公开(公告)号：CN119995558A

公开(公告)日：2025-05-13

申请号：CN202411894719.4

申请日：2024-12-20

Applicant: 珠海格力电器股份有限公司 ,  珠海零边界集成电路有限公司

Inventor： 燕斌 ,  吕朦 ,  贺吉

IPC: H03H17/02

Abstract: 本发明实施例提供了一种滤波器的加速计算方法、装置、设备和存储介质，所述方法包括：获取目标滤波器的配置信息，所述配置信息包括阶数和抽头系数；确定所述抽头系数所用的字节数；根据所述字节数，对所述抽头系数进行定点化，得到定点化后的抽头系数；根据所述目标滤波器的阶数和所述定点化后的抽头系数，在加速器中配置所述目标滤波器；获取输入数据，通过所述加速器运行所述目标滤波器对所述输入数据进行滤波，得到输出数据。将滤波器配置到加速器中，可以提高滤波器的计算效率，从而降低滤波器因计算量大造成的影响，扩展滤波器的应用场景。

公开(公告)号：CN117234690A

公开(公告)日：2023-12-15

申请号：CN202311266193.0

申请日：2023-09-25

Applicant: 珠海格力电器股份有限公司 ,  珠海零边界集成电路有限公司

Inventor： 吕朦

IPC: G06F9/48 ,  G06F9/50

Abstract: 本发明提供了一种算法模型的处理方法、装置、电子设备及存储介质，将算法模型的每个无子分枝算法模型解析成对应的算子流，并确定每个算子流的优先级，响应于执行指令，硬件加速模块对第一算子流中的硬件算子进行处理，并获取所述硬件加速模块的第一处理状态，以及中央处理器对第二算子流中的软件算子进行处理，获取所述中央处理器的第二处理状态。根据所述第一处理状态和所述第二处理状态，选取另一硬件算子作为所述硬件加速模块待处理的硬件算子，以及选取另一软件算子作为所述中央处理器待处理的软件算子。通过本发明提供的算法模型的处理方法，有效地缩短了算法模型的计算时间，满足算法模型的实时需求，提高了人工智能芯片的资源利用率。

公开(公告)号：CN119902777A

公开(公告)日：2025-04-29

申请号：CN202411906645.1

申请日：2024-12-23

Applicant: 珠海格力电器股份有限公司 ,  珠海零边界集成电路有限公司

Inventor： 吕朦 ,  燕斌

IPC: G06F8/60 ,  G06N5/01 ,  G06N3/0464 ,  G06N3/08 ,  G06F9/445

Abstract: 发明实施例提供了一种模型部署方法、装置、电子设备及存储介质，通过确定目标模型；对目标模型执行包括算子类型转换操作和内存分配策略优化操作，将目标模型转化为目标图表示；确定针对目标图表示的算子序列，以及针对算子序列的算子参数；基于算子序列和算子参数生成二进制文件，并将二进制文件发送至嵌入式端设备；嵌入式端设备被配置为：下载二进制文件，并创建用于解析二进制文件的自定义中间件；基于自定义中间件在无操作系统环境下加载并运行目标模型，实现了将为复杂操作系统设计的AI推理框架适配到资源受限、操作系统简化的嵌入式设备上，同时保证高效的内存利用率和推理性能。

公开(公告)号：CN117094375A

公开(公告)日：2023-11-21

申请号：CN202310952561.0

申请日：2023-07-31

Applicant: 珠海格力电器股份有限公司 ,  珠海零边界集成电路有限公司

Inventor： 吕朦

IPC: G06N3/08 ,  G06F9/445 ,  G06N3/0464 ,  G06F40/205

Abstract: 本发明实施例提供一种深度学习模型解释方法、装置及设备，该方法包括：按照目标深度学习模型对应的加载方式加载目标深度学习模型，得到目标深度学习模型的模型文件；对目标深度学习模型的模型文件进行卷积、均一化、池化和激活处理，得到模型文件对应的解析文件；对解析文件进行重构，得到解析文件对应的重构文件；将重构文件表示为只包含结构描述的结构描述文件和按照结构描述文件中算子顺序排列的权值文件。本发明提供的方法能够将不同训练框架下的模型表达为统一的网络结构表示和统一的参数排列顺序，提高了深度学习模型部署的效率。

