-
公开(公告)号：CN118555406B
公开(公告)日：2024-10-15
申请号：CN202411007714.5
申请日：2024-07-25
Applicant: 之江实验室
IPC: H04N19/44 , H04N19/186 , H04N19/132 , H04N19/182 , H04N19/89 , H04N7/20
Abstract: 本说明书公开了一种星载遥感图像的压缩方法和解压缩方法，在本说明书提供的星载遥感图像的压缩方法中，获取由卫星的星载传感器采集的多个谱段图组成的遥感图像，根据图像压缩编码器的配置，确定图像压缩编码器中不进行下采样的编码通道，作为目标编码通道。将该全零图输入非目标编码通道，将各谱段图分别输入目标编码通道，以通过图像压缩编码器，对各谱段图进行压缩，确定遥感图像的压缩数据，将压缩数据下传至地面接收站。在本方法中，为适配图像压缩编码器的压缩原理，对进行下采样的编码通道输入全零图，从而使图像压缩传感器能够压缩星载传感器获取的遥感图像，解决了星载传感器与图像压缩传感器的兼容问题。
-
公开(公告)号：CN118331591A
公开(公告)日：2024-07-12
申请号：CN202410748131.1
申请日：2024-06-11
Applicant: 之江实验室
IPC: G06F8/60
Abstract: 本说明书公开了一种卫星上部署智能算法的方法、装置、存储介质及设备。该方法包括：获取待部署智能算法的算法信息，以及目标卫星上设置的各计算设备所对应的设备信息；基于算法信息和设备信息，确定计算环境信息，并确定各数据流阶段、设备类型、设备资源以及开发资源之间的至少一种约束关系信息，基于环境信息和约束关系确定初始部署策略，并确定初始部署策略所对应的奖励值，根据该奖励值对初始部署策略进行调整，以此实现对算法部署策略的不断调整和优化。本方案在星上硬件设备具有异构特性的基础上，逐步对初始策略进行调整，从而探索出最优的部署策略，提高智能算法在卫星上的性能和效率，降低资源消耗和能耗。
-
公开(公告)号：CN117114053B
公开(公告)日：2024-06-21
申请号：CN202311073117.8
申请日：2023-08-24
Applicant: 之江实验室
IPC: G06N3/0464 , G06V10/82 , G06V10/774
Abstract: 本发明公开了一种基于结构搜索和知识蒸馏的卷积神经网络模型压缩的方法和装置，包括以下步骤：获取目标任务数据集；从目标任务数据集划分出训练集，利用训练集对卷积神经网络模型进行训练；卷积神经网络模型完成训练后作为教师网络；利用神经结构搜索技术对卷积神经网络模型搜索出轻量化网络结构；将搜索得到的轻量化网络结构作为学生网络；进行知识蒸馏，计算教师网络和学生网络Softmax层输出的差异，将差异作为学生网络损失的一部分，对学生网络进行迭代训练直至收敛；输出知识蒸馏后的学生网络模型，即压缩完成的模型。本发明方法能有效减少模型冗余参数，实现自动对学生网络模型进行设计，适用于高效和自适应的模型压缩应用场景。
-
公开(公告)号：CN112926088B
公开(公告)日：2024-03-19
申请号：CN202110292473.3
申请日：2021-03-18
Abstract: 本发明公开了一种基于博弈论的联邦学习隐私策略选择方法，该方法包括：服务器为参与方提供具有不同服务成本的阈值，参与方根据是否满足服务质量、隐私泄露代价等来选择最佳阈值，并由服务器在下一次迭代训练中更新服务成本；服务器通过多次迭代来获得最优的模型参数，以此保持模型长期稳定的服务状态，并提供给参与方。该方法有效避免了参与方“搭便车”等恶意行为，使得服务器可以最大限度地得到服务费用，参与方可以获得长期的优质服务。
-
公开(公告)号：CN117707693A
公开(公告)日：2024-03-15
申请号：CN202311690463.0
申请日：2023-12-11
Applicant: 之江实验室
IPC: G06F9/455
Abstract: 本发明提供一种异构智能计算平台虚拟化管理系统和方法，包括：芯片虚拟化模块，用于CPU、GPU和FPGA的虚拟化；计算虚拟化模块，基于超异构平台，提供动态的计算资源池；网络虚拟化模块，用于在物理网络之上创建虚拟网络，提供虚拟机之间和虚拟机与外部网络的通信。动态调度管理模块，用于根据应用场景和需求，确定所需的计算、内存、存储和网络资源等。本发明面向图像智能处理计算需求，构建虚实结合的异构智能计算资源池，构建生成、调试和优化智能计算系统的虚拟化系统。同时通过定期监测虚拟化环境中的资源利用率的变化，自动扩容或收缩虚拟机的资源分配。实现了计算资源最大化利用，降低部署成本，提高服务性能。
-
Patent Agency Ranking
公开(公告)号：CN117009093B
公开(公告)日：2024-03-12
申请号：CN202311278523.8
申请日：2023-10-07
Applicant: 之江实验室
