-
Patent Agency Ranking
公开(公告)号：CN106844024B
公开(公告)日：2020-06-05
申请号：CN201611251972.3
申请日：2016-12-30
Applicant: 中国科学院计算技术研究所 , 中国科学院国有资产经营有限责任公司
Abstract: 本发明提出一种自学习运行时间预测模型的GPU/CPU调度方法，涉及大规模异构计算、云计算技术领域，该方法包括对源代码进行预处理，生成与源代码对应的运行状态标识符和程序运行所需要的参数，并存储在XML文件中；设置预测函数，根据运行状态标识符返回的在某个阶段程序的运行时间和本阶段设置的参数，计算预测函数回归参数θ并存储在XML文件中；当程序被再次调用时，查找与其相对应的XML文件，计算新归一化参数，将新归一化参数代入预测函数，获取程序本次运行的运行时间预测值，获取程序重新分配到另一个节点所需要的消耗时间，若新分配的消耗时间低于运行时间预测值，则将程序分配给CPU节点。
-
公开(公告)号：CN113111916B
公开(公告)日：2023-06-23
申请号：CN202110278041.7
申请日：2021-03-15
Applicant: 中国科学院计算技术研究所
IPC: G06V10/764 , G06V10/26 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0895
Abstract: 本发明涉及一种基于弱监督的医学图像语义分割方法，包括：对样本医学图像进行分割获得多个尺度下的多个特征图块；通过随机失活掩码对该特征图块进行筛选，对选出的特征图块提取图像特征，以该图像特征对深度卷积神经网络进行训练获得分类模型；以该分类模型对目标医学图像进行分割，并通过类别激活图构建热力图作为分割结果的伪标签。本发明还涉及一种基于弱监督的医学图像语义分割系统，以及一种数据处理装置。
-
公开(公告)号：CN113111916A
公开(公告)日：2021-07-13
申请号：CN202110278041.7
申请日：2021-03-15
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种基于弱监督的医学图像语义分割方法，包括：对样本医学图像进行分割获得多个尺度下的多个特征图块；通过随机失活掩码对该特征图块进行筛选，对选出的特征图块提取图像特征，以该图像特征对深度卷积神经网络进行训练获得分类模型；以该分类模型对目标医学图像进行分割，并通过类别激活图构建热力图作为分割结果的伪标签。本发明还涉及一种基于弱监督的医学图像语义分割系统，以及一种数据处理装置。
-
公开(公告)号：CN106844024A
公开(公告)日：2017-06-13
申请号：CN201611251972.3
申请日：2016-12-30
Applicant: 中国科学院计算技术研究所 , 中国科学院国有资产经营有限责任公司
Abstract: 本发明提出一种自学习运行时间预测模型的GPU/CPU调度方法，涉及大规模异构计算、云计算技术领域，该方法包括对源代码进行预处理，生成与源代码对应的运行状态标识符和程序运行所需要的参数，并存储在XML文件中；设置预测函数，根据运行状态标识符返回的在某个阶段程序的运行时间和本阶段设置的参数，计算预测函数回归参数θ并存储在XML文件中；当程序被再次调用时，查找与其相对应的XML文件，计算新归一化参数，将新归一化参数代入预测函数，获取程序本次运行的运行时间预测值，获取程序重新分配到另一个节点所需要的消耗时间，若新分配的消耗时间低于运行时间预测值，则将程序分配给CPU节点。
-
公开(公告)号：CN111461144A
公开(公告)日：2020-07-28
申请号：CN202010244305.2
申请日：2020-03-31
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种用于加速卷积神经网络的方法，包括：步骤1：将具有N个通道的输入特征图沿通道方向划分成G组初始特征图，其中，第Gi组初始特征图中包含Si个特征图，对所述G组初始特征图进行第一次组卷积得到G组第一特征图，其中N、G、Si为大于等于1的整数；步骤2：将所述G组第一特征图重新划分成F组第二特征图，其中，第Fj组第二特征图中包含来自不同的第一特征图组的Tj个特征图， 对所述F组第二特征图进行第二次组卷积，得到具有M个通道的输出特征图，其中F、Tj、M为大于等于1的整数。
-
-
-
-
Search Results
5
records
(took 0.022 seconds)
