-
公开(公告)号：CN110622502A
公开(公告)日：2019-12-27
申请号：CN201880032304.2
申请日：2018-05-16
Applicant: 三星电子株式会社
Abstract: 提供一种活动图像的超分辨率处理方法。活动图像的超分辨率处理方法包括：将视频中包括的多个帧顺序地输入用于超分辨率处理的循环神经网络(RNN)或用于超分辨率处理的卷积神经网络(CNN)中的任一个中，将从RNN和CNN中的任一个顺序地输出的帧顺序地输入RNN和CNN中的另一个中，以及通过关于从CNN和RNN中的该另一个顺序地输出的帧执行去卷积来提升输出