-
公开(公告)号：CN116824573A
公开(公告)日：2023-09-29
申请号：CN202310643790.4
申请日：2023-06-01
Applicant: 东南大学 , 江苏智运科技发展有限公司
IPC: G06V20/64 , G06V10/40 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 本发明公开一种基于Transformer的单目3D目标检测方法，属于计算、推算或计数的技术领域。该方法包括以下步骤。S1：构建网络基本结构，该网络基本结构包括特征提取模块和编解码模块和损失函数模块；S2：通过单目3D目标检测数据集验证并调整网络基本结构，利用调整后的结构构建最终的单目3D目标检测模型；S3：重新训练S2得到的单目3D目标检测模型；S4：利用S3训练后得到的模型进行检测。本发明还可选择地利用基于深度的数据增强方式处理数据集以实现对模型的调优。本发明有效提高单目3D目标检测算法中的检测精度，同时对深度编解码的输入特征数据使用了深度转换，降低了运行延时，减少了内存的占用。
-
公开(公告)号：CN113313255A
公开(公告)日：2021-08-27
申请号：CN202110675052.9
申请日：2021-06-18
Applicant: 东南大学
Abstract: 本发明公开了一种基于神经网络架构搜索的无监督领域自适应方法，该方法通过构建可用于可微分网络架构搜索的网络结构，将实际输入样本的特征图和训练样本的特征图的欧式距离作为损失函数，按序交叉搜索更新网络的结构参数和权重参数，最后选择性能最优的一组参数构建网络模型；本发明使神经网络模型有更强的自适应能力，并且本方法中对网络中各操作赋予权重的结构，可以使网络结构的搜索和更新更加简便快捷、同时降低改变网络结构后的重训练所需的计算代价，使本方法易于在可移动嵌入式终端实施。
-
公开(公告)号：CN114781290A
公开(公告)日：2022-07-22
申请号：CN202210453278.9
申请日：2022-04-27
Applicant: 东南大学
Abstract: 本发明公开了一种基于目标检测网络的寄生参数提取方法，属于寄生参数提取领域。该方法包括如下步骤：建立寄生电容模式库；创建符合版图互连线特点的数据集；使用自建数据集训练目标检测网络，通过修改损失函数对网络进行优化；用训练过的网络对版图图片进行预测，对网络的预测结果进行后续处理，得到寄生参数值。本发明旨在为数字集成电路寄生参数模式库建立和模式匹配提供了一种简单，供选择的解决方案。
-
公开(公告)号：CN116521229A
公开(公告)日：2023-08-01
申请号：CN202310128069.1
申请日：2023-02-15
Applicant: 东南大学 , 南京三宝科技股份有限公司
Abstract: 本发明公开一种基于RISC‑V向量指令扩展的低硬件开销向量处理器架构，属于电数字数据处理的技术领域。上述架构包括：向量指令队列、标量寄存器缓存、解码和派遣模块、寄存器状态表、指令状态表、记分牌发射队列、向量加法功能单元、向量乘法功能单元、向量加载/存储功能单元、向量寄存器组。其中，向量指令从标量端送入到向量指令队列，根据解码获取的不同操作类型派遣到对应的向量功能单元，然后进行执行和写回，采取的是顺序派遣、相同微指令间顺序发射的策略。记分牌和发射队列结合，针对向量指令微码化的特征，与寄存器状态表和指令状态表结合来控制指令间的动态调度。本发明在低硬件开销下，实现向量指令在向量处理器内部有序高效执行的目的。
-
公开(公告)号：CN114997382A
公开(公告)日：2022-09-02
申请号：CN202210526577.0
申请日：2022-05-16
Applicant: 东南大学
Abstract: 本发明公开了一种面向轻量级神经网络的低硬件开销卷积计算结构，包括预处理模块、计算模块以及累加模块。计算模块由计算阵列、可配置加法树、普通加法树组成。计算阵列由计算片组成，每个计算片由计算单元构成，计算单元包含移位运算器和加法器，计算单元采用移位加法代替乘法计算，在保证较好精度的前提下，有效降低了硬件电路的面积和功耗的开销。可配置加法树单元支持标准卷积和深度可分离卷积计算，将计算硬件进行统一，有效降低卷积计算硬件电路的面积和功耗的开销。本发明还公开了一种面向轻量级神经网络的低硬件开销卷积计算结构的计算方法，通过数据分块和通道增强技术，使得计算模块最大化处于工作状态，有效地提高了计算单元的利用率。
-
Patent Agency Ranking
公开(公告)号：CN113793279B
