公开(公告)号：CN114937186B

公开(公告)日：2024-06-07

申请号：CN202210673423.4

申请日：2022-06-14

Applicant: 厦门大学

Inventor： 纪荣嵘 ,  钟云山 ,  林明宝 ,  南宫瑞

IPC: G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0495 ,  G06N3/084

Abstract: 基于异质生成数据的神经网络无数据量化方法，涉及人工神经网络的压缩与加速。包括以下步骤：1)使用标准高斯分布随机初始化假图片。2)优化初始化假图片直到迭代次数到达限制，使用局部物体加强，边界距离限制，软感知损失，BN损失对假图片进行更新；3)先量化神经网络，再利用优化好的假图片，使用蒸馏损失、交叉熵损失训练量化网络，直至到达预定的训练轮数；4)训练结束保留量化网络权重，即得量化后的量化网络。不需要真实数据，可直接从头训练得到量化网络，可在无需特定硬件支持的情况下，在通用硬件平台上实现网络压缩与加速。

公开(公告)号：CN114937186A

公开(公告)日：2022-08-23

申请号：CN202210673423.4

申请日：2022-06-14

Applicant: 厦门大学

Inventor： 纪荣嵘 ,  钟云山 ,  林明宝 ,  南宫瑞

IPC: G06V10/774 ,  G06N3/08 ,  G06N3/04

Abstract: 基于异质生成数据的神经网络无数据量化方法，涉及人工神经网络的压缩与加速。包括以下步骤：1)使用标准高斯分布随机初始化假图片。2)优化初始化假图片直到迭代次数到达限制，使用局部物体加强，边界距离限制，软感知损失，BN损失对假图片进行更新；3)先量化神经网络，再利用优化好的假图片，使用蒸馏损失、交叉熵损失训练量化网络，直至到达预定的训练轮数；4)训练结束保留量化网络权重，即得量化后的量化网络。不需要真实数据，可直接从头训练得到量化网络，可在无需特定硬件支持的情况下，在通用硬件平台上实现网络压缩与加速。

公开(公告)号：CN117058034A

公开(公告)日：2023-11-14

申请号：CN202311039192.2

申请日：2023-08-17

Applicant: 厦门大学

Inventor： 纪荣嵘 ,  南宫瑞 ,  张声传 ,  林明宝 ,  杨鸿 ,  晁飞

IPC: G06T5/00 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/084

Abstract: 基于阴影复杂性感知神经网络的图像阴影去除方法，涉及计算机底层视觉。使用颜色风格多样性增强方法对训练集样本颜色风格变换后，送入灰度结构信息恢复分支，对图像的灰度结构信息进行恢复；结果与输入图像灰度图差异性判断阴影复杂性；颜色变换后的样本及灰度结构信息恢复分支的输出结果送入颜色信息恢复分支，恢复图像颜色信息；阴影复杂性高的图像在神经网络中经过更多参数处理；计算颜色信息恢复分支输出结果与无阴影图像之间的L1损失、感知损失和多出口蒸馏损失；将各个损失按不同比例加和，作为整个网络的损失反向传播，训练神经网络。可广泛用于图像阴影去除问题，提高训练模型泛化性，通过动态网络的思想降低模型的计算量。