Abstract: 降低神经网络推理所需内存占用量的重计算方法和系统，包括：通过神经网络模型的计算图构建有向无环图#imgabs0#；基于有向无环图#imgabs1#，获得重计算对集合#imgabs2#；对重计算对集合#imgabs3#进行幂集操作。根据幂集中的每一个元素#imgabs4#,对图#imgabs5#进行附加属性得到对应的图#imgabs6#；基于图#imgabs7#,进行涉及重计算策略的调度算法；在全部#imgabs8#的调度结果中，选择内存占用量最低的调度。在边缘设备智能性的需求逐渐加重的背景下，边缘设备的运行内存十分宝贵的场景下，本发明以增加额外计算代价的方式获得神经网络推理时更小的内存占用量，对边缘智能的普适性有着贡献。
-
公开(公告)号：CN116991564B
公开(公告)日：2024-01-09
申请号：CN202311272689.9
申请日：2023-09-28
Applicant: 之江实验室
Inventor： 李超
IPC: G06F9/48 , G06N3/0464 , G06N3/08
Abstract: 分配，提高推理性能、降低能源消耗和延迟，并满本发明公开一种面向异构双核MCU的算子内 足实时性和隐私性等要求。并行加速方法，其包括：通过深度学习模型的计算图构建有向无环图G；统计所述有向无环图G中的算子信息；基于得到的算子信息，为每类算子构建相应的算子时延模型，以此预测算子在不同工作负载下的推理时间；基于步骤三得到的算子时延模型，为深度学习模型的每个算子选择一种最优的划分策略，即划分维度和划分比例；基于步骤四得到的算子划分策略，在编译器编译深度学习模型生成相应代码的过程中嵌入步骤四得(56)对比文件丁然;林建文;朱振华;刘弋波.一种类CPU的深度学习协处理器架构.中国集成电路.2020,(Z4),46-57.谢达;周道逵;季振凯;戴新宇;武睿.基于异构多核平台的Caffe框架物体分类算法实现与加速.电子与封装.2019,(05),18-23.
-
公开(公告)号：CN117278100A
公开(公告)日：2023-12-22
申请号：CN202311227172.8
申请日：2023-09-21
Applicant: 之江实验室
IPC: H04B7/185
Abstract: 本说明书公开了一种基于天基信息系统的业务执行方法、装置及存储介质。该方法包括：天基信息系统中设置有若干卫星节点，每个卫星节点中均部署有预先训练的业务模型，针对天基信息系统中的每个卫星节点，该卫星节点获取采集到的图像数据；通过设置在该卫星节点中的现场可编程门阵列FPGA，对图像数据进行预处理，得到处理后数据；将处理后数据传输至设置在该卫星节点中的中央处理器CPU，以通过CPU，将处理后数据中的至少部分发送给设置在该卫星节点中的嵌入式神经网络处理器NPU；分别通过CPU和NPU，根据各自对应的处理后数据执行针对业务模型的计算任务，得到业务模型的输出结果；根据输出结果执行目标业务。
-
公开(公告)号：CN117009093A
公开(公告)日：2023-11-07
申请号：CN202311278523.8
申请日：2023-10-07
Applicant: 之江实验室
Abstract: 降低神经网络推理所需内存占用量的重计算方法和系统，包括：通过神经网络模型的计算图构建有向无环图#imgabs0#；基于有向无环图#imgabs1#，获得重计算对集合#imgabs2#；对重计算对集合#imgabs3#进行幂集操作。根据幂集中的每一个元素#imgabs4#,对图#imgabs5#进行附加属性得到对应的图#imgabs6#；基于图#imgabs7#,进行涉及重计算策略的调度算法；在全部#imgabs8#的调度结果中，选择内存占用量最低的调度。在边缘设备智能性的需求逐渐加重的背景下，边缘设备的运行内存十分宝贵的场景下，本发明以增加额外计算代价的方式获得神经网络推理时更小的内存占用量，对边缘智能的普适性有着贡献。
-
公开(公告)号：CN116071556B
公开(公告)日：2023-07-07
申请号：CN202310311383.3
申请日：2023-03-28
Applicant: 之江实验室
IPC: G06V10/26 , G06V10/762 , G06V10/52 , G06V10/80
Abstract: 本发明公开了一种基于目标框的大尺寸图像自适应裁剪方法和装置，基于包含目标框的训练样本图像和未标注的测试样本图像，从训练样本中分层采样部分数据作为验证样本，使用循环聚类算法提取训练样本图像的目标框特征集合，使用验证样本对目标框特征集合筛选并验证，得到最优的自适应的目标框特征集合，以此作为滑窗平铺裁剪的重叠像素基准，将大图裁剪成多个子图。该方法提出了多尺度融合的特征提取改进算法、新的特征筛选算法及裁剪评价函数，优化了滑窗平铺裁剪算法，一定程度上解决了大尺寸图像裁剪预处理过程中的关键信息丢失，裁剪子图数量多、信息冗余，耗时长的问题。
-
-
-
-
-
-
-
-
-
Search Results
134
records
(took 0.031 seconds)
