-
公开(公告)号：CN109740419A
公开(公告)日：2019-05-10
申请号：CN201811397129.5
申请日：2018-11-22
Applicant: 东南大学 , 东南大学—无锡集成电路技术研究所 , 南京三宝科技股份有限公司
Abstract: 本发明公开了一种基于Attention-LSTM网络的视频行为识别方法。通过光流图序列生成模块对输入的RGB图序列进行变换，得到光流图序列；将光流图序列与原RGB图序列输入时域注意力取帧模块，分别选取两种图序列中非冗余的关键帧；将两种图的关键帧序列输入AlexNet网络特征提取模块，分别提取出两种帧图的时序特征和空间特征，通过特征分权加强模块，对最后一层卷积层输出的特征图执行加重与动作相关性强的特征权重的操作；将两个AlexNet网络特征提取模块输出的特征图输入LSTM网络行为识别模块，分别对两种图片进行识别，并将两种识别结果通过融合模块按比例融合，得到最终的视频行为识别结果。本发明不仅能实现从视频中识别行为的功能，且能提高识别的准确率。
-
公开(公告)号：CN109711532A
公开(公告)日：2019-05-03
申请号：CN201811486547.1
申请日：2018-12-06
Applicant: 东南大学 , 东南大学—无锡集成电路技术研究所 , 南京三宝科技股份有限公司
IPC: G06N3/04
Abstract: 本发明公开一种针对硬件实现稀疏化卷积神经网络推断的加速方法，包括面对稀疏硬件加速架构的分组剪枝参数确定方法、针对稀疏硬件加速架构的分组剪枝训练方法和针对稀疏化卷积神经网络前向推断的部署方法：根据硬件架构中乘法器数量确定分组剪枝的分组长度和剪枝率，基于量级裁剪方式将压缩率以外的权值进行裁剪，通过增量训练方式提升剪枝后的网络准确率及压缩率，剪枝过的网络经微调后保存非剪枝位置的权值和索引参数并送入硬件架构下的计算单元中，计算单元同时获取分组长度的激活值完成稀疏网络前向推断。本发明基于硬件架构出发设定算法层面的剪枝参数与剪枝策略，有益于降低稀疏加速器的逻辑复杂度提高稀疏加速器前向推断的整体效率。
-
公开(公告)号：CN109711433A
公开(公告)日：2019-05-03
申请号：CN201811451465.3
申请日：2018-11-30
Applicant: 东南大学 , 东南大学—无锡集成电路技术研究所 , 南京三宝科技股份有限公司
IPC: G06K9/62
Abstract: 本发明公开一种基于元学习的细粒度分类方法，步骤是：建立外部数据集，将数据集分为训练集、验证集和测试集，三者之间的样本类别互不相交，且测试集的样本类别小于训练集；对数据集中的样本进行数据增强；建立卷积神经网络，该卷积神经网络的输入为彩色图片，输出为彩色图片所属类别，分类层的长度等于外部数据集的类别数，损失函数采用softmax loss；采用训练集训练细粒度分类网络；利用测试集对预训练好的卷积神经网络进行测试，并根据测试结果对卷积神经网络进行微调。此种方法可以快速生成一个良好的通用初始化模型，可以使得在测试相关但不同的类别时，仅用较少的样本就可以取得较好的分类效果，来解决细粒度分类时没有大数据集的问题。
-
公开(公告)号：CN109447014A
公开(公告)日：2019-03-08
申请号：CN201811317221.6
申请日：2018-11-07
Applicant: 东南大学-无锡集成电路技术研究所 , 东南大学 , 南京三宝科技股份有限公司
Abstract: 本发明公开了一种基于双通道卷积神经网络的视频在线行为检测方法。首先，通过光流图片序列生成模块对输入的RGB图进行变换，得到光流图；其次，将得到的光流图与原RGB图通过双通道分别输入至两个相同的轻量双卷积核SSD网络中，分别提取出两种图的时序特征和空间特征以及检测框和置信分值；然后，通过融合模块对两种图片生成的检测框和置信分值进行融合，形成带检测框和置信分值的图片；最后，将带有检测框和置信分值的图片输入在线动作管道，从视频的角度给出最终的行为检测结果。本发明通过设计轻量双卷积核SSD网络，大幅度简化了深度学习网络，提高了行为检测效率。
-
公开(公告)号：CN109323695A
公开(公告)日：2019-02-12
申请号：CN201811266426.6
申请日：2018-10-29
Applicant: 东南大学—无锡集成电路技术研究所 , 东南大学 , 南京三宝科技股份有限公司
IPC: G01C21/20
Abstract: 本发明公开一种基于自适应无迹卡尔曼滤波的室内定位方法，步骤是：根据室内环境收集采样点处接收到的路由器信号并组合成为指纹存入数据库，实时采集路由器信号序列，将序列和数据库中的指纹进行匹配，估计得到近似位置；通过传感器获取加速度、角加速度和磁场强度数据，通过航迹推算算法中步长检测算法和航向推算算法分别求得行进中步长和方向；利用估计位置信息、步长和方向信息构建合适无迹卡尔曼滤波算法的系统方程和测量方程模型，并根据观测值和后验估计值的偏差设计自适应噪声缩放因子，修正当前时刻的过程噪声的方差，最后通过迭代更新估计位置。此种方法可实现在未知模型和行人状态多变情况下滤波的优良性能，保证长期稳定的定位精度。
-
Patent Agency Ranking
公开(公告)号：CN109711532B
公开(公告)日：2023-05-12
