-
Patent Agency Ranking
公开(公告)号：CN111583093B
公开(公告)日：2023-12-22
申请号：CN202010345182.1
申请日：2020-04-27
Applicant: 西安交通大学
Abstract: 本发明公开了一种实时性好的ORB特征点提取的硬件实现方法，主要解决现有视觉SLAM系统中特征点提取消耗时间长、图像匹配效率低的问题。其实现方案是：1.构建图像特征点筛选四级流水线；2.构建特征点主方向角计算11级流水线架构；3.使用图像块灰度质心获得特征点梯度方向，并根据主方向旋转描述子采样坐标进行高斯采样；4.设计两级同步线性移位缓冲结构和模块间数据流传输结构；本发明具有图像处理速度快、准确度高、实现平台便携性强等优点，可用于实时视觉SLAM系统中扩大其应用场景。
-
公开(公告)号：CN110062233A
公开(公告)日：2019-07-26
申请号：CN201910339608.X
申请日：2019-04-25
Applicant: 西安交通大学
IPC: H04N19/129 , H04N19/42 , G06N3/08 , G06N3/04
Abstract: 本发明公开了一种卷积神经网络全连接层稀疏的权值矩阵的压缩方法及系统，包括以下步骤：步骤1，获取待优化卷积神经网络的全连接层稀疏的权值矩阵A，并将其分解成位置矩阵B以及非零值数组C；其中，位置矩阵B与稀疏的权值矩阵A的尺寸大小一致；在位置矩阵B中，稀疏的权值矩阵A中有非零值的对应位置的数值为1，其他位置的数值为0；步骤2，将步骤1获得的位置矩阵B作为二值矩阵，进行满足预设图像压缩标准的无损压缩。本发明可提高全连接层稀疏的权值矩阵的压缩率，节省更多的存储空间。
-
公开(公告)号：CN111583093A
公开(公告)日：2020-08-25
申请号：CN202010345182.1
申请日：2020-04-27
Applicant: 西安交通大学
Abstract: 本发明公开了一种实时性好的ORB特征点提取的硬件实现方法，主要解决现有视觉SLAM系统中特征点提取消耗时间长、图像匹配效率低的问题。其实现方案是：1.构建图像特征点筛选四级流水线；2.构建特征点主方向角计算11级流水线架构；3.使用图像块灰度质心获得特征点梯度方向，并根据主方向旋转描述子采样坐标进行高斯采样；4.设计两级同步线性移位缓冲结构和模块间数据流传输结构；本发明具有图像处理速度快、准确度高、实现平台便携性强等优点，可用于实时视觉SLAM系统中扩大其应用场景。
-
公开(公告)号：CN109886397A
公开(公告)日：2019-06-14
申请号：CN201910218652.5
申请日：2019-03-21
Applicant: 西安交通大学
IPC: G06N3/04
Abstract: 本发明公开了一种针对卷积层的神经网络结构化剪枝压缩优化方法，包括：(1)各卷积层稀疏值分配：(1.1)训练原始模型得到各可剪枝卷积层的权值参数，并计算得到各卷积层重要性分数；(1.2)按照重要性分数从小到大的顺序，并参照最大最小值进行平均刻度分段，依次对各区段卷积层进行稀疏值从小到大的配置，经过模型再训练调整，得到全部可剪枝卷积层的稀疏值配置；(2)结构化剪枝：根据步骤(1.2)确定的稀疏值选择卷积过滤器，进行结构化剪枝训练；其中，每层卷积层只使用一种卷积过滤器。本发明的优化方法，能够让深度神经网络在资源受限的平台上更便捷地运行，既能节省参数存储空间又能加速模型运算。
-
公开(公告)号：CN110062233B
公开(公告)日：2020-04-28
申请号：CN201910339608.X
申请日：2019-04-25
Applicant: 西安交通大学
IPC: H04N19/129 , H04N19/42 , G06N3/08 , G06N3/04
Abstract: 本发明公开了一种卷积神经网络全连接层稀疏的权值矩阵的压缩方法及系统，包括以下步骤：步骤1，获取待优化卷积神经网络的全连接层稀疏的权值矩阵A，并将其分解成位置矩阵B以及非零值数组C；其中，位置矩阵B与稀疏的权值矩阵A的尺寸大小一致；在位置矩阵B中，稀疏的权值矩阵A中有非零值的对应位置的数值为1，其他位置的数值为0；步骤2，将步骤1获得的位置矩阵B作为二值矩阵，进行满足预设图像压缩标准的无损压缩。本发明可提高全连接层稀疏的权值矩阵的压缩率，节省更多的存储空间。
-
-
-
-
Search Results
5
records
(took 0.034 seconds)
