公开(公告)号：CN111352656A

公开(公告)日：2020-06-30

申请号：CN201910822391.8

申请日：2019-09-02

Applicant: 三星电子株式会社

Inventor： 孙辰雨 ,  孙昌用 ,  李曙炯 ,  郑相一 ,  崔昌圭 ,  韩在濬

IPC: G06F9/30 ,  G06N3/04 ,  G06N3/08

Abstract: 公开一种使用按位运算的神经网络设备和方法。所述神经网络处理方法包括：获得与神经网络中的层的权重核的第一数据对应的核位串行块；基于所述层的一个或多个输入特征图的第二数据生成特征图位串行块；以及通过使用核位串行块与特征图位串行块之间的按位运算执行所述层的卷积运算来生成输出特征图的至少一部分。

公开(公告)号：CN111340177A

公开(公告)日：2020-06-26

申请号：CN201910778533.5

申请日：2019-08-22

Applicant: 三星电子株式会社

Inventor： 李曙炯 ,  郭荣竣 ,  孙辰雨 ,  孙昌用 ,  郑相一 ,  崔昌圭 ,  韩在濬

IPC: G06N3/04 ,  G06N3/063 ,  G06N3/08

Abstract: 公开基于嵌套位表示的神经网络处理方法和设备。所述方法包括：确定神经网络的第一层的位宽；通过从与神经网络的第一层对应的源模型的第一层的第一权重中的每个提取与确定的位宽对应的至少一个位，获得神经网络的第一层的第二权重；以及通过基于获得的第二权重执行神经网络的第一层来处理神经网络的第一层的输入数据。

公开(公告)号：CN110162948A

公开(公告)日：2019-08-23

申请号：CN201910114390.8

申请日：2019-02-14

Applicant: 三星电子株式会社

Inventor： 金智慧 ,  韩承周 ,  韩在濬 ,  高民守 ,  朴成彦 ,  崔昌圭

IPC: G06F21/32

Abstract: 一种用于执行组合认证的方法和设备。所述用于执行组合认证的方法和设备基于多个模态之中的第一模态执行单一认证；响应于单一认证失败，确定是否通过所述多个模态的组合来执行组合认证；响应于确定执行组合认证，执行组合认证。

公开(公告)号：CN110136224A

公开(公告)日：2019-08-16

申请号：CN201811351115.X

申请日：2018-11-14

Applicant: 三星电子株式会社

Inventor： 高民守 ,  韩承周 ,  韩在濬 ,  金智慧 ,  朴成彦 ,  崔昌圭

IPC: G06T11/60

Abstract: 公开了一种图像融合方法和设备。所述图像融合方法包括：从第一图像帧检测在第一图像帧中示出的对象的第一特征点，基于检测到的第一特征点和预定义的参考点来转换第一图像帧，从第二图像帧检测在第二图像帧中示出的对象的第二特征点，基于检测到的第二特征点和参考点来转换第二图像帧；通过组合转换的第一图像帧和转换的第二图像帧来获得组合图像。

公开(公告)号：CN109934083A

公开(公告)日：2019-06-25

申请号：CN201811467621.5

申请日：2018-12-03

Applicant: 三星电子株式会社

Inventor： 韩承周 ,  朴成彦 ,  韩在濬 ,  孙辰雨 ,  孙昌用 ,  高民守 ,  金智慧 ,  崔昌圭

IPC: G06K9/00

Abstract: 提供一种对象识别方法和设备。所述设备包括：处理器，被配置为：响应于在输入图像的对象识别的成功之后的输入图像的验证的失败，使用对象模型并基于通过在输入图像的对象识别中所使用的对象模型的局部层提取的参考中间数据，来验证目标图像；响应于在验证目标图像的步骤中目标图像被验证，执行目标图像的附加验证。

公开(公告)号：CN108073981A

公开(公告)日：2018-05-25

申请号：CN201710970971.2

申请日：2017-10-18

Applicant: 三星电子株式会社

Inventor： 孙辰雨 ,  孙昌用 ,  崔昌圭 ,  韩在濬

IPC: G06N3/04 ,  G06N3/08

CPC classification number: G06K9/00979 ,  G06K9/6256 ,  G06N3/04 ,  G06N3/0454 ,  G06N3/063 ,  G06N3/08

Abstract: 公开处理卷积神经网络(CNN)的方法和设备。所述设备可基于卷积层的内核的特性和卷积层的输入的特性中的至少一个，从重复使用内核的第一操作模式和重复使用输入的第二操作模式选择一个操作模式，并且基于所选择的操作模式执行卷积操作。

