-
公开(公告)号：CN116916143A
公开(公告)日：2023-10-20
申请号：CN202310391442.2
申请日：2023-04-13
Applicant: 佳能株式会社
IPC: H04N23/611 , G06T7/246 , G06N3/0464
Abstract: 本发明涉及图像处理设备、图像处理方法和计算机可读存储介质。一种设备在基于指示第一图像的摄像姿势的第一信息的第一阵列中设置系数，通过将该系数应用于第一图像来生成第一图，基于第一图来获取与物体相对应的模板特征，将模板特征登记在基于第一信息的阵列中，在基于指示第二图像的摄像姿势的第二信息的第二阵列中设置系数，通过将第二阵列中所设置的系数应用于第二图像来生成第二图，在基于第二信息的特征阵列中设置模板特征，进行特征阵列中所设置的模板特征和第二图之间的相关计算，并且基于相关计算的结果来从第二图像中检测物体。
-
公开(公告)号：CN111428870B
公开(公告)日：2023-10-13
申请号：CN202010021533.3
申请日：2020-01-09
Applicant: 佳能株式会社
IPC: G06N3/063 , G06N3/0464 , G06T1/60 , G06T1/20
Abstract: 本发明提供了一种信息处理装置及存储器控制方法。控制单元控制向第一存储器和第二存储器写入权重数据并控制从第一存储器和第二存储器中读出权重数据。控制单元在第一操作和第二操作之间切换操作，第一操作，其中处理单元从第一存储器中读出第一权重数据并使用第一权重数据进行卷积运算处理，同时并行地向第二存储器写入第二权重数据，以及第二操作，其中处理单元从第一存储器和第二存储器两者中读出第一权重数据并使用第一权重数据进行卷积运算处理。
-
公开(公告)号：CN110245741A
公开(公告)日：2019-09-17
申请号：CN201811389762.X
申请日：2018-11-21
Applicant: 佳能株式会社
Abstract: 本发明提供一种多层神经网络模型的优化和应用方法、装置及存储介质。所述优化方法包括：从待优化的多层神经网络模型中划分出至少一个子结构，其中，划分出的子结构的尾层为量化层；针对划分出的各个子结构，将除量化层以外的其它层的运算参数传递到量化层中，并基于传递的运算参数更新量化层中的量化阈值参数。在运行基于所述优化方法优化后的多层神经网络模型时，可减少所需的处理器资源。
-
公开(公告)号：CN113361700A
公开(公告)日：2021-09-07
申请号：CN202010142443.X
申请日：2020-03-04
Applicant: 佳能株式会社
Abstract: 本发明公开一种生成量化神经网络的方法、装置、系统、存储介质及应用。所述方法包括：确定步骤，基于待量化的神经网络中的浮点权重，分别确定与所述浮点权重对应的、用于直接输出量化权重的网络；量化步骤，利用所确定的网络，对与其对应的浮点权重进行量化，以得到量化神经网络；以及更新步骤，基于经由所述量化神经网络得到的损失函数值，更新所述所确定的网络、所述浮点权重和所述量化神经网络中的量化权重。根据本公开，可解决神经网络量化过程中的梯度不匹配问题，从而能提高所生成的量化神经网络的性能。
-
公开(公告)号：CN110998656A
公开(公告)日：2020-04-10
申请号：CN201880051377.6
申请日：2018-07-30
Applicant: 佳能株式会社
IPC: G06T7/00
Abstract: 为了使用小容量存储单元进行鉴别计算，特征计算部被构造为针对各个层级层依次地计算鉴别目标数据的特征；鉴别计算部被构造为使用通过特征计算部依次地计算出的特征而对鉴别目标数据依次地进行部分鉴别计算，并将部分鉴别计算的结果存储在鉴别结果存储单元中；以及控制部被构造为控制鉴别计算部使用通过特征计算部依次地计算出的特征和鉴别结果存储单元中存储的部分鉴别计算的结果，进行下一部分鉴别计算，并将下一部分鉴别计算的结果存储在鉴别结果存储单元中。
-
Patent Agency Ranking
