公开(公告)号：CN115205593A

公开(公告)日：2022-10-18

申请号：CN202210836215.1

申请日：2022-07-15

Applicant: 南京大学

Inventor： 王中风 ,  程昕 ,  王美琪 ,  施禹伯 ,  林军

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/774 ,  G06V10/94

Abstract: 本申请提供一种应用于智能终端的图像分类方法及装置。所述方法包括：响应于图像分类任务，从候选模型集合中随机选取一个候选模型，得到目标模型；使用目标模型执行图像分类任务，得到分类结果。其中，候选模型集合包括通过云端GPU按照不同的稀疏阈值，结构化稀疏一个原始模型得到的多个候选模型。采用本申请提供的所述图像分类方法，即使攻击者获得用于推理的所有信息，包括模型结构、参数、随机策略以及用于随机的候选模型集合，但是也不能得知我们当前用于推理的候选模型集合中的哪一个模型。因此，不管攻击者采用同样的随机策略或者利用固定模型生成攻击样本，本申请提供的图像分类方法都能够兼顾用于推理的神经网络模型的鲁棒性和高效性。

公开(公告)号：CN116131863A

公开(公告)日：2023-05-16

申请号：CN202310327458.7

申请日：2023-03-30

Applicant: 南京大学

Inventor： 王中风 ,  陈颖 ,  施禹伯

IPC: H03M7/40

Abstract: 本发明提供了一种面向多种可变字长编码的码字拼接装置，包括预拼接模块、桶形移位模块、位拼接模块、寄存器选择模块；所述预拼接模块包含位扩展器、加法器和桶形移位寄存器，所述扩展器用于低位补零，所述加法器用于输出拼接后的不定长码字实际位宽，所述桶形移位寄存器用于向右移位；所述桶形移位模块用于进行循环移位；所述位拼接模块通过乒乓结构轮流负责位拼接和缓存尚未进行位拼接的数据；所述寄存器选择模块用于进行寄存器选择。本发明能够高效地对各种可变字长编码算法产生的多种不定长码字进行数据拼接且不会出现堵塞，且使数据流以字节为单位进行输出。

公开(公告)号：CN112906874A

公开(公告)日：2021-06-04

申请号：CN202110367961.6

申请日：2021-04-06

Applicant: 南京大学

Inventor： 王中风 ,  施禹伯 ,  林军

IPC: G06N3/04 ,  G06N3/08

Abstract: 本申请公开了卷积神经网络特征图数据压缩方法及装置，该方法包括特征图通道重构阶段和零值比特图编码压缩阶段；特征图通道重构阶段中，使用一维离散余弦变换对特征图通道维进行重构，利用频域过滤器实现高频信息过滤，得到稀疏度高于原特征图的稀疏特征图，然后在零值比特图编码压缩阶段对稀疏特征图进行压缩，得到所述原特征图的最终压缩数据。上述方法利用卷积神经网络的通道冗余，实现将有一定频域特征的通道组重构到一起，提升待传输数据的稀疏度，进而提升了被压缩的潜力，随后使用零值比特图编码压缩对稀疏特征图压缩，提高了压缩率。

公开(公告)号：CN112906874B

公开(公告)日：2024-08-23

申请号：CN202110367961.6

申请日：2021-04-06

Applicant: 南京大学

Inventor： 王中风 ,  施禹伯 ,  林军

IPC: G06V10/77 ,  G06V10/44 ,  G06V10/42 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/048

Abstract: 本申请公开了卷积神经网络特征图数据压缩方法及装置，该方法包括特征图通道重构阶段和零值比特图编码压缩阶段；特征图通道重构阶段中，使用一维离散余弦变换对特征图通道维进行重构，利用频域过滤器实现高频信息过滤，得到稀疏度高于原特征图的稀疏特征图，然后在零值比特图编码压缩阶段对稀疏特征图进行压缩，得到所述原特征图的最终压缩数据。上述方法利用卷积神经网络的通道冗余，实现将有一定频域特征的通道组重构到一起，提升待传输数据的稀疏度，进而提升了被压缩的潜力，随后使用零值比特图编码压缩对稀疏特征图压缩，提高了压缩率。