申请号：CN201811486547.1
申请日：2018-12-06
Applicant: 东南大学 , 东南大学—无锡集成电路技术研究所 , 南京三宝科技股份有限公司
IPC: G06N3/082 , G06N3/084 , G06N3/0464
Abstract: 本发明公开一种针对硬件实现稀疏化卷积神经网络推断的加速方法，包括面对稀疏硬件加速架构的分组剪枝参数确定方法、针对稀疏硬件加速架构的分组剪枝训练方法和针对稀疏化卷积神经网络前向推断的部署方法：根据硬件架构中乘法器数量确定分组剪枝的分组长度和剪枝率，基于量级裁剪方式将压缩率以外的权值进行裁剪，通过增量训练方式提升剪枝后的网络准确率及压缩率，剪枝过的网络经微调后保存非剪枝位置的权值和索引参数并送入硬件架构下的计算单元中，计算单元同时获取分组长度的激活值完成稀疏网络前向推断。本发明基于硬件架构出发设定算法层面的剪枝参数与剪枝策略，有益于降低稀疏加速器的逻辑复杂度提高稀疏加速器前向推断的整体效率。
-
公开(公告)号：CN109740419B
公开(公告)日：2021-03-02
申请号：CN201811397129.5
申请日：2018-11-22
Applicant: 东南大学 , 东南大学—无锡集成电路技术研究所 , 南京三宝科技股份有限公司
Abstract: 本发明公开了一种基于Attention‑LSTM网络的视频行为识别方法。通过光流图序列生成模块对输入的RGB图序列进行变换，得到光流图序列；将光流图序列与原RGB图序列输入时域注意力取帧模块，分别选取两种图序列中非冗余的关键帧；将两种图的关键帧序列输入AlexNet网络特征提取模块，分别提取出两种帧图的时序特征和空间特征，通过特征分权加强模块，对最后一层卷积层输出的特征图执行加重与动作相关性强的特征权重的操作；将两个AlexNet网络特征提取模块输出的特征图输入LSTM网络行为识别模块，分别对两种图片进行识别，并将两种识别结果通过融合模块按比例融合，得到最终的视频行为识别结果。本发明不仅能实现从视频中识别行为的功能，且能提高识别的准确率。
-
公开(公告)号：CN117034851A
公开(公告)日：2023-11-10
申请号：CN202311003914.9
申请日：2023-08-10
Applicant: 东南大学 , 南京三宝科技股份有限公司
IPC: G06F30/394 , G06F30/398 , G06F30/27 , G06F17/13 , G06T7/10 , G06N5/01
Abstract: 本发明公开并保护了一种基于剪枝和图分割优化的区域分解方法，首先通过对电源或地传输网络建模来建立常微分方程并进行数值离散，得到稀疏线性系统；其次以减少交互节点数量为主要指标，使用图分割算法将稀疏线性系统分割成多个子块；然后利用装箱问题的求解算法将各个子块分配到多个计算机中；接着检查计算机的负载均衡情况并判断是否结合动态调度进一步均衡负载；通过二次模型量化剪枝阈值和误差之间的联系，并结合误差要求确定剪枝阈值，对舒尔补充矩阵进行剪枝并求解；最后汇总多个机器的计算结果并得到最终的结果，从而实现了改善区域分解方法的可扩展性。
-
公开(公告)号：CN102508200A
公开(公告)日：2012-06-20
申请号：CN201110361270.1
申请日：2011-11-16
Applicant: 东南大学 , 南京三宝科技股份有限公司
IPC: G01S5/06
Abstract: 复数扩频信号的到达时间差测量方法，利用复相关法捕获到达的信号，并根据复相关值的峰值点的位置来测量信号到达时间差，捕获到信号时，对接收到的信号做复数差分运算并缓存，通过内插法提高缓存信号的采样率；对本地信号做同样处理。处理后的高采样率接收信号与本地信号进行复相关，获得精确的两路信号到达时间差；进一步，对一段时间内不同时刻捕获的几组信号采取最大距离过滤法，将偏离较大的时间差值过滤，得到更精确的两路信号到达时间差。本发明不需要对接收信号做相位校正，就可以获得良好的复信号相关峰值，进而提取到达时间差，提高了时差测量的精度，信号缓存，采用非实时处理避免了实时的插值后数据量太大以及工作频率过高的问题。
-
公开(公告)号：CN119740528A
公开(公告)日：2025-04-01
申请号：CN202411713957.0
申请日：2024-11-27
Applicant: 东南大学 , 南京三宝科技股份有限公司
IPC: G06F30/33 , G06F30/327 , G06F30/398 , G06N3/0499 , G06N3/082 , G06N3/084
Abstract: 本发明提供了一种面向电路仿真分区技术的基于机器学习的剪枝方法，首先，使用电路仿真工具对给定的电路网表进行仿真并计算精度，通过扫描子电路数量和耦合电路剪枝阈值，获得大量样本，其次，将剪枝阈值作为样本标签，通过对样本标签进行预处理，使得电路仿真工具在难以提升性能的前提下尽可能维持高仿真精度，然后，通过分析剪枝阈值与仿真精度之间的关系提取相关特征，接着，基于生成的样本集训练机器学习模型，最后，将训练完成的模型嵌入到电路仿真工具中，依据用户给定的仿真精度预测每个子电路的剪枝阈值，并对耦合电路进行剪枝。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.086 seconds)
