-
公开(公告)号：CN111767857A
公开(公告)日：2020-10-13
申请号：CN202010610444.2
申请日：2020-06-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于轻量级两阶段神经网络的行人检测方法，通过两阶段检测算法处理当前帧图像，得到当前帧的行人边框数据组，对边框数组不为空的当前帧的行人边框数据用最小的矩形区域连通，并且向四周扩展多个像素，得到一个包括当前帧所有行人的大矩形边框，不断用前一帧的大矩形边框去截取新一帧图像，从而提升算法处理速度，提出的二阶段神经网络行人检测算法采用参数共享技术对图像进行处理，解决了现有神经网络检测行人需通过加深网络层数、在不同的特征图接出分支等方法来适应复杂的情况，造成引入大量的网络参数和增加运算量的问题。
-
公开(公告)号：CN111507465A
公开(公告)日：2020-08-07
申请号：CN202010545278.2
申请日：2020-06-16
Applicant: 电子科技大学
Abstract: 本发明提供了一种可配置的卷积神经网络处理器电路，包括FIR滤波模块、分窗处理模块和神经网络运算模块，神经网络运算模块包括卷积层、池化层、可配置激活函数层和全连接层，可配置激活函数层包括取绝对值模块、区间判断模块、第一多路选择器、配置模块、地址生成模块、RAM、区间拓展模块和第二多路选择器，所述可配置激活函数层配置sigmoid函数或tanh函数、误差，大大提高处理器的通用性和灵活性；通过结合分层量化与饱和截位，实现每层神经网络量化标准可配置，减少溢出风险；通过复用全连接层的乘积累加运算单元实现FIR滤波功能，采用两阶段数据传输模式传输数据，进一步降低功耗。
-
公开(公告)号：CN111314257A
公开(公告)日：2020-06-19
申请号：CN202010173742.X
申请日：2020-03-13
Applicant: 电子科技大学
Abstract: 该发明公开了一种基于复值神经网络的调制方式识别方法，涉及无线通信技术领域。针对通信领域中广泛存在的复数信号，本发明提出一种利用时域接收到的复数信号，不需要对接收到的信号提取任何参数，只需将复数数据输入到复值神经网络中进行训练，充分学习数据中实部与虚部的特征，便能得到较高的准确率，且比传统高阶累积方式高。相比实值，复数有更丰富的表达能力，复值神经网络学习复数的实部与虚部特征，更适用于绝大多数为复数表现形式的通信信号；本发明不用人为计算观察各个信号或特征值之间差异，不需人工设定阈值来区分信号的调制类型，神经网络就有分类器的功能。
-
公开(公告)号：CN112927124B
公开(公告)日：2024-10-29
申请号：CN202110352221.5
申请日：2021-03-31
Applicant: 成都商汤科技有限公司 , 电子科技大学
Abstract: 本发明涉及一种数据处理方法、装置、设备及存储介质，所述数据处理方法包括：根据卷积运算的步长对待处理数据进行采样，得到至少一个第一采样结果，其中，所述步长大于1；根据所述卷积运算的步长对卷积核进行采样，得到至少一个第二采样结果，其中，所述至少一个第一采样结果和所述至少一个第二采样结果一一对应；将所述至少一个第一采样结果和所述至少一个第二采样结果，对应的输入至处理阵列，以使所述处理阵列输出处理结果。
-
公开(公告)号：CN118095381B
公开(公告)日：2024-10-15
申请号：CN202410197981.7
申请日：2024-02-22
Applicant: 电子科技大学
Abstract: 本发明属于人工智能硬件领域，尤其涉及低延时低能耗脉冲神经网络处理器，包括存储单元、权重变换单元、脉冲解码单元、脉冲计算阵列、脉冲转换单元、脉冲编码压缩单元和主控制器。在权重变换单元将FS神经元模型和定点量化原理结合，将膜电位到脉冲的转换转变为特定位置上的数据位提取，并将脉冲到膜电位的更新转换为可并行处理的移位加法，使得SNN的时空稀疏特性在硬件上被更加充分的利用。整个计算过程只有移位和加法，可大幅减少计算复杂度。实现了批量神经元的并行处理，可大幅减少计算延迟。在算法对输入稀疏度无特殊要求的情况下，实现了低延时低能耗的脉冲神经网络处理器。
-
Patent Agency Ranking
公开(公告)号：CN112967211B
公开(公告)日：2024-09-13
申请号：CN202110132579.7
申请日：2021-01-31
Applicant: 成都商汤科技有限公司 , 电子科技大学
IPC: G06T5/50
