-
公开(公告)号：CN106487766B
公开(公告)日：2021-10-29
申请号：CN201510547932.2
申请日：2015-08-31
Applicant: 微软技术许可有限责任公司
IPC: H04L29/06 , H04L12/751
Abstract: 提供了具有独立服务子系统的路由设备。本文描述了用于提供网络服务的各种系统和方法。在一个示例中，一种方法包括经第一处理器接收来自源设备的网络包。该方法还可包括如果服务子系统和一服务是响应的，则经所述第一处理器将所述网络包发送到第二处理器。此外，该方法可包括经所述第二处理器基于所述服务修改所述网络包或者生成新的包。该方法还可包括经所述第一处理器接收来自所述第二处理器的修改的网络包或所述新的网络包。该方法还可进一步包括经所述第一处理器将所述修改的网络包或所述新的网络包发送到目的地设备。
-
公开(公告)号：CN112101511B
公开(公告)日：2025-03-04
申请号：CN201910527910.8
申请日：2019-06-18
Applicant: 微软技术许可有限责任公司
IPC: G06N3/0464 , G06N3/0495 , G06N5/04 , G06V10/44 , G06V10/77 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/048
Abstract: 本公开的各个实现涉及稀疏卷积神经网络。在一些实现中，一种计算机实现的方法包括：对输入特征图进行量化，以获得量化的输入特征图；基于所述量化的输入特征图，通过卷积神经网络的量化版本来确定用于输出特征图的稀疏掩模，所述稀疏掩模指示所述输出特征图中的非零项的位置；基于所述输入特征图，通过所述卷积神经网络来确定所述输出特征图中的由所述稀疏掩模指示的非零项。
-
公开(公告)号：CN116774961A
公开(公告)日：2023-09-19
申请号：CN202310883212.8
申请日：2017-08-25
Applicant: 微软技术许可有限责任公司
IPC: G06F3/14
Abstract: 本公开的实施例涉及无线可编程媒体处理系统。在该媒体处理系统中，计算设备中的处理单元基于用于计算设备上运行的应用的图形内容生成待显示的帧。此后，待显示的帧被划分成多组块，这些组块被压缩。经过压缩的图形块通过无线链路从处理单元被发送给图形显示设备。以此方式，待显示的帧的生成和压缩可以均在计算设备的同一处理单元中被完成，避免了数据复制，简化了处理操作，从而显著提高了数据处理速度和效率。
-
公开(公告)号：CN109426473B
公开(公告)日：2023-07-28
申请号：CN201710744954.7
申请日：2017-08-25
Applicant: 微软技术许可有限责任公司
IPC: G06F3/14
Abstract: 本公开的实施例涉及无线可编程媒体处理系统。在该媒体处理系统中，计算设备中的处理单元基于用于计算设备上运行的应用的图形内容生成待显示的帧。此后，待显示的帧被划分成多组块，这些组块被压缩。经过压缩的图形块通过无线链路从处理单元被发送给图形显示设备。以此方式，待显示的帧的生成和压缩可以均在计算设备的同一处理单元中被完成，避免了数据复制，简化了处理操作，从而显著提高了数据处理速度和效率。
-
公开(公告)号：CN113868662A
公开(公告)日：2021-12-31
申请号：CN202010622376.1
申请日：2020-06-30
Applicant: 微软技术许可有限责任公司
Abstract: 根据本公开的实现，提供了一种机器学习网络的安全执行的方案。根据该方案，在计算设备的uTEE中，基于机器学习网络的第一网络层的输入和第一经修改参数值集合来执行第一网络层的操作，得到第一差错中间输出。第一经修改参数值集合通过用第一秘密数据修改第一网络层的第一参数值集合中的至少一个子集而被确定。在计算设备的TEE中，至少基于输入和第一秘密数据来修改第一差错中间输出，得到第一校正中间输出。基于第一校正中间输出来确定机器学习网络的网络输出。由此，可以保护机器学习网络的机密性。
-
Patent Agency Ranking
公开(公告)号：CN106487513B
公开(公告)日：2019-08-13
申请号：CN201510551338.0
申请日：2015-09-01
Applicant: 微软技术许可有限责任公司
