MétaCan
Menu
Retour à la cohorte
Enregistrement W2072248344 · doi:10.1109/jsen.2011.2179290

High and Low Light CMOS Imager Employing Wide Dynamic Range Expansion and Low Noise Readout

2011· article· en· W2072248344 sur OpenAlexafffund
Yonathan Dattner, Orly Yadid-Pecht

Notice bibliographique

RevueIEEE Sensors Journal · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueCCD and CMOS Imaging Sensors
Établissements canadiensUniversity of Calgary
Organismes subventionnairesCMC Microsystems
Mots-clésDynamic rangePixelAmplifierCMOSHigh dynamic rangeWide dynamic rangeImage sensorNoise (video)CMOS sensorElectronic engineeringComputer sciencePhysicsOpticsEngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

A high and low light imager (HALLI) developed in a CMOS process is presented. The HALLI utilizes a single column parallel partitioned pixel amplifier with variable topology for the detection of both high and low light levels in the same frame. For high light level detection, a wide dynamic range algorithm is utilized in which multiple resets via real-time feedback are employed. Each pixel in the field of view is independent and can automatically set its exposure time according to its illumination. For low light level detection, two noise reduction techniques are employed, active reset and active column sensor readout technique. Due to the commonalities in the high and low light level readout techniques, and the fact that they occur in staggered instances of time, a single partitioned pixel amplifier which can be configured in various modes of operation is used. The advantages of using a single column parallel partitioned pixel amplifier are simplicity in the analog readout path, reduced chip size, and lower power consumption than using individual dedicated blocks for each technique. The CMOS imager was designed and fabricated in a mixed signal 0.18 μm CMOS technology. System architecture, operation and results are presented.

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 seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,008
Tête enseignante GPT0,196
Écart entre enseignants0,188 · 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

Citations14
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Sensors JournalMême sujetCCD and CMOS Imaging SensorsTravaux en français237 207