-
公开(公告)号：CN112396085B
公开(公告)日：2024-09-24
申请号：CN202010534666.0
申请日：2020-06-12
Applicant: 三星电子株式会社
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06N3/044 , G06N3/048
Abstract: 提供一种识别图像的方法和设备。所述方法包括：获得输入图像；基于输入图像计算神经网络的输入特征图；针对神经网络内的至少一个层的每个层，获得所述层的输入特征图的多个输入平面之中的与第一输入通道对应的第一输入平面；接收所述层的权重核的多个权重平面之中的与第一输入通道对应的第一权重平面；通过累积第一输入平面中的第一输入元素的至少一部分与第一权重平面中的第一权重元素的至少一部分之间的乘法运算的乘法结果来生成第一累积数据；以及基于第一累积数据生成所述层的输出特征图的多个输出平面之中的与第一输出通道对应的第一输出平面；以及基于输出特征图，输出图像识别结果。
-
公开(公告)号：CN111352656B
公开(公告)日：2024-07-09
申请号：CN201910822391.8
申请日：2019-09-02
Applicant: 三星电子株式会社
IPC: G06F9/30 , G06N3/0464 , G06N3/084
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：CN107766786B
公开(公告)日：2023-11-24
申请号：CN201710450423.7
申请日：2017-06-15
Applicant: 三星电子株式会社
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：CN113361681A
公开(公告)日：2021-09-07
申请号：CN202011137828.3
申请日：2020-10-22
Applicant: 三星电子株式会社
Abstract: 公开图像识别的方法和设备以及电子装置。所述方法包括：获得用于图像识别的图像数据；基于图像数据针对神经网络的每个层执行相应的运算，以获得图像识别的结果；和输出图像识别的结果，其中，执行相应的运算的步骤包括：从目标特征图提取第一目标特征向量；基于针对逐深度卷积运算的匹配关系，从第一类型权重元素提取与第一目标特征向量匹配的第一权重向量；通过执行第一目标特征向量与第一权重向量之间的乘法运算，生成第一中间特征向量；通过对第一中间特征向量和基于第二目标特征向量生成的第二中间特征向量累加，生成第一隐藏特征向量；和基于第一隐藏特征向量与第二类型权重元素之间的逐点卷积运算，生成输出特征图的第一输出特征向量。
-
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
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。
-
Patent Agency Ranking
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
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：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
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
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
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。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.039 seconds)