Abstract: 本公开提供了一种图像处理方法、装置、计算机设备及存储介质，其中，该方法包括：对多张待处理图像数据进行像素组合处理，得到目标图像；利用乘加器阵列对所述目标图像进行处理；基于所述多张待处理图像数据在所述乘加器阵列中分别对应的乘加器得到的处理结果，确定每张待处理图像数据的处理结果。本公开能用同一个乘加器阵列同时处理多张待处理图像数据，基于多张待处理图像数据在乘加器阵列中分别对应的乘加器得到的处理结果，就可以确定每张待处理图像数据的处理结果，提高了乘加器阵列的利用率、减少对计算资源的浪费，并且提高了对待处理图像数据的处理效率。
-
公开(公告)号：CN113052760B
公开(公告)日：2024-08-13
申请号：CN202110518017.6
申请日：2021-05-12
Applicant: 成都商汤科技有限公司 , 电子科技大学
IPC: G06T3/04
Abstract: 本申请提出一种池化方法、芯片、设备和存储介质。其中，上述方法可以包括获取目标特征图。对上述目标特征图进行拆分，得到若干子特征图。其中，上述目标特征图中处于同一池化窗口内的至少部分像素值分别处于不同的子特征图，各池化窗口内处于同一位置的像素值处于同一子特征图。对各子特征图中属于不同池化窗口的像素并行处理，得到上述目标特征图对应的池化结果。
-
公开(公告)号：CN117576217B
公开(公告)日：2024-03-26
申请号：CN202410048613.6
申请日：2024-01-12
Applicant: 电子科技大学
Abstract: 本发明提供一种基于单实例图像重建的物体位姿估计方法，包括实例分割步骤：接收传感器采集的包含目标物体的场景RGB图像作为输入；对输入RGB图像中目标物体按实例进行分割为图片块；位姿估计步骤：在训练时先通过对图片块中的目标物体进行单实例重建，以去除遮挡和背景为物体重建目的得到重建的目标物体，同时通过重建学习到目标物体的特征；最后对提取的特征进行6DoF位姿预测。本发明通过对单个目标物体进行标准化的重建，大大降低场景中光照、传感器色彩偏差和轻微几何畸变对物体位姿估计精确度的影响，使得算法泛化性增强，对单个目标物体RGB图像重建并提取特征，直接预测6DoF位姿也极大提升了估计的鲁棒性和准确率。
-
公开(公告)号：CN117725483A
公开(公告)日：2024-03-19
申请号：CN202311750181.5
申请日：2023-12-19
Applicant: 电子科技大学
IPC: G06F18/241 , G06F18/214 , G06N3/0464 , G06N3/08 , G06F18/213
Abstract: 本发明提供一种基于神经网络的有监督的信号分类方法，采集少量与待分类数据相同采集环境的数据并完成贴标生成校准数据；将校准数据输入至神经网络模块，根据神经网络模块的模板层的输出得到所有信号类别的类别模板；将待分类数据输入至神经网络模块，神经网络模块的模板层输出待分类数据的特征数据；将待分类数据的特征数据分别与各类别模板进行距离计算，将距离最小值所对应的类别作为最终的分类结果。本发明减小了信号变异性对模型性能的影响，无需对神经网络参数进行重新训练，显著降低了计算复杂度，同时具有更优越的分类性能。在语音信号、生理信号等变异性较强的信号处理中具有广泛的应用价值。
-
公开(公告)号：CN117392221A
公开(公告)日：2024-01-12
申请号：CN202311357595.1
申请日：2023-10-19
Applicant: 电子科技大学
IPC: G06T7/73 , G06V10/40 , G06V10/52 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0499 , G06N3/08
Abstract: 本发明提供了一种基于光学图像的托盘检测及位姿计算方法，属于托盘检测技术领域，该方法包括利用KCF目标跟踪算法对传感器图像进行半自动标注；对经标注后的传感器图像进行预处理，并利用经预处理后的传感器图像对基于神经网络的自适应聚焦算法模型进行训练；利用经训练后的自适应聚焦算法模型对传感器图像进行特征提取、托盘朝向的分类以及托盘在传感器图像中的位置回归处理，得到托盘在传感器图像中的大小及位置；基于传感器图像到真实世界的映射关系，利用MLP多层感知机技术得到托盘检测结果到真实世界托盘位姿的映射关系，本发明解决了现有的托盘检测算法复杂以及基于二维图像难以获取托盘准确位姿的问题。
-
-
-
-
-
-
-
-
-
Search Results
149
records
(took 0.034 seconds)