公开(公告)号：CN114386469A

公开(公告)日：2022-04-22

申请号：CN202011139056.7

申请日：2020-10-22

Applicant: 珠海格力电器股份有限公司 ,  珠海零边界集成电路有限公司

Inventor： 吕朦

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06N20/20

Abstract: 本发明关于一种对卷积神经网络模型量化的方法、装置及电子设备，对于每个block，输入数据为量化后的整点型数据，将卷积层的权重乘以BN层的缩放系数γ′后量化，得到量化后的权重；在卷积层将偏置乘以γ′，并与BN层的平移系数β′相加后量化，得到量化后的偏置，将量化后的输入数据乘以量化后的权重，再加上量化后的偏置，将得到的整点型数据输入到归一化层；在归一化层除以量化时使用的第一量化系数，并乘以下一个block输入数据的第二量化系数，将得到的整点型数据输入到激活层；在激活层通过激活函数运算后，将得到的整点型数据输入到下一个block。本发明可以完成端到端的整点型数据通路计算，提高了模型的计算速度。

公开(公告)号：CN118709717A

公开(公告)日：2024-09-27

申请号：CN202410830733.1

申请日：2024-06-25

Applicant: 珠海格力电器股份有限公司 ,  珠海零边界集成电路有限公司

Inventor： 吕朦 ,  孟娟

IPC: G06N3/04

Abstract: 本发明实施例提供了一种模型部署方式的确定方法、装置、电子设备和计算机可读存储介质，涉及神经网络技术领域，包括：对待部署的算法模型进行转换，获取对应的计算图，对所述计算图进行划分，获取多个计算子图，确定出需要为每个计算子图分配的内存空间，获取多个所述计算子图对应的多个内存空间，并基于多个所述内存空间确定所述计算图是否满足预设的运行条件，若所述计算图满足所述运行条件，则所述算法模型的部署方式为根据多个所述内存空间部署多个所述计算子图。本发明实施例增加了可部署的算法模型的种类，提高了算法模型部署方式的确定效果。

公开(公告)号：CN118628352A

公开(公告)日：2024-09-10

申请号：CN202410755864.8

申请日：2024-06-12

Applicant: 珠海格力电器股份有限公司 ,  珠海零边界集成电路有限公司

Inventor： 孟娟 ,  吕朦 ,  刘白皓

IPC: G06T3/4053 ,  G06T3/4038 ,  G06T3/04

Abstract: 本发明实施例提供了一种热成像图像处理方法、装置、电子设备和计算机可读存储介质，涉及图像处理技术领域，包括：获取原始的热成像图像；将热成像图像转换为色彩模式的RGB图像；在预设的超分辨率模型中加入RGB图像的边缘信息，得到目标超分辨率模型；采用目标超分辨率模型对RGB图像进行重构，得到重构后的RGB图像。通过将热成像图像转换为RGB图像的方法，使得热成像图像可以达到较好的显示效果，便于计算，而且大大减小图像处理算法的复杂度；然后在超分辨率模型中引入边缘信息作为约束条件得到目标超分辨率模型，然后通过目标超分辨率模型对RGB图像进行反向迭代求解，从而实现低分辨率的图像到高分辨率图像的高精度估计。

公开(公告)号：CN115238776A

公开(公告)日：2022-10-25

申请号：CN202210794601.9

申请日：2022-07-05

Applicant: 珠海格力电器股份有限公司 ,  珠海零边界集成电路有限公司

Inventor： 吕朦

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请实施例提供了一种量化参数的确认方法、装置、电子设备及存储介质，量化参数的确认方法包括：通过获取算法模型的校准集，将校准集输入至算法模型确定算法模型中各层级的定点运算输出结果，其中，定点运算输出结果的位宽为预先设定的，基于定点运算输出结果采用相对熵散度确定各个层级对应的第一初始量化系数，基于各个层级对应的第一初始量化系数确定位宽对应的目标量化系数，解决了相关技术中算法量化方案不能满足各平台定制方案的问题，使量化过程可以适配合适的精度，提高了自研卷积神经网络处理器的性能。