公开(公告)号：CN109598741A
公开(公告)日：2019-04-09
申请号：CN201710915056.3
申请日：2017-09-30
Applicant: 佳能株式会社
Abstract: 本发明公开了一种图像处理装置和方法及监控系统。所述图像处理装置包括：被配置为获取输入视频中的当前图像并且获取包括背景图像和视觉元素的前景/背景分类信息的背景模型的单元；被配置为确定所述当前图像中的视觉元素与所述背景模型中的视觉元素之间的第一相似性度量的单元；以及被配置为根据所述当前图像、所述背景模型中的所述背景图像及所述第一相似性度量将所述当前图像中的所述视觉元素分类为前景或背景的单元。其中，所述背景模型中的所述视觉元素是分类信息为背景并且与所述当前图像中的所述视觉元素的对应部分相邻的视觉元素。根据本发明，前景检测的准确性将得到改善。
-
公开(公告)号：CN110991627B
公开(公告)日：2025-01-07
申请号：CN201910933454.7
申请日：2019-09-29
Applicant: 佳能株式会社
Inventor： 陈则玮
IPC: G06N3/063
Abstract: 本发明提供信息处理装置、信息处理方法。该信息处理装置包括：控制单元，其被构造为，针对包括多个层的网络的各层，基于数据的位宽设置移位量；多个MAC(乘法累加)单元，其被构造为，对层的多个数据和多个滤波系数执行乘法累加运算；多个移位运算单元，其被构造为，基于移位量对通过所述多个MAC单元获得的多个MAC运算结果进行移位；以及加法单元，其被构造为，计算通过所述多个移位运算单元移位的所述多个MAC运算结果的总和。
-
公开(公告)号：CN112784978A
公开(公告)日：2021-05-11
申请号：CN201911086516.1
申请日：2019-11-08
Applicant: 佳能株式会社
IPC: G06N3/08
Abstract: 本发明公开一种训练神经网络的方法、装置和系统及存储指令的存储介质。在训练神经网络的方法中，神经网络包括第一神经网络和第二神经网络，第一神经网络的训练还未完成且第二神经网络的训练还未开始，对于当前的第一神经网络和当前的第二神经网络，该方法包括：将样本图像经由当前的第一神经网络得到第一输出，将样本图像经由当前的第二神经网络得到第二输出；以及，根据第一损失函数值更新当前的第一神经网络，根据第二损失函数值更新当前的第二神经网络，其中，第一损失函数值根据第一输出获得，第二损失函数值根据第一输出和第二输出获得。根据本公开，可改善第二神经网络的性能及减少第一神经网络和第二神经网络的整体训练时间。
-
公开(公告)号：CN112446487A
公开(公告)日：2021-03-05
申请号：CN201911115314.5
申请日：2019-11-14
Applicant: 佳能株式会社
Abstract: 本发明提供一种神经网络模型的训练和应用方法、装置、系统及存储介质。所述训练方法包括：根据神经网络模型的训练迭代次数和计算精度确定约束阈值范围，将权重的梯度约束在所述约束阈值范围内，使得当由于量化误差导致低精度的权重的梯度出现畸变的时候，通过对梯度的约束，修正梯度出现的畸变，使训练后的网络模型能够达到预期的性能。
-
公开(公告)号：CN111428870A
公开(公告)日：2020-07-17
申请号：CN202010021533.3
申请日：2020-01-09
Applicant: 佳能株式会社
Abstract: 本发明提供了一种信息处理装置及存储器控制方法。控制单元控制向第一存储器和第二存储器写入权重数据并控制从第一存储器和第二存储器中读出权重数据。控制单元在第一操作和第二操作之间切换操作，第一操作，其中处理单元从第一存储器中读出第一权重数据并使用第一权重数据进行卷积运算处理，同时并行地向第二存储器写入第二权重数据，以及第二操作，其中处理单元从第一存储器和第二存储器两者中读出第一权重数据并使用第一权重数据进行卷积运算处理。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.024 seconds)
