跨芯片平台的指令转换方法

    公开(公告)号:CN119292671A

    公开(公告)日:2025-01-10

    申请号:CN202411835483.7

    申请日:2024-12-13

    Abstract: 本申请实施例提供一种跨芯片平台的指令转换方法,方法包括:采集源芯片平台和目标芯片平台的指令集信息,建立指令特征分析模型,在特征向量空间中采用核函数计算指令间的语义相似度矩阵;基于语义相似度矩阵训练多层图注意力神经网络,将源平台指令与目标平台指令的特征向量映射至共享嵌入空间,应用强化学习方法对映射关系图谱进行迭代优化得到指令等效转换规则;在指令转换引擎中加载指令等效转换规则,对输入的源平台指令进行解码分析,将完成转换的目标平台指令序列输出至目标芯片平台的指令执行单元;本申请能够优化转换过程的资源开销,在保证转换正确性的基础上提高系统的整体效率。

    跨芯片平台的指令转换方法

    公开(公告)号:CN119292671B

    公开(公告)日:2025-05-02

    申请号:CN202411835483.7

    申请日:2024-12-13

    Abstract: 本申请实施例提供一种跨芯片平台的指令转换方法,方法包括:采集源芯片平台和目标芯片平台的指令集信息,建立指令特征分析模型,在特征向量空间中采用核函数计算指令间的语义相似度矩阵;基于语义相似度矩阵训练多层图注意力神经网络,将源平台指令与目标平台指令的特征向量映射至共享嵌入空间,应用强化学习方法对映射关系图谱进行迭代优化得到指令等效转换规则;在指令转换引擎中加载指令等效转换规则,对输入的源平台指令进行解码分析,将完成转换的目标平台指令序列输出至目标芯片平台的指令执行单元;本申请能够优化转换过程的资源开销,在保证转换正确性的基础上提高系统的整体效率。

    融合傅里叶变换的图像语义分割方法及装置

    公开(公告)号:CN119206236B

    公开(公告)日:2025-03-28

    申请号:CN202411680870.8

    申请日:2024-11-22

    Abstract: 本申请实施例提供一种融合傅里叶变换的图像语义分割方法及装置,方法包括:构建基于U型网络的分割模型,采用四层卷积池化网络作为编码器进行特征提取;构建傅里叶变换模块,对输入图像进行二维离散傅里叶变换得到频谱图,对频谱图进行幅度谱和相位谱分解得到初始频域特征;将输入图像经过预设尺寸缩放和像素归一化处理得到预处理图像,将预处理图像输入傅里叶变换模块,得到四组调整后的频域特征;采用双线性插值算法将预测概率图的尺寸调整至原始输入图像尺寸,将预测概率图中概率值大于0.5的像素点标记为前景区域,得到最终的语义分割结果;本申请能够更好地处理复杂场景下的语义分割任务,提高了分割精度和模型鲁棒性。

    基于深度学习的积水水渍检测方法及装置

    公开(公告)号:CN119206384A

    公开(公告)日:2024-12-27

    申请号:CN202411722810.8

    申请日:2024-11-28

    Abstract: 本申请实施例提供一种基于深度学习的积水水渍检测方法及装置,方法包括:通过双目摄像头抓拍图像,白天获取彩色图像,晚上获取红外图像;将红外图像输入训练好的图像超分辨率重建模型进行图像质量增强;将彩色图像和经过图像质量增强后的红外图像同时输入训练好的分割模型和检测模型;将分割模型输出的初步分割结果映射回原图大小,通过归一化和最大值操作得到分割置信度特征图;将分割置信度特征图与检测置信度特征图进行加权融合得到最终置信度特征图,其中权重w和置信度阈值a通过在区间[0,1]和[0.05,0.95]内以0.05间隔遍历并在测试集上验证确定;将最终置信度特征图中大于0.5的像素点判定为积水或水渍区域;本申请能够有效提高积水水渍检测的准确率。

