-
公开(公告)号：CN117437114A
公开(公告)日：2024-01-23
申请号：CN202311598934.5
申请日：2023-11-27
Applicant: 北京达佳互联信息技术有限公司
IPC: G06T1/60
Abstract: 本公开实施例提供一种图像数据处理方法、装置、电子设备及介质。该方法应用于包括脉动阵列的脉动阵列架构，该方法包括：将待处理图像进行切分，获得待处理图像块；获取待处理图像块的原始图像数据，对原始图像数据进行格式转换处理，获得按照预设数据格式排布的目标图像数据，其中预设数据格式为按照高度、宽度、通道的顺序连续存储块的格式；将目标图像数据输入到脉动阵列，通过脉动阵列对目标图像数据进行卷积计算，获得待处理图像块对应的卷积计算结果。该方法采用预设数据格式表示目标图像数据，使得目标图像数据可立即用于矩阵的块运算，无需考虑地址转换和判断，减少内存带宽浪费，保证脉动阵列进行卷积计算时可最大化计算效率。
-
公开(公告)号：CN115794809A
公开(公告)日：2023-03-14
申请号：CN202211238792.7
申请日：2022-10-11
Applicant: 北京达佳互联信息技术有限公司
Abstract: 本公开涉及资源数据的检索方法、装置、电子设备及存储介质。所述方法包括：获取资源数据的初始第一向量以及多个量化后的第二向量；其中，所述量化后的第二向量为利用预设的正交矩阵对数据集中的初始第二向量进行特征处理，以及利用缩放因子对特征处理后的第二向量进行量化处理得到，所述特征处理后的第二向量的均匀分布程度高于所述初始第二向量的均匀分布程度；利用所述正交矩阵对所述初始第一向量进行特征处理，得到第一向量；分别计算所述第一向量与多个所述量化后的第二向量的相似度，确定相似度最高的预设数量的量化后的第二向量，并将所述预设数量的量化后的第二向量对应的资源数据作为检索结果。本公开实施例的检索准确率较高。
-
公开(公告)号：CN110969240B
公开(公告)日：2022-12-09
申请号：CN201911115521.0
申请日：2019-11-14
Applicant: 北京达佳互联信息技术有限公司
IPC: G06N3/04
Abstract: 本公开关于一种深度卷积神经网络的剪枝方法、装置、设备及介质，用以在提高剪枝准确度的同时，减少对深度卷积神经网络剪枝的计算量，优化深度卷积神经网络模型结构。本公开的深度卷积神经网络的剪枝方法，包括：利用预先训练的深度卷积神经网络对样本数据进行识别，确定深度卷积神经网络内每层网络中各个滤波器的性能参数，样本数据用于记录采集到的待识别对象的对象特征；根据预设剪枝率及深度卷积神经网络内各个滤波器的性能参数，确定深度卷积神经网络的剪枝参数；在深度卷积神经网络中，根据各滤波器的性能参数与剪枝参数，去除不符合预设条件的滤波器与上层网络和下层网络之间的联系。
-
公开(公告)号：CN114546635A
公开(公告)日：2022-05-27
申请号：CN202111652896.8
申请日：2021-12-30
Applicant: 北京达佳互联信息技术有限公司
Abstract: 本公开涉及一种数据处理方法、装置、电子设备及存储介质，该数据处理方法包括：基于远程直接数据存取协议接收客户端发送的数据请求；数据请求包括数据请求类型和待处理数据；根据数据请求类型对待处理数据进行相应的处理，得到处理后的数据；基于远程直接数据存取协议，将处理后的数据发送至客户端。本公开实施例可以提高服务端的数据处理效率，可以保证服务端的服务性能和延时。
-
公开(公告)号：CN113886035A
公开(公告)日：2022-01-04
申请号：CN202111059444.9
申请日：2021-09-10
Applicant: 北京达佳互联信息技术有限公司
Abstract: 本公开关于一种任务处理方法、装置、电子设备及存储介质，所述方法包括：当任务队列中不存在待处理子任务时，从当前批次的多个目标线程中各取出一个子任务放入所述任务队列；检测多个异构处理单元的运行状态；所述目标线程的数量大于所述异构处理单元的数量，所述异构处理单元为与所述子任务相适配的硬件单元；当所述多个异构处理单元中存在目标异构处理单元时，基于所述目标异构处理单元对所述任务队列中的多个子任务进行处理；所述目标异构处理单元的所述运行状态为空闲状态。本公开能够提高异构处理单元的资源使用效率以及系统的吞吐量。
-
Patent Agency Ranking
公开(公告)号：CN110969240A
公开(公告)日：2020-04-07
申请号：CN201911115521.0
申请日：2019-11-14
Applicant: 北京达佳互联信息技术有限公司
IPC: G06N3/04
