-
公开(公告)号：CN115034351A
公开(公告)日：2022-09-09
申请号：CN202110241125.3
申请日：2021-03-04
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请实施例提供了一种数据处理方法、卷积神经网络训练方法、装置和FPGA，可以获取待处理图片并存储至预设存储空间，FPGA可以从预设存储空间获取待处理图片，通过卷积层运算核，基于目标卷积神经网络中每一卷积层对应的目标参数矩阵，对待处理图片进行处理，得到最终的特征图，存储至预设存储空间；目标卷积神经网络中每一卷积层对应的目标参数矩阵中的元素，与该卷积层中的卷积核一一对应；该卷积层中的卷积核包含：压缩卷积核和非压缩卷积核，且压缩卷积核的大小小于非压缩卷积核。进而，可以从预设存储空间获取最终的特征图。如此，能够提高基于卷积神经网络进行数据处理的效率。
-
公开(公告)号：CN113408715A
公开(公告)日：2021-09-17
申请号：CN202010186495.7
申请日：2020-03-17
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请公开了一种神经网络的定点化方法，对神经网络进行至少如下之一低比特量化：对神经网络中的卷积层输入激活值进行第一低比特量化，对卷积层中卷积核权值进行第二低比特量化，对神经网络中除了卷积层之外的非卷积功能层，将非卷积功能层的输入激活值进行第三低比特量化；在进行所述任意低比特量化之后，基于当前低比特量化后的神经网络，进行重训练，基于重训练后的神经网络中各低比特量化结果，进行定点化；其中，所述第一低比特、第二低比特、第三低比特均在1比特至8比特以内。本申请使得最终激活值和/或卷积核权值都用低比特定点化表示，可以方便移植到嵌入式平台、专用集成电路之中。
-
公开(公告)号：CN109543139B
公开(公告)日：2021-09-17
申请号：CN201710866060.5
申请日：2017-09-22
Applicant: 杭州海康威视数字技术股份有限公司
Inventor： 张渊
Abstract: 本发明实施例提供了一种卷积运算方法、装置、计算机设备及计算机可读存储介质，其中，卷积运算方法包括：获取卷积神经网络中网络层的输入数据；按照预设步长，每次从输入数据中提取多个数据点；将每次提取的多个数据点映射至三维数据中不同深度的同一位置，得到重排列后的数据；利用预设尺寸的卷积核对重排列后的数据进行卷积运算，得到卷积结果。通过本发明可以提高卷积神经网络的运算效率。
-
公开(公告)号：CN111144561A
公开(公告)日：2020-05-12
申请号：CN201811307230.7
申请日：2018-11-05
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06N3/08
Abstract: 本申请实施例提供了一种神经网络模型确定方法及装置，其中，神经网络模型确定方法包括：获取目标任务的任务配置参数、训练资源的资源配置参数、模型设计配置参数以及模型压缩配置参数；基于任务配置参数、资源配置参数及模型设计配置参数，生成针对目标任务的初始神经网络模型；根据模型压缩配置参数，选择相应的预设压缩方式，对初始神经网络模型进行压缩处理，得到待部署的神经网络模型。通过本方案，可以提高神经网络模型确定过程中的开发效率。
-
公开(公告)号：CN111144560A
公开(公告)日：2020-05-12
申请号：CN201811307229.4
申请日：2018-11-05
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06N3/08
Abstract: 本申请实施例提供了一种深度神经网络运算方法及装置，深度神经网络运算方法包括：获取网络层输入特征图；按照预设位移参数，将网络层输入特征图的每个通道分别沿各轴向进行位移，得到位移特征图，其中，预设位移参数包括每个通道在各轴向上的位移量；利用1×1卷积核，对位移特征图进行卷积运算，得到网络层输出特征图。通过本方案，可以提高DNN的运行效率。
-
Patent Agency Ranking
公开(公告)号：CN111144560B
公开(公告)日：2024-02-02
申请号：CN201811307229.4
申请日：2018-11-05
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06N3/0464 , G06N3/08
Abstract: 本申请实施例提供了一种深度神经网络运算方法及装置，深度神经网络运算方法包括：获取网络层输入特征图；按照预设位移参数，将网络层输入特征图的每个通道分别沿各轴向进行位移，得到位移特征图，其中，预设位移参数包括每个通道在各轴向上的位移量；利用1×1卷积核，对位移特征图进行卷积运算，得到网络层输出特征图。通过本方案，可以提高DNN的运行效率。
-
公开(公告)号：CN115797189A
公开(公告)日：2023-03-14
申请号：CN202111052081.6
申请日：2021-09-08
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06T5/00 , G06T5/10 , G06T5/50 , G06N3/0464 , G06N3/08
Abstract: 本申请实施例提供了一种图像降噪方法、装置、摄像机及摄像系统。其中，所述方法，包括：将待降噪图像映射至频域，得到多个待降噪子带图像，其中，不同待降噪子带图像用于表示所述待降噪图像中不同频率的图像信息；将所述多个待降噪子带图像在通道维度上进行合并，得到第一多通道图像；将所述第一多通道图像输入至目标移位卷积神经网络进行降噪处理，得到所述目标移位卷积神经网络输出的第二多通道图像；将所述第二多通道图像映射至空域，得到第一降噪图像。可以在消耗较少计算资源的情况下，实现图像降噪。
-
公开(公告)号：CN109754077B
公开(公告)日：2022-05-06
申请号：CN201711092273.3
申请日：2017-11-08
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06N3/08
Abstract: 本发明实施例提供了一种深度神经网络的网络模型压缩方法、装置及计算机设备，其中，深度神经网络的网络模型压缩方法包括：获取原始深度神经网络；通过对原始深度神经网络的网络层中各运算单元的重要度进行分析，确定该网络层中重要度低于预设重要度的运算单元作为待删除运算单元；删除原始深度神经网络中各网络层的待删除运算单元，得到网络模型压缩后的深度神经网络。通过本方案可以提高目标识别与目标检测的效率。
-
公开(公告)号：CN110874635A
公开(公告)日：2020-03-10
申请号：CN201811015359.0
申请日：2018-08-31
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请实施例提供了一种深度神经网络模型压缩方法及装置，深度神经网络模型压缩方法包括：获取待压缩深度神经网络模型中网络层的当前计算状态；根据当前计算状态，通过预先训练的计算模型，得到网络层的压缩量；基于压缩量，对网络层进行压缩；确定网络层压缩后的深度神经网络模型。通过本方案，可以保证深度神经网络模型的输出性能。
-
公开(公告)号：CN109543139A
公开(公告)日：2019-03-29
申请号：CN201710866060.5
申请日：2017-09-22
Applicant: 杭州海康威视数字技术股份有限公司
Inventor： 张渊
Abstract: 本发明实施例提供了一种卷积运算方法、装置、计算机设备及计算机可读存储介质，其中，卷积运算方法包括：获取卷积神经网络中网络层的输入数据；按照预设步长，每次从输入数据中提取多个数据点；将每次提取的多个数据点映射至三维数据中不同深度的同一位置，得到重排列后的数据；利用预设尺寸的卷积核对重排列后的数据进行卷积运算，得到卷积结果。通过本发明可以提高卷积神经网络的运算效率。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.071 seconds)
