-
公开(公告)号：CN117558283A
公开(公告)日：2024-02-13
申请号：CN202410045396.5
申请日：2024-01-12
Applicant: 杭州国芯科技股份有限公司
IPC: G10L19/008 , G10L19/16
Abstract: 本发明涉及一种多路多标准的音频解码架构。本发明的架构包括处理器CPU、音频帧解码单元、任务队列模块。处理器CPU用于对任务队列模块进行配置音频帧的解码任务，通过寄存器配置的方法配置解码任务和与解码任务关联的输入控制信息。音频帧解码单元用于将一帧音频压缩码流数据解码成一帧脉冲编码调制数据，为单任务执行单元，支持现有的多个标准音频解码。任务队列模块用于管理和实现多路音频解码的运转，任务队列模块采用先进先出的结构。本发明通过任务队列模块增加了多路多标准音频解码的灵活性，解决了多路灵活变化的应用问题。本发明灵活且易扩展，且CPU的参与大大降低，最大可能地释放CPU。
-
公开(公告)号：CN116070072A
公开(公告)日：2023-05-05
申请号：CN202310054131.7
申请日：2023-02-03
Applicant: 杭州国芯科技股份有限公司
IPC: G06F17/16
Abstract: 本发明公开了一种矩阵运算中转置、转置乘和相乘的方法。本发明通过矩阵转置处理单元、矩阵转置乘处理单元、输出单元和两个中间缓存实现。矩阵转置处理单元对输入数据进行转置处理；矩阵转置乘处理单元获取两个输入矩阵的数据，进行一个矩阵的转置乘另一个矩阵的处理；输出单元从中间缓存取出数据写入外部存储器；矩阵转置处理单元和矩阵转置乘处理单元共用一个输出单元；中间缓存存储处理过程中的数据，当输出单元使用一个中间缓存进行输出时，处理单元使用另一个中间缓存进行数据缓存。本发明方法使用矩阵转置乘的方式，两个矩阵相乘采用列数据运算方法，减少了数据的重复取用的次数和中间缓存的面积，并节省了总线带宽和运算时间。
-
公开(公告)号：CN113920016A
公开(公告)日：2022-01-11
申请号：CN202111151087.9
申请日：2021-09-29
Applicant: 杭州国芯科技股份有限公司
IPC: G06T3/60
Abstract: 本发明公开了利用Cache存储器实现图像旋转的方法。本发明方法首先通过分块机制将目标图区域所属的最大区域沿平面直角坐标系的x轴按列分块；然后按照Cache调整机制确定Cache的宽度和深度，按照点对点映射机制确定目标图的点与原图的点的映射关系；按照起点搜索机制确定每个列块预加载原图数据的起点；将原图数据按照数据预读机制加载到Cache中；根据Cache命中机制确定需要输出的目标图数据是否在Cache中：如果不在，利用Cache失效机制失效无用数据；如果在，利用数据回写机制输出最终目标点的像素值。本发明方法可高效处理Cache存储器内的原图数据，既降低硬件资源的限制，又有效减少浪费的带宽。
-
公开(公告)号：CN109887006A
公开(公告)日：2019-06-14
申请号：CN201910086650.5
申请日：2019-01-29
Applicant: 杭州国芯科技股份有限公司
Abstract: 本发明涉及一种基于帧差法加速神经网络运算的方法。本发明方法对参考帧通过神经网络各层进行运算，保存线性矩阵运算的输入值和运算结果；对除参考帧以外各帧的处理包括线性矩阵运算部分和非线性运算部分。线性矩阵运算部分：将神经网络的连续输入序列的第k帧xn,k减去前m帧xn,k-m，通过小值清零变换得到Δxn,k，将Δxn,k作为第n层输入，得到线性矩阵运算输出Δyn,k，得到第n层第k帧的线性输出结果yn,k，进而得到第n层的非线性运算输出结果yn,k′；将yn,k′-yn,k-m′通过小值清零变换后的结果作为第n+1层神经网络线性矩阵运算的帧差值Δxn+1,k，最终得到第n+1层第k帧的线性矩阵运算输出结果yn+1,k；依次类推，直到最终输出结果。对于神经网络非线性运算部分采用常规方法运算。本发明方法可以加速神经网络运算，减少神经网络运算时间。
-
公开(公告)号：CN109635936A
公开(公告)日：2019-04-16
申请号：CN201811641867.X
申请日：2018-12-29
Applicant: 杭州国芯科技股份有限公司
CPC classification number: G06N3/0454 , G06N3/08
Abstract: 本发明涉及一种基于重训练的神经网络剪枝量化方法。本发明方法首先载入已训练好的神经网络模型，对训练好的神经网络模型中的权重和数据同时进行剪枝处理和量化处理，对权重更新以及迭代重训练，将完成重训练得到的神经网络模型进行测试集评估，依据评估结果判断是否保存该模型；同时根据设定的条件，判断是否重新进行下一轮重训练；最后依据神经网络模型压缩比评价指标，从保存的模型中输出最优的剪枝量化模型。本发明方法将剪枝量化技术加入到深度网络重训练中，对模型的权重和数据同时做剪枝量化处理，通过重训练，得到一种更适合于推断的权重分布，在保持原模型精度下，取得较好的网络压缩收益，提升神经网络模型在实际推断中的速度。
-
Patent Agency Ranking
公开(公告)号：CN113852830B
公开(公告)日：2023-12-29
申请号：CN202111116270.5
申请日：2021-09-23
Applicant: 杭州国芯科技股份有限公司
IPC: H04N19/80 , H04N19/577 , H04N19/587 , H04N19/59 , G06T5/00
Abstract: 用的算法比较简单，不需要消耗过多的硬件资本发明公开了一种中值滤波视频去隔行方 源，易于硬件实现。法。首先对当前场像素垂直方向上进行滤波，并对当前场像素点进行恢复，然后在场内插值像素与该像素点上下相邻像素进行三点中值滤波、恢复值与该像素点上下相邻像素进行三点中值滤波，将场内插值像素分别与前一场和后一场相同位置对应点像素，以及恢复得到的像素进行三点中值滤波，最后同时在时间域和空间域上进行五点中值滤波。本发明利用当前场、前一场和下一场三场数据在空间域和时间域上做中值滤波，相比于只使用了单场数据的方法能够还原更多的(56)对比文件罗宁,方向忠,张文军.一种带运动检测的去隔行中值滤波算法.计算机工程与应用.2006,(第32期),全文.景文博;李勇男;冯永明;祝勇.虚影图像中去隔行算法的研究.长春理工大学学报(自然科学版).2008,(03),全文.赵娜娜;王向文;刘顺兰.基于中值滤波与边缘插值的视频去隔行算法.杭州电子科技大学学报.2011,(05),全文.杨媛;王小光;高勇.一种时空结合的边沿检测去隔行算法.计算机工程与应用.2011,(第27期),全文.