公开(公告)日：2022-11-08
申请号：CN202111072882.9
申请日：2021-09-14
Applicant: 东南大学
Abstract: 本发明公开了一种面向交通标志目标检测领域的数据增强方法，该方法通过对交通标志数据集中数量较少的类别针对性地级联多个数据增强方法进行数据增强，解决了数据集中类别分布的长尾问题，同时使训练出的模型可以应对道路场景中复杂的实际情况；本发明针对每种类别使用不同的数据增强策略，使得数据增强算法生成的图片在丰富交通标志样本特征的同时不破坏交通标志本身的重要特征，提高了模型在各种复杂应用场景下的准确率；使用模拟退火算法搜索最佳的数据增强超参数组，在广大的超参数空间中搜索到最优的超参数解。
-
公开(公告)号：CN113793279A
公开(公告)日：2021-12-14
申请号：CN202111072882.9
申请日：2021-09-14
Applicant: 东南大学
Abstract: 本发明公开了一种面向交通标志目标检测领域的数据增强方法，该方法通过对交通标志数据集中数量较少的类别针对性地级联多个数据增强方法进行数据增强，解决了数据集中类别分布的长尾问题，同时使训练出的模型可以应对道路场景中复杂的实际情况；本发明针对每种类别使用不同的数据增强策略，使得数据增强算法生成的图片在丰富交通标志样本特征的同时不破坏交通标志本身的重要特征，提高了模型在各种复杂应用场景下的准确率；使用模拟退火算法搜索最佳的数据增强超参数组，在广大的超参数空间中搜索到最优的超参数解。
-
公开(公告)号：CN114997382B
公开(公告)日：2024-11-05
申请号：CN202210526577.0
申请日：2022-05-16
Applicant: 东南大学
IPC: G06N3/063 , G06N3/0464 , G06T1/20
Abstract: 本发明公开了一种面向轻量级神经网络的低硬件开销卷积计算结构，包括预处理模块、计算模块以及累加模块。计算模块由计算阵列、可配置加法树、普通加法树组成。计算阵列由计算片组成，每个计算片由计算单元构成，计算单元包含移位运算器和加法器，计算单元采用移位加法代替乘法计算，在保证较好精度的前提下，有效降低了硬件电路的面积和功耗的开销。可配置加法树单元支持标准卷积和深度可分离卷积计算，将计算硬件进行统一，有效降低卷积计算硬件电路的面积和功耗的开销。本发明还公开了一种面向轻量级神经网络的低硬件开销卷积计算结构的计算方法，通过数据分块和通道增强技术，使得计算模块最大化处于工作状态，有效地提高了计算单元的利用率。
-
公开(公告)号：CN113313255B
公开(公告)日：2024-05-24
申请号：CN202110675052.9
申请日：2021-06-18
Applicant: 东南大学
Abstract: 本发明公开了一种基于神经网络架构搜索的无监督领域自适应方法，该方法通过构建可用于可微分网络架构搜索的网络结构，将实际输入样本的特征图和训练样本的特征图的欧式距离作为损失函数，按序交叉搜索更新网络的结构参数和权重参数，最后选择性能最优的一组参数构建网络模型；本发明使神经网络模型有更强的自适应能力，并且本方法中对网络中各操作赋予权重的结构，可以使网络结构的搜索和更新更加简便快捷、同时降低改变网络结构后的重训练所需的计算代价，使本方法易于在可移动嵌入式终端实施。
-
公开(公告)号：CN116258188A
公开(公告)日：2023-06-13
申请号：CN202310261151.1
申请日：2023-03-17
Applicant: 昆山市工业技术研究院有限责任公司 , 东南大学苏州研究院
IPC: G06N3/063 , G06N3/082 , G06N3/0464
Abstract: 本发明公开面向非结构化稀疏的动态匹配非零值的神经网络加速器，属于计算、推算或计数的技术领域。加速器架构包括：处理模块、负载平衡模块、后处理模块、稀疏编码模块、控制单元、输入缓存模块、权重缓存模块、输出缓存模块。通过稀疏编码模块对输入激活张量进行片上编码，避免对无效数据的存储及搬运，从而提高加速器整体能效。负载平衡模块对稀疏张量进行标记后动态分配，有效缓解输入激活张量不规整造成的计算单元负载不均衡问题。PE的非零值匹配单元通过bitmap索引高效匹配非零对，同时利用了权重和激活两方面的稀疏性，跳过零值参与的无效计算从而增加处理效率，从而实现对非结构化稀疏的神经网络的高效推理。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.016 seconds)
