公开(公告)号：CN119204127A

公开(公告)日：2024-12-27

申请号：CN202411335028.0

申请日：2024-09-24

Applicant: 南京大学

Inventor： 林军 ,  陈弘炜 ,  吴凯 ,  王佳新

IPC: G06N3/063 ,  G06N3/0464 ,  G06T1/40 ,  G06T1/60

Abstract: 本申请提供一种面向权重的稀疏卷积加速器硬件装置，包括：部分和生成模块，被配置为：获取特征图上预设数量激活点的特征，并生成特征矩阵；将特征矩阵和权重矩阵相乘，得到激活点对应的部分和；读写控制模块，被配置为：发送激活点坐标至激活点坐标生成模块，发送部分和至部分和求和模块；激活点坐标生成模块，被配置为：根据激活点坐标的纵坐标，生成激活点坐标集；部分和求和模块，被配置为：对部分和进行求和，得到输出特征；计算模块，被配置为：基于激活点坐标集、输出特征，获取特征图的目标特征，以解决目前的稀疏卷积加速器利用规则表对特征图进行计算时，当输入特征图变化时规则表也需重新生成，导致降低了计算效率的问题。

公开(公告)号：CN114978197A

公开(公告)日：2022-08-30

申请号：CN202210541236.0

申请日：2022-05-18

Applicant: 南京大学

Inventor： 王中风 ,  陈弘炜 ,  周杨灿 ,  汪煜凯 ,  吴凯 ,  郑耀杰

IPC: H03M13/13

Abstract: 本发明公开了一种极化码特殊形式节点的快速译码方法。设极化码的某一节点的叶节点所对应的比特位为(u0，u1，...，uN‑1)，其中N＝2n，若其符合u0，u1，...，uN/2‑2，uN/2，uN/2+1，...，uN‑2均为冻结比特，仅有uN/2‑1，uN‑1为信息比特，称此节点为双重复(Binary Repetition，BI‑REP)节点。本方法可以绕过原始的串行抵消(SC)译码过程，直接估计码字比特，无需对BI‑REP节点的子节点进行访问，在避免大量计算的同时降低译码延时。并且该方法与传统的对子节点全部访问的方法是完全等价的，不会引起任何译码性能损失。上述优势使本发明具有广泛的应用前景。

公开(公告)号：CN119399578A

公开(公告)日：2025-02-07

申请号：CN202411428100.4

申请日：2024-10-12

Applicant: 南京大学

Inventor： 林军 ,  吴凯 ,  陈弘炜 ,  王佳新

IPC: G06V10/774 ,  G06V10/82 ,  G06V10/10 ,  G06N3/0464 ,  G06N3/09 ,  G06N3/084 ,  G06N3/082

Abstract: 本申请提供一种点云数据稀疏卷积训练方法及系统，所述方法包括：获取待训练的点云数据；对所述点云数据进行预处理操作，得到目标卷积层；将所述目标卷积层拆解为卷积层组；所述卷积层组包括：若干个尺寸小于所述目标卷积层的卷积层；提取所述卷积层组的特征；将所述特征进行归一化处理，得到所述特征对应的数值以及阈值；利用所述阈值，对所述数值进行筛选，得到目标数值；基于所述目标数值，得到目标特征，以解决目前对于点云数据进行特征提取时，点云数据的稀疏性会消失，导致点云数据的计算量十分庞大，大幅增加了模型的训练时长和大小，同时提升了过拟合的风险的问题。

公开(公告)号：CN114785356A

公开(公告)日：2022-07-22

申请号：CN202210541237.5

申请日：2022-05-18

Applicant: 南京大学

Inventor： 王中风 ,  陈弘炜 ,  周杨灿 ,  汪煜凯 ,  吴凯 ,  郑耀杰

IPC: H03M13/13 ,  H03M13/09

Abstract: 本发明公开了一种减少路径分裂的极化码列表连续消除(SCL)译码方法，属于信道编码技术领域。该方法能够在尽量保证译码性能不损失的同时，减少SCL译码时的分裂次数，从而减少译码的计算量。该方法的特征在于：找出一个码字的最后一位冻结位，在此冻结位之后的x位信息位序列尾部由高位向低位选出y位，采用SC译码方法(不分裂)，其他位采用SCL译码方法(分裂)。这种译码方式减少了SCL译码分裂次数，性能却没有显著下降，使本发明具有广泛的运用前景。

公开(公告)号：CN119089958A

公开(公告)日：2024-12-06

申请号：CN202411318424.2

申请日：2024-09-20

Applicant: 南京大学

Inventor： 林军 ,  王佳新 ,  陈弘炜 ,  吴凯

IPC: G06N3/063 ,  G06N3/0464 ,  G06V10/40 ,  G06V10/82

Abstract: 本申请提供一种精准局部密集化的稀疏卷积加速器，包括数据装载模块，数据装载模块被配置为从神经网络中获取点云数据和权重数据；点云数据包括对应不同权重的图像坐标数据和图像特征数据；权重数据对应不同的权重；数据分块模块，数据分块模块被配置为对点云数据和权重数据进行分块处理，得到若干个分块；子图生成模块，子图生成模块被配置为对分块分别进行偏移处理和乘加树处理，得到对应每个权重的特征子图；核内累加模块，核内累加模块被配置为对所述特征子图进行划分，并进行卷积核累加处理，得到目标特征图。本申请通过上述加速器解决了现有稀疏卷积处理技术效率低下的问题。