MétaCan
Menu
Retour à la cohorte
Enregistrement W1984904631 · doi:10.1109/jsen.2012.2219143

Block-Based CS in a CMOS Image Sensor

2012· article· en· W1984904631 sur OpenAlexafffund
Mohammadreza Dadkhah, Shahram Shirani

Notice bibliographique

RevueIEEE Sensors Journal · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueSparse and Compressive Sensing Techniques
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsCMC Microsystems
Mots-clésCMOSScalabilityBlock (permutation group theory)Image sensorPixelComputer hardwareComputer scienceElectronic circuitCMOS sensorElectronic engineeringElectrical engineeringEngineeringArtificial intelligenceMathematics

Résumé

récupéré en direct d'OpenAlex

An implementation of the compressive sensing (CS) method with a CMOS image sensor is presented. The conventional three-transistor active pixel sensor (APS) structure and switched capacitor circuits are exploited to develop an analog implementation of the CS encoding in a CMOS sensor. With the analog implementation, the sensing and encoding are performed in the same time interval and making a real-time encoding process to optimize the frame rate of the imager. A block readout strategy is proposed to capture the required CS measurements for different blocks of the image, rather than the common column-row readout method. All measurement circuits are placed outside the array by this readout strategy, and the imager becomes scalable for larger array sizes. Because there is no extra in-pixel element for the CS measurement process, the fill factor of the imager is the same as its corresponding APS imager without CS. The proposed structure is designed and fabricated in 0.13-\(\mu \)m CMOS technology for a\(2\times 2\)array. The experimental results confirm the validity of the design in making monotonic and appropriate CS measurements. The functionality of the block readout method and the scalability of the imager are confirmed by fabrication of a\(4\times 4\)block and a\(16\times 16\)array.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,016
Tête enseignante GPT0,241
Écart entre enseignants0,225 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Sensors JournalMême sujetSparse and Compressive Sensing TechniquesTravaux en français237 207