公开(公告)号：CN116128737B

公开(公告)日：2023-06-27

申请号：CN202310420888.3

申请日：2023-04-19

Applicant: 南京大学

Inventor： 王中风 ,  汪文浩 ,  施禹伯 ,  王美琪

IPC: G06T3/40 ,  G06T1/40 ,  H04N19/117 ,  H04N19/124 ,  H04N19/176 ,  H04N19/436 ,  H04N19/625 ,  H04N19/91 ,  H04N19/93

Abstract: 本发明提供了一种基于数据压缩的图像超分网络鲁棒性提升装置，包括压缩模块和解压缩模块；所述压缩模块包括特征图张量切块与重排模块、二维离散余弦变换模块、量化模块、随机掩膜滤波器模块、压缩编码模块；所述特征图张量切块与重排模块用于为空间二维分块，分块后的数据输入至同等尺寸的二维离散余弦变换模块做变换处理；所述二维离散余弦变换模块用于将数据从特征图空间转换到特征图频率空间；本发明利用特定压缩方案处理深度神经网络传输的特征图，在图像超分网络上可提高其鲁棒性。实现神经网络在端侧设备部署时，在提升模型安全性能同时，缓解特征图传输带来的带宽压力，降低传输功耗。

公开(公告)号：CN116128737A

公开(公告)日：2023-05-16

申请号：CN202310420888.3

申请日：2023-04-19

Applicant: 南京大学

Inventor： 王中风 ,  汪文浩 ,  施禹伯 ,  王美琪

IPC: G06T3/40 ,  G06T1/40 ,  H04N19/117 ,  H04N19/124 ,  H04N19/176 ,  H04N19/436 ,  H04N19/625 ,  H04N19/91 ,  H04N19/93

Abstract: 本发明提供了一种基于数据压缩的图像超分网络鲁棒性提升装置，包括压缩模块和解压缩模块；所述压缩模块包括特征图张量切块与重排模块、二维离散余弦变换模块、量化模块、随机掩膜滤波器模块、压缩编码模块；所述特征图张量切块与重排模块用于为空间二维分块，分块后的数据输入至同等尺寸的二维离散余弦变换模块做变换处理；所述二维离散余弦变换模块用于将数据从特征图空间转换到特征图频率空间；本发明利用特定压缩方案处理深度神经网络传输的特征图，在图像超分网络上可提高其鲁棒性。实现神经网络在端侧设备部署时，在提升模型安全性能同时，缓解特征图传输带来的带宽压力，降低传输功耗。

公开(公告)号：CN115908844A

公开(公告)日：2023-04-04

申请号：CN202211394271.0

申请日：2022-11-08

Applicant: 南京大学

Inventor： 王中风 ,  施禹伯 ,  王美琪 ,  林军

IPC: G06V10/44 ,  G06N3/0464 ,  G06V10/82 ,  G06N3/063 ,  G06N3/082

Abstract: 本申请公开了一种神经网络处理单元的特征图处理方法和装置，该装置用于执行该方法，该方法包括特征图压缩过程和特征图还原过程，特征图压缩过程包括获取特征图切块、线性正交变换、定点量化和压缩编码处理步骤，从而获取待处理的特征图的压缩数据，压缩数据存入内存单元中，这样计算机系统便于直接与内存单元中压缩数据进行传输交互，有利于减少数据处理量，降低硬件能耗。当压缩数据被计算机系统调取使用完成后，需要将特征图还原，得到还原数据，此过程为上述方法的特征图还原过程，特征图还原过程包括压缩解码处理、定点量化的逆变换、线性正交变换的逆变换、特征图切块还原，从而获取特征图的原始数据，便于进行其他运算。