The K-SOM has been successfully use

The K-SOM has been successfully used in quantizing
digital images. Many hardware realizations of the K-SOM
quantizer have been published in order to speed up part or
all of the operations with similar drawbacks of poor
resulting image quality compared to software counterparts.
Mainly, this resulted from the fact that to make the system
compact and be synthesizable on a single chip FPGA, the
internal data representations and operations within the
hardware platforms are required to be all integer based. In
this paper, we proposed a hardware centric K-SOM quantizer
algorithm which relies on a rational-based representation
of the codebook and learning kernel. This extends
the capability of the quantizer to accept an approximated
non-linear learning kernel. The experimental results proved
that the quality of the outcome images was superior to
previous implementations with an acceptable throughput.
The resource utilizations and frame rate throughput of the
proposed approach were just a bit worse than the predecessor
implementations. It was, however, still possible to
synthesize the whole system onto a single moderate density
FPGA. By following the proposed algorithm, it opens an
opportunity for a hardware quantizer to accept different

Results (Thai) 1:

K-ส้มเรียบร้อยแล้วใช้ใน quantizingภาพดิจิตอล ว่าการรับรู้ฮาร์ดแวร์จำนวนมากของ K-SOMquantizer ถูกประกาศเพื่อความเร็วส่วนหนึ่ง หรือการดำเนินงานมีข้อเสียคล้ายของคนจนทั้งหมดส่งผลให้คุณภาพของภาพเทียบกับซอฟต์แวร์คู่ส่วนใหญ่ นี้เป็นผลมาจากความจริงที่จะทำให้ระบบกระชับ และเป็น synthesizable ในปเดียว FPGA การรับรองข้อมูลภายในและดำเนินการภายในแพลตฟอร์มฮาร์ดแวร์จะต้องเป็นจำนวนเต็มทั้งหมดตาม ในกระดาษนี้ เรานำเสนอ quantizer ม K ของฮาร์ดแวร์ที่เป็นศูนย์กลางอัลกอริทึมซึ่งอาศัยการแสดงเหตุผลตามโค้ดบุ้คและเคอร์เนลของการเรียนรู้ ครอบคลุมตั้งแต่ความสามารถของ quantizer ที่จะยอมรับผิดค่าเคอร์เนลในการเรียนรู้ที่ไม่ใช่เชิงเส้น ผลการทดลองที่พิสูจน์คุณภาพของภาพผลลัพธ์ว่าดีกว่าการใช้งานก่อนหน้านี้ ด้วยอัตราเร็วยอมรับได้Utilizations ทรัพยากรและกรอบอัตราเร็วอัตราการวิธีการนำเสนอได้เพียงบิตยิ่งกว่าบรรพบุรุษใช้งาน มันเป็น อย่างไรก็ตาม ยังคงสามารถสังเคราะห์ทั้งระบบลงความหนาแน่นปานกลางที่เดียวFPGA โดยวิธีการนำเสนอ จะเปิดตัวโอกาสที่ quantizer ฮาร์ดแวร์การยอมรับแตกต่างกัน

Results (Thai) 2:

K-SOM ได้รับการใช้ประสบความสำเร็จใน quantizing
ภาพดิจิตอล ความเข้าใจฮาร์ดแวร์หลาย K-SOM
quantizer ได้รับการเผยแพร่ในการสั่งซื้อเพื่อเพิ่มความเร็วในบางส่วนหรือ
ทั้งหมดของการดำเนินงานที่มีข้อบกพร่องที่คล้ายกันของคนยากจน
คุณภาพของภาพที่เกิดขึ้นเมื่อเทียบกับ counterparts ซอฟต์แวร์.
ส่วนใหญ่เป็นผลมาจากความจริงที่ว่าจะทำให้ระบบ
มีขนาดกะทัดรัดและ จะ synthesizable บน FPGA ชิปตัวเดียวที่
แสดงข้อมูลภายในและการดำเนินงานภายใน
แพลตฟอร์มฮาร์ดแวร์จะต้องเป็นจำนวนเต็มทั้งหมดขึ้น ใน
บทความนี้เราจะเสนอฮาร์ดแวร์ศูนย์กลาง quantizer K-SOM
อัลกอริทึมซึ่งอาศัยการแสดงเหตุผลตาม
ของ codebook และการเรียนรู้เคอร์เนล เรื่องนี้ต้องขยาย
ความสามารถในการ quantizer ที่จะยอมรับการประมาณ
เคอร์เนลการเรียนรู้ที่ไม่ใช่เชิงเส้น ผลการทดลองได้รับการพิสูจน์
ว่าคุณภาพของภาพผลที่ดีกว่า
การใช้งานก่อนหน้านี้ที่มีการส่งผ่านข้อมูลที่ยอมรับ.
ใช้ประโยชน์ทรัพยากรและอัตราเฟรมผ่านของ
วิธีการที่นำเสนอเป็นเพียงเล็กน้อยเลวร้ายยิ่งกว่ารุ่นก่อน
การใช้งาน มันเป็นอย่างไรยังคงเป็นไปได้ที่จะ
สังเคราะห์ทั้งระบบสู่ความหนาแน่นปานกลางเดียว
FPGA โดยทำตามขั้นตอนวิธีการที่นำเสนอก็เปิด
โอกาสสำหรับ quantizer ฮาร์ดแวร์ที่จะยอมรับความแตกต่างกัน

Results (Thai) 3:

ที่ได้รับการใช้ประสบความสำเร็จใน quantizing k-somภาพดิจิตอล หลายของ k-som realizations ฮาร์ดแวร์quantizer ได้รับการเผยแพร่เพื่อให้เร็วขึ้น ส่วน หรือทั้งหมดของการดำเนินงานกับข้อเสียที่คล้ายกันของคนจนส่งผลให้คุณภาพของภาพเมื่อเทียบกับ counterparts ซอฟต์แวร์ส่วนใหญ่เป็นผลมาจากความจริงที่ว่าเพื่อให้ระบบขนาดกะทัดรัดและเป็น synthesizable บนเอฟพีจีเอชิปเดี่ยวข้อมูลภายในและการดำเนินงานภายในแทนแพลตฟอร์มฮาร์ดแวร์จะต้องเป็นจำนวนเต็มตาม ในกระดาษนี้ เราเสนอฮาร์ดแวร์ k-som quantizer วิพากษ์อัลกอริทึมซึ่งอาศัยเหตุผลแทนตามของชุดการเรียนรู้และเคอร์เนล นี้ขยายความสามารถของ quantizer เพื่อรับโดยประมาณการเรียนรู้แบบเคอร์เนล ผลการทดลอง พิสูจน์ว่าคุณภาพของภาพที่เหนือกว่า ผลคือซึ่งก่อนหน้านี้มีอัตราความเร็วการยอมรับการใช้ทรัพยากรและอัตรากรอบอัตราของวิธีการที่เสนอเป็นเพียงบิตที่เลวร้ายยิ่งกว่าบรรพบุรุษที่ใช้งาน มันเป็น , อย่างไรก็ตาม , ยังคงเป็นไปได้สังเคราะห์ระบบทั้งหมดลงเดี่ยวความหนาแน่นปานกลางFPGA ตามวิธีที่เสนอจะเปิดเป็นโอกาสสำหรับฮาร์ดแวร์ quantizer ยอมรับแตกต่างกัน