公开(公告)号：CN114972952B

公开(公告)日：2024-03-22

申请号：CN202210595003.9

申请日：2022-05-29

Applicant: 重庆科技学院

Inventor： 利节 ,  黄晓薇 ,  董志诚 ,  颜定江 ,  吴瑞 ,  张祥

IPC: G06V10/82 ,  G06V10/764 ,  G06V10/774 ,  G06N3/0464 ,  G06N3/082 ,  G06N5/02

Abstract: 本发明涉及工业视觉缺陷检测技术领域，具体公开了一种基于模型轻量化的工业零部件缺陷识别方法，首先构建基础神经网络模型用于缺陷识别，该基础神经网络模型由骨干网络、RPN网络、特征图融合模块和缺陷区域分类网络组成，能够提取高维抽象特征并实现特征自学习，然后通过权重量化加速训练、采用过滤器剪枝对模型进行压缩、通过知识蒸馏对模型进一步压缩，得到轻量化的单个模型(工业零部件缺陷识别模型)，最后通过Keras、Tensorflow、Tensorflow.js将该轻量化的工业零部件缺陷识别模型部署于Web端，从而在Web端实现对待检测工业零部件图片的快速高精度识别。

公开(公告)号：CN114972952A

公开(公告)日：2022-08-30

申请号：CN202210595003.9

申请日：2022-05-29

Applicant: 重庆科技学院

Inventor： 利节 ,  黄晓薇 ,  董志诚 ,  颜定江 ,  吴瑞 ,  张祥

IPC: G06V10/82 ,  G06V10/764 ,  G06V10/774 ,  G06N3/04 ,  G06N3/08 ,  G06N5/02

Abstract: 本发明涉及工业视觉缺陷检测技术领域，具体公开了一种基于模型轻量化的工业零部件缺陷识别方法，首先构建基础神经网络模型用于缺陷识别，该基础神经网络模型由骨干网络、RPN网络、特征图融合模块和缺陷区域分类网络组成，能够提取高维抽象特征并实现特征自学习，然后通过权重量化加速训练、采用过滤器剪枝对模型进行压缩、通过知识蒸馏对模型进一步压缩，得到轻量化的单个模型(工业零部件缺陷识别模型)，最后通过Keras、Tensorflow、Tensorflow.js将该轻量化的工业零部件缺陷识别模型部署于Web端，从而在Web端实现对待检测工业零部件图片的快速高精度识别。

公开(公告)号：CN114781632A

公开(公告)日：2022-07-22

申请号：CN202210548997.9

申请日：2022-05-20

Applicant: 重庆科技学院

Inventor： 利节 ,  颜定江 ,  董志诚 ,  吴瑞 ,  张渝楠 ,  覃锐 ,  黄晓薇

IPC: G06N3/063

Abstract: 本发明涉及神经网络领域专用应用芯片加速计算架构技术领域，具体公开了一种基于动态可重构脉动张量运算引擎的深度神经网络加速器，其采用动态可重构脉动张量阵列运算引擎单元实现高吞吐量张量乘法计算，采用权重参数存储单元存放权重张量，采用张量排序模块实现稀疏网络权重解包和对网络层参数进行排序优化完成并行流水线运算，采用激活值向量存储单元作为神经网络计算引擎的片内高速数据暂存区，提升数据重复利用率和降低与外存交互，采用累加器和矩阵转置向量单元完成对计算结果累计求和、快速处理矩阵转置和张量维度变换，采用标量运算单元实现网络模型的非线性函数计算，具有资源利用率高，能耗占用低，精度损失低，模型运算速度快等优点。

公开(公告)号：CN116524401A

公开(公告)日：2023-08-01

申请号：CN202310461541.3

申请日：2023-04-26

Applicant: 重庆科技学院

Inventor： 利节 ,  苑凯 ,  董志诚 ,  黄琦麟 ,  朱其涛 ,  邱胜 ,  蔡枫林

IPC: G06V20/40 ,  G06V10/82 ,  G06V10/94 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/0495 ,  G06N3/082 ,  G06N3/084 ,  H04N19/172 ,  H04N19/42

Abstract: 本发明涉及视频处理技术领域，具体公开了一种基于帧重构量化的边缘设备视频异常检测方法，包括步骤：训练视频异常检测模型，用于对视频片段中的当前帧进行重构；对训练后的视频异常检测模型进行量化；将量化后的视频异常检测模型部署在边缘设备上；视频异常检测时，边缘设备上部署的视频异常检测模型通过将重构误差归一化得到第u帧的得分pu，当得分pu在预设范围内时表示该帧被检测为异常帧。本发明利用深度自编码器和加入存储模块对当前帧进行重构，模型训练后进行量化的操作来达到模型轻量化的目的，并且保证了模型的精确度，最后将量化后的模型部署在边缘端，使得将大型复杂的异常检测网络模型部署在性能受限的国产边缘设备上变得简单。

公开(公告)号：CN117011552A

公开(公告)日：2023-11-07

申请号：CN202310646371.6

申请日：2023-06-02

Applicant: 重庆科技学院

Inventor： 利节 ,  祝熙劼 ,  董志诚 ,  朱其涛 ,  蔡枫林 ,  李颖 ,  邱胜

IPC: G06V10/46 ,  G06V10/25 ,  G06V10/36 ,  G06V10/772 ,  G06V10/774 ,  G06V10/764 ,  G06V10/74 ,  G06V20/40

Abstract: 本发明提供了一种语义地图轻量化方法，该方法包括感兴趣区域显著轨迹的提取；沿轨迹计算局部特征描述符，提取视觉特征，并将局部特征描述符进行矢量编码；最后，将编码后的特征以张量形式进行排列，通过tucker‑3张量分解得到判别特征，以此实现语义地图模型轻量化。本发明的方法解决了语义地图数据量较大，存在存储难度大，汽车的传输带宽、算力和车载存储受到限制，语义地图和推理模型存在难以运行的问题。