CPC classification number: H04L63/08 , H04L67/025 , H04W12/06
Abstract: 本申请涉及远程路由器请求中继。本文描述了用于中继远程请求的各种系统和方法。在一个示例中，一方法包括在公共网站处接收对访问专用路由器的请求。该方法还可包括经由认证服务来认证该请求。此外，该方法可包括在认证之际经由公共网站提供对专用路由器的访问。
-
公开(公告)号：CN106293047A
公开(公告)日：2017-01-04
申请号：CN201510423290.5
申请日：2015-07-17
Applicant: 微软技术许可有限责任公司
Abstract: 本发明涉及通过动态分辨率缩放来减少移动设备的功耗。一种计算设备可以至少部分地基于计算设备的用户与显示器之间的查看距离来动态地调节像素密度。在一些示例中，查看距离可以使用低功率声学(例如超音)感测来确定。用来显示内容的像素密度可以使用基于查看距离和用户的视觉敏锐度的算法来确定。要在计算设备上显示的内容可以被发送给计算设备的处理器以供图形处理。在一些示例中，内容可以在处理之前被截取(诸如通过使用挂钩进程)并且基于所确定的像素密度被缩放。通过缩小内容的像素密度，用于处理内容所要求的系统资源量可以更少，这可进而导致处理器用于执行图形处理操作的更少的功耗，从而延长计算设备的电池寿命。
-
公开(公告)号：CN112016666A
公开(公告)日：2020-12-01
申请号：CN201910475938.1
申请日：2019-05-31
Applicant: 微软技术许可有限责任公司
Abstract: 根据本公开的实现，提出了一种深度学习模型的执行的方案。在该方案中，响应于深度学习模型的卷积层的卷积操作被触发，在计算设备的受信任执行环境(TEE)中，基于卷积层的输入和参数值集合来顺序执行多个分区卷积操作。给定分区卷积操作的执行包括：将输入中要由给定分区卷积操作的参数值子集处理的输入部分存储在TEE的受保护存储区中，通过输入部分和针对给定分区卷积操作的参数值子集的单个矩阵相乘操作来确定给定分区卷积操作的结果，参数值子集被表示为矩阵，以及从受保护存储区移除输入部分。通过合并多个分区卷积操作的结果来确定卷积操作的结果。由此，可以在安全程度高但存储资源有限的TEE中加快模型执行速度、提高存储空间效率。
-
公开(公告)号：CN106293047B
公开(公告)日：2020-01-10
申请号：CN201510423290.5
申请日：2015-07-17
Applicant: 微软技术许可有限责任公司
IPC: G06F3/01 , G06F1/3234 , G06T3/40
Abstract: 本发明涉及通过动态分辨率缩放来减少移动设备的功耗。一种计算设备可以至少部分地基于计算设备的用户与显示器之间的查看距离来动态地调节像素密度。在一些示例中，查看距离可以使用低功率声学(例如超音)感测来确定。用来显示内容的像素密度可以使用基于查看距离和用户的视觉敏锐度的算法来确定。要在计算设备上显示的内容可以被发送给计算设备的处理器以供图形处理。在一些示例中，内容可以在处理之前被截取(诸如通过使用挂钩进程)并且基于所确定的像素密度被缩放。通过缩小内容的像素密度，用于处理内容所要求的系统资源量可以更少，这可进而导致处理器用于执行图形处理操作的更少的功耗，从而延长计算设备的电池寿命。
-
公开(公告)号：CN117642770A
公开(公告)日：2024-03-01
申请号：CN202180100041.6
申请日：2021-06-30
Applicant: 微软技术许可有限责任公司
IPC: G06T7/20 , G06N3/0464
Abstract: 本公开的实施方式提供了一种用于对象检测的解决方案。在该解决方案中，获得对象分布信息和性能度量。对象分布信息指示在由相机捕获的一组历史图像中检测到的对象的大小分布。性能度量指示一组预定对象检测模型的对应的性能水平。另外基于对象分布信息和性能度量而生成至少一个检测计划。该至少一个检测计划指示要将该组预定对象检测模型中的哪一个预定对象检测模型应用于将由相机捕获的目标图像中的至少一个子图像中的每一个子图像。附加地，提供至少一个检测计划用于对目标图像的对象检测。以这种方式，可以改进检测延迟时间与检测精确度之间的平衡。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.027 seconds)
