合加s-LSTM的结构从分割效果和计算时间方面达到综合指标最佳。

OFDM(正交频分簸用)的基本原理是将商速的数据流分解成许多低速率 豹子数摄流，利用相互正交且煎叠的多个子载波同时传辕。它的主要优点是多 径失真低，抗符号间干扰(ISI)能力强，频带利用率很高。 本文设计了一个熬予FFT算法豹OFDM系绞，势袭诗算飙上进行了仿真 和分析。全文主要由四部分构成：0FDM模型建立、OFDM系统设计、OFDM 系统谚囊及实联系统静方案设诗。

基于卷积神经网络级联人脸关键点检测算法.docx

基于卷积神经网络的森林火灾烟雾探测算法研究.docx

基于卷积神经网络的梵高作品风格转换.docx

基于卷积神经网络和胶囊神经网络的宫颈病变图像分类方法研究.docx

基于卷积和循环神经网络模型融合的股票开盘价预测研究.docx

matlab实现维纳滤波盲反卷积迭代算法