-
公开(公告)号：CN109859281B
公开(公告)日：2022-12-02
申请号：CN201910073303.9
申请日：2019-01-25
Applicant: 杭州国芯科技股份有限公司
Abstract: 本发明涉及一种稀疏神经网络的压缩编码方法。本发明首先进行量化和预处理，根据稀疏程度选择压缩编码方法：稀疏度S≥ε2时，采用零游程和k阶指数哥伦布组合编码；稀疏度ε1＜S＜ε2时，采用k阶GX编码；稀疏度S≤ε1时，采用k阶指数哥伦布编码；ε1和ε2为设定阈值。k阶GX编码方法是：若预处理完成数据为0，直接编码为二进制形式的1，若大于0，以二进制形式表示，不足k位，高位补0，去掉该二进制比特序列的低k位后得到的序列转换为十进制数y；若高位补0后为k位，则y为0；计算y+1二进制形式的最低有效位数LSB，先输出LSB个0，然后输出y+1比特序列，将去掉的k位二进制序列放在输出的最低位之后，得到编码后码字。本发明利用了稀疏神经网络权重矩阵分布特性，具有更高的压缩率和更低的实现复杂度。
-
公开(公告)号：CN113852830A
公开(公告)日：2021-12-28
申请号：CN202111116270.5
申请日：2021-09-23
Applicant: 杭州国芯科技股份有限公司
IPC: H04N19/80 , H04N19/577 , H04N19/587 , H04N19/59 , G06T5/00
Abstract: 本发明公开了一种中值滤波视频去隔行方法。首先对当前场像素垂直方向上进行滤波，并对当前场像素点进行恢复，然后在场内插值像素与该像素点上下相邻像素进行三点中值滤波、恢复值与该像素点上下相邻像素进行三点中值滤波，将场内插值像素分别与前一场和后一场相同位置对应点像素，以及恢复得到的像素进行三点中值滤波，最后同时在时间域和空间域上进行五点中值滤波。本发明利用当前场、前一场和下一场三场数据在空间域和时间域上做中值滤波，相比于只使用了单场数据的方法能够还原更多的细节信息，同时能较好地抑制画面闪烁、梳状条纹的产生，图像质量有明显提升。同时，本发明使用的算法比较简单，不需要消耗过多的硬件资源，易于硬件实现。
-
公开(公告)号：CN117669674A
公开(公告)日：2024-03-08
申请号：CN202311824684.2
申请日：2023-12-27
Applicant: 杭州国芯科技股份有限公司
IPC: G06N3/063
Abstract: 本发明涉及一种神经网络小内存芯片架构。目前神经网络微型化趋势盛行，MCU和FPGA方案的体积劣势明显。本发明提出一个芯片硬件架构，包括通过总线进行通信的输入采集模块、处理器CPU、存储器FLASH、运行内存SRAM、神经网络模块、输出模块。采用SRAM作为系统运行内存，用于缓存神经网络运行时的所有数据，神经网络的命令FIFO，神经网络命令对应的地址信息表以及CPU运行时的数据；采用FLASH作为系统存储器，用于存储神经网络的权重和结构指令以及CPU的程序和只读数据。本发明芯片架构中，处理器CPU和神经网络模块并行运行，提升了运行效率。本发明在神经网络运行时复用内存空间，达到减小内存空间的效果。
-
公开(公告)号：CN116156195A
公开(公告)日：2023-05-23
申请号：CN202310125451.7
申请日：2023-02-03
Applicant: 杭州国芯科技股份有限公司
IPC: H04N19/42 , H04N19/426 , H04N19/44 , H04N19/186 , H04N19/184 , H04N19/86
Abstract: 本发明公开了一种支持多标准解码的数据存储方法。本发明首先根据视频类型获取图像参数，根据视频解码器需求的帧存数量，按照图像参数中的帧存相关参数注册帧存空间；然后根据视频压缩流使用的编码方式将一个图像在视频解码器中进行解码，解码数据根据数据类型存入帧存空间相应位置中，将帧存中部分数据输出到后续图像处理模块进行数据处理；重复以上操作，视频压缩流后续的帧图像或场图像的解码数据将剩余帧存空间填满，若帧存空间已经填满，则覆盖无参考作用的帧存空间。本发明支持多比特HDR数据格式，确定接收的视频压缩流数据中解出多个需要的标识符，选择相对应解码格式，配置帧数据存储方式，减少了数据存储容量，并减少数据使用带宽。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.03 seconds)
