-
公开(公告)号：CN114022348A
公开(公告)日：2022-02-08
申请号：CN202111163138.X
申请日：2021-09-30
Applicant: 浪潮(北京)电子信息产业有限公司
Abstract: 本申请提供一种图像的超分辨率方法，包括：获取目标图像和目标图像尺度；对目标图像进行低倍数的随机下采样，得到低分辨率图像；利用卷积网络处理低分辨率图像得到浅层特征，利用残差稠密层融合低分辨率图像的所有浅层特征，得到深层特征；通过全局残差学习结合浅层特征和深层特征，得到低分辨率的全局密集特征；将目标图像尺度和全局密集特征输入隐图像模型，输出对应的超分辨率图像。本申请利用卷积网络和残差网络对图像进行表征提取，再利用隐图像模型进行处理，收敛速度更快，可以将输入的图像转换成指定尺寸下的超分辨率图像。本申请还提供一种图像的超分辨率系统、计算机可读存储介质和电子设备，具有上述有益效果。
-
公开(公告)号：CN114219964B
公开(公告)日：2025-05-16
申请号：CN202111676417.6
申请日：2021-12-31
Applicant: 浪潮(北京)电子信息产业有限公司
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本申请公开了一种神经网络架构搜索方法、装置及一种电子设备和计算机可读存储介质，该方法包括：获取图像分类任务的数据集；其中，数据集包含图像和对应的类别标签；构建图像分类任务的神经网络；其中，神经网络包括依次连接的多个结构单元，每个结构单元包括待搜索结构单元和梯度传输单元，待搜索结构单元包括多个内部节点，梯度传输单元包括跳转连接操作或1×1的卷积操作；定义待搜索结构单元中内部节点之间的操作集合；其中，操作集合不包含跳转连接；利用数据集搜索每个结构单元中待搜索结构单元的每两个内部节点之间的最佳操作，并确定梯度传输单元的结构。本申请提高了搜索到的图像分类的神经网络的最佳架构精度。
-
公开(公告)号：CN114022348B
公开(公告)日：2024-11-01
申请号：CN202111163138.X
申请日：2021-09-30
Applicant: 浪潮(北京)电子信息产业有限公司
IPC: G06T3/4053 , G06T3/4046 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/048
Abstract: 本申请提供一种图像的超分辨率方法，包括：获取目标图像和目标图像尺度；对目标图像进行低倍数的随机下采样，得到低分辨率图像；利用卷积网络处理低分辨率图像得到浅层特征，利用残差稠密层融合低分辨率图像的所有浅层特征，得到深层特征；通过全局残差学习结合浅层特征和深层特征，得到低分辨率的全局密集特征；将目标图像尺度和全局密集特征输入隐图像模型，输出对应的超分辨率图像。本申请利用卷积网络和残差网络对图像进行表征提取，再利用隐图像模型进行处理，收敛速度更快，可以将输入的图像转换成指定尺寸下的超分辨率图像。本申请还提供一种图像的超分辨率系统、计算机可读存储介质和电子设备，具有上述有益效果。
-
Patent Agency Ranking
公开(公告)号：CN115115884A
公开(公告)日：2022-09-27
申请号：CN202210763784.8
申请日：2022-06-30
Applicant: 浪潮(北京)电子信息产业有限公司
Abstract: 本申请公开了一种对抗样本的检测方法、系统、设备及存储介质，应用于人工智能技术领域，包括：构建用于进行图像处理的图像超分辨率模型；将待测图像输入至所述图像超分辨率模型，得到所述图像超分辨率模型输出的高分辨率的第一输出图像；分别将所述待测图像和所述第一输出图像输入至分类模型中，得到针对所述待测图像的第一分类识别结果和针对所述第一输出图像的第二分类识别结果；确定出所述第一分类识别结果与所述第二分类识别结果之间的相似度，并判断所述相似度是否高于预设阈值；如果否，则确定所述待测图像为对抗样本。应用本申请的方案，能够方便，准确地检测出对抗样本。
-