Abstract: 本公开关于一种深度卷积神经网络的剪枝方法、装置、设备及介质，用以在提高剪枝准确度的同时，减少对深度卷积神经网络剪枝的计算量，优化深度卷积神经网络模型结构。本公开的深度卷积神经网络的剪枝方法，包括：利用预先训练的深度卷积神经网络对样本数据进行识别，确定深度卷积神经网络内每层网络中各个滤波器的性能参数，样本数据用于记录采集到的待识别对象的对象特征；根据预设剪枝率及深度卷积神经网络内各个滤波器的性能参数，确定深度卷积神经网络的剪枝参数；在深度卷积神经网络中，根据各滤波器的性能参数与剪枝参数，去除不符合预设条件的滤波器与上层网络和下层网络之间的联系。
-
公开(公告)号：CN114266306B
公开(公告)日：2024-12-20
申请号：CN202111567466.6
申请日：2021-12-20
Applicant: 北京达佳互联信息技术有限公司
Abstract: 本公开关于一种基于机器学习模型实现数据分类的方法及装置、电子设备，该方法通过现场可编程逻辑门阵列器件实现，包括：获取待输入至机器学习模型的特征参量，其中，机器学习模型用于通过推理对特征参量进行分类，机器学习模型被分割成多级推理单元，多级推理单元存储在现场可编程逻辑门阵列器件的随机存取存储器，每级推理单元包括机器学习模型的节点信息；根据多级推理单元，将特征参量在随机存取存储器上进行多级缓存，其中，特征参量进行缓存的级数与推理单元的个数相同，其中，每级缓存的特征参量相同；依次利用多级推理单元中的各级推理单元从随机存取存储器上获取与推理单元对应的特征参量，并对特征参量进行推理处理。
-
公开(公告)号：CN115827624A
公开(公告)日：2023-03-21
申请号：CN202211239859.9
申请日：2022-10-11
Applicant: 北京达佳互联信息技术有限公司
IPC: G06F16/22 , G06F16/2453
Abstract: 本公开关于一种检索数据的处理方法、数据检索方法、装置、电子设备、计算机可读存储介质以及计算机程序产品，通过获取检索数据，针对属性特征相同的目标检索数据，生成与属性特征对应的图结构，并根据各个属性特征之间的相似度，连接各个属性特征分别对应的图结构，得到连接后的目标图结构，进而将目标图结构中每一个节点的初始特征向量转换为目标特征向量，从而得到向量转换后的目标图结构。其通过采用精度较高的初始特征向量构建图结构，从而能够提高图结构中的邻域质量，且在建图过程中考虑了检索数据的属性特征，因此能够用于带属性的检索；通过在建图完成后，将每个节点的较高精度的向量转换为低精度的向量，还能提高后续检索的效率。
-
公开(公告)号：CN115495504A
公开(公告)日：2022-12-20
申请号：CN202211236433.8
申请日：2022-10-10
Applicant: 北京达佳互联信息技术有限公司
IPC: G06F16/2458 , G06F16/2453 , G06N3/04
Abstract: 本公开关于一种数据查询方法和装置、电子设备、计算机可读存储介质，数据查询方法包括：对待检索向量的属性信息进行编码处理，得到对应的一个编码数据，作为待检索编码数据；获取参考向量集合，参考向量集合包括多个参考向量，每个参考向量关联有参考编码数据，参考编码数据是对关联的参考向量的属性信息进行编码处理后得到的一个编码数据；结合待检索编码数据和参考编码数据，从参考向量集合中，确定出对应于待检索向量的目标向量，目标向量用于进行数据查询。通过将属性信息编码为一个编码数据，可令编码数据参与到检索计算中，利用属性优化检索结果，提高召回率，并可将多属性约束问题转换为单属性约束问题，保障检索效率。
-
公开(公告)号：CN115309807A
公开(公告)日：2022-11-08
申请号：CN202211027623.9
申请日：2022-08-25
Applicant: 北京达佳互联信息技术有限公司
IPC: G06F16/2458 , G06K9/62
Abstract: 本公开涉及资源数据查找方法、装置、服务器及存储介质。包括：获取资源数据对应的第一向量以及量化后的多个第二向量；分别计算所述第一向量与多个所述第二向量的相似度，确定相似度最高的第一数量的第二向量；对所述第一数量的第二向量进行解量化处理，得到解量化的第二向量；其中，若所述第一数量的第二向量中存在元素的量化值为预设值的目标第二向量，利用预存储的所述元素的浮点数值替换所述预设值；从所述解量化的第二向量中确定与所述第一向量相似度最高的第二数量的第二向量，将所述第二数量的第二向量对应的资源数据作为查找结果。本公开实施例能够提高了资源数据查找的准确率。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.047 seconds)