公开(公告)号：CN107766786A

公开(公告)日：2018-03-06

申请号：CN201710450423.7

申请日：2017-06-15

Applicant: 三星电子株式会社

Inventor： 俞炳仁 ,  郭荣竣 ,  金亭培 ,  孙辰雨 ,  李昶教 ,  崔昌圭 ,  韩在濬

IPC: G06K9/00 ,  G06F21/32 ,  G06Q20/40

CPC classification number: G06K9/00288 ,  G06K9/00107 ,  G06K9/00114 ,  G06K9/00228 ,  G06K9/00268 ,  G06K9/00899 ,  G06K9/00906 ,  G06K9/50 ,  G06N3/04 ,  G06N3/08 ,  G06F21/32 ,  G06K9/0008 ,  G06K9/00597 ,  G06K9/0061 ,  G06Q20/40145

Abstract: 公开一种活性测试方法和活性测试计算设备。一种处理器实现的活性测试方法包括：从输入图像中的对象的部分提取所述对象的感兴趣区域；使用基于神经网络模型的活性测试模型对所述对象执行活性测试，其中，活性测试模型使用感兴趣区域的图像信息作为提供到活性测试模型的第一输入图像信息，并至少基于由活性测试模型从感兴趣区域的信息提取的纹理信息确定活性；指示活性测试的结果。

公开(公告)号：CN107665364A

公开(公告)日：2018-02-06

申请号：CN201710629393.6

申请日：2017-07-28

Applicant: 三星电子株式会社

Inventor： 孙昌用 ,  孙辰雨 ,  俞炳仁 ,  崔昌圭 ,  韩在濬

IPC: G06N3/04 ,  G06N3/063

CPC classification number: G06N3/08 ,  G06F5/01 ,  G06F7/523 ,  G06N3/04 ,  G06N3/063 ,  G06N3/082

Abstract: 一种神经网络方法和设备。所述神经网络设备包括：处理器，被配置为：通过应用神经网络的相邻层中的相邻节点之间的用于解释应用于神经网络的输入数据的轻量化的加权连接，产生神经网络，其中，神经网络具有包括多个节点的多个层，其中，所述多个层中的至少一个层的轻量化的加权连接包括针对绝对值小于非零值的绝对值的各个非零值具有等于零的值的加权连接。轻量化加权连接还包括具有绝对值不大于另一非零值的绝对值的值的加权连接，轻量化的加权连接是绝对最大值大于所述另一非零值的绝对值的训练的神经网络的训练的最终加权连接的轻量化的加权连接。

公开(公告)号：CN106682068A

公开(公告)日：2017-05-17

申请号：CN201610987098.3

申请日：2016-11-09

Applicant: 三星电子株式会社

Inventor： 韩在濬 ,  金亭培 ,  李宣旼

IPC: G06F17/30

CPC classification number: G06F21/32 ,  G06F17/3028 ,  G06F17/30345 ,  G06F21/36 ,  G06F21/45 ,  G06K9/00026 ,  G06K9/00087 ,  G06K9/00228 ,  G06K9/00275 ,  G06K9/00288 ,  G06K9/00302 ,  G06K9/00892 ,  G06K9/00926 ,  G06K9/4671 ,  G06K9/6255 ,  G07C9/00158 ,  H04L63/0861 ,  G06F17/30383

Abstract: 本发明提供一种用于适应性更新用于用户认证的注册数据库的方法和设备。公开了一种适应性更新注册数据库的方法。所述方法可包括：从输入图像提取第一特征矢量，输入图像包括用户的面部；基于第一特征矢量、注册图像的第二特征矢量和代表性矢量，确定是否将输入图像注册在注册数据库中，注册图像的第二特征矢量被注册在注册数据库中，并且代表性矢量代表第二特征矢量；基于确定的结果，将输入图像注册在注册数据库中。

公开(公告)号：CN103890752B

公开(公告)日：2017-05-10

申请号：CN201380003629.5

申请日：2013-01-09

Applicant: 三星电子株式会社

Inventor： 俞炳仁 ,  崔昌圭 ,  李昶敎 ,  韩在濬

IPC: G06K9/00 ,  G06K9/62 ,  G06T7/73

CPC classification number: G06T7/0046 ,  G06K9/00201 ,  G06K9/00335 ,  G06K9/00362 ,  G06K9/469 ,  G06K9/6212 ,  G06K9/624 ,  G06K9/626 ,  G06K9/6282 ,  G06T7/75 ,  G06T15/06 ,  G06T15/08 ,  G06T15/20 ,  G06T15/40 ,  G06T17/005 ,  G06T2200/24 ,  G06T2207/10028 ,  G06T2207/20048 ,  G06T2207/20081 ,  G06T2207/30196

Abstract: 提供了一种对象识别设备、分类树学习设备、该对象识别设备的操作方法和该分类树学习设备的操作方法。该对象识别设备可包括：输入单元，接收作为输入的表示将被分析的对象的深度图像；以及处理单元，通过使用分类树从深度图像识别该对象的可见对象部分和隐藏对象部分。