    基于深度学习的积水水渍检测方法及装置

    公开(公告)号:CN119206384B

    公开(公告)日:2025-03-07

    申请号:CN202411722810.8

    申请日:2024-11-28

    Abstract: 本申请实施例提供一种基于深度学习的积水水渍检测方法及装置,方法包括:通过双目摄像头抓拍图像,白天获取彩色图像,晚上获取红外图像;将红外图像输入训练好的图像超分辨率重建模型进行图像质量增强;将彩色图像和经过图像质量增强后的红外图像同时输入训练好的分割模型和检测模型;将分割模型输出的初步分割结果映射回原图大小,通过归一化和最大值操作得到分割置信度特征图;将分割置信度特征图与检测置信度特征图进行加权融合得到最终置信度特征图,其中权重w和置信度阈值a通过在区间[0,1]和[0.05,0.95]内以0.05间隔遍历并在测试集上验证确定;将最终置信度特征图中大于0.5的像素点判定为积水或水渍区域;本申请能够有效提高积水水渍检测的准确率。

    融合傅里叶变换的图像语义分割方法及装置

    公开(公告)号:CN119206236A

    公开(公告)日:2024-12-27

    申请号:CN202411680870.8

    申请日:2024-11-22

    Abstract: 本申请实施例提供一种融合傅里叶变换的图像语义分割方法及装置,方法包括:构建基于U型网络的分割模型,采用四层卷积池化网络作为编码器进行特征提取;构建傅里叶变换模块,对输入图像进行二维离散傅里叶变换得到频谱图,对频谱图进行幅度谱和相位谱分解得到初始频域特征;将输入图像经过预设尺寸缩放和像素归一化处理得到预处理图像,将预处理图像输入傅里叶变换模块,得到四组调整后的频域特征;采用双线性插值算法将预测概率图的尺寸调整至原始输入图像尺寸,将预测概率图中概率值大于0.5的像素点标记为前景区域,得到最终的语义分割结果;本申请能够更好地处理复杂场景下的语义分割任务,提高了分割精度和模型鲁棒性。

    散乱钢筋识别抓取方法、系统及电子设备

    公开(公告)号:CN119188790B

    公开(公告)日:2025-02-25

    申请号:CN202411720286.0

    申请日:2024-11-28

    Abstract: 本发明实施例公开了散乱钢筋识别抓取方法、系统及电子设备。方法包括:获取俯视整个作业区域的工业相机拍摄的图像;进行钢筋和抓取机械臂识别,计算钢筋与抓取机械臂的距离,使得抓取机械臂移动至钢筋上方;获取设置在抓取机械臂上的深度相机拍摄的图像;筛选完整且未重叠的钢筋目标特征图像;结合深度相机所获取的深度位置信息计算合格钢筋目标的平均深度值;确定距离深度相机最近的钢筋,并确定对应的位置和姿态,以得到待抓取钢筋信息;根据待抓取钢筋信息,由机械臂抓取对应的钢筋,并放置在指定位置。通过实施本发明实施例的方法可实现复杂背景下以及不同高度环境下的精确目标识别定位,提高检测速度以及工作效率,降低漏检率。

    散乱钢筋识别抓取方法、系统及电子设备

    公开(公告)号:CN119188790A

    公开(公告)日:2024-12-27

    申请号:CN202411720286.0

    申请日:2024-11-28

    Abstract: 本发明实施例公开了散乱钢筋识别抓取方法、系统及电子设备。方法包括:获取俯视整个作业区域的工业相机拍摄的图像;进行钢筋和抓取机械臂识别,计算钢筋与抓取机械臂的距离,使得抓取机械臂移动至钢筋上方;获取设置在抓取机械臂上的深度相机拍摄的图像;筛选完整且未重叠的钢筋目标特征图像;结合深度相机所获取的深度位置信息计算合格钢筋目标的平均深度值;确定距离深度相机最近的钢筋,并确定对应的位置和姿态,以得到待抓取钢筋信息;根据待抓取钢筋信息,由机械臂抓取对应的钢筋,并放置在指定位置。通过实施本发明实施例的方法可实现复杂背景下以及不同高度环境下的精确目标识别定位,提高检测速度以及工作效率,降低漏检率。

Patent Agency Ranking