公开(公告)号：CN114219964A
公开(公告)日：2022-03-22
申请号：CN202111676417.6
申请日：2021-12-31
Applicant: 浪潮(北京)电子信息产业有限公司
IPC: G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本申请公开了一种神经网络架构搜索方法、装置及一种电子设备和计算机可读存储介质，该方法包括：获取图像分类任务的数据集；其中，数据集包含图像和对应的类别标签；构建图像分类任务的神经网络；其中，神经网络包括依次连接的多个结构单元，每个结构单元包括待搜索结构单元和梯度传输单元，待搜索结构单元包括多个内部节点，梯度传输单元包括跳转连接操作或1×1的卷积操作；定义待搜索结构单元中内部节点之间的操作集合；其中，操作集合不包含跳转连接；利用数据集搜索每个结构单元中待搜索结构单元的每两个内部节点之间的最佳操作，并确定梯度传输单元的结构。本申请提高了搜索到的图像分类的神经网络的最佳架构精度。
-
公开(公告)号：CN111026682A
公开(公告)日：2020-04-17
申请号：CN201911367921.0
申请日：2019-12-26
Applicant: 浪潮(北京)电子信息产业有限公司
IPC: G06F12/123 , G06F15/78
Abstract: 本申请公开了一种板卡芯片的数据访存方法、装置及计算机可读存储介质。其中，方法应用于内置DDR和高带宽存储器的板卡芯片；板卡芯片执行方法如下：当接收到主机端下发的访存数据请求，若判定待访存数据存储在DDR的目标数据块，则更新高带宽存储器的各数据块的被访问频率，并利用DDR中的目标数据块及相邻多个数据块替换高带宽存储器中被访问频率低于预设频率阈值的数据块；若待访存数据存储在高带宽存储器，则在高带宽存储器中进行数据访存，并更新各数据块的被访问频率。本申请支持数据高并发随机访存，极大地降低了数据随机访存时间，提高了板卡芯片的数据访存效率。
-
公开(公告)号：CN114332217A
公开(公告)日：2022-04-12
申请号：CN202111452754.7
申请日：2021-11-30
Applicant: 浪潮(北京)电子信息产业有限公司
IPC: G06T7/73
Abstract: 本申请公开了一种姿态估计方法、装置、设备及可读存储介质，方法包括：将待处理图像输入预先训练得到的目标检测模型，得到特征图；将特征图输入预先训练得到的滤波权重参数确定模型，得到各目标个体对应的滤波权重参数组；滤波权重参数组中包括与对应的目标个体的关键特征点对应的滤波权重参数；根据特征图及与各目标个体对应的滤波权重参数组，利用预先训练得到的关键特征点检测模型分别得到各目标个体的关键特征点的坐标。本申请公开的技术方案，实现对所有目标个体进行并行的姿态估计，以提高姿态估计效率，且通过根据与目标个体对应的滤波权重参数来对目标个体进行定位并进行关键特征点坐标的确定，以提高姿态估计的精度。
-
公开(公告)号：CN111026682B
公开(公告)日：2022-03-08
申请号：CN201911367921.0
申请日：2019-12-26
Applicant: 浪潮(北京)电子信息产业有限公司
IPC: G06F12/123 , G06F15/78
Abstract: 本申请公开了一种板卡芯片的数据访存方法、装置及计算机可读存储介质。其中，方法应用于内置DDR和高带宽存储器的板卡芯片；板卡芯片执行方法如下：当接收到主机端下发的访存数据请求，若判定待访存数据存储在DDR的目标数据块，则更新高带宽存储器的各数据块的被访问频率，并利用DDR中的目标数据块及相邻多个数据块替换高带宽存储器中被访问频率低于预设频率阈值的数据块；若待访存数据存储在高带宽存储器，则在高带宽存储器中进行数据访存，并更新各数据块的被访问频率。本申请支持数据高并发随机访存，极大地降低了数据随机访存时间，提高了板卡芯片的数据访存效率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.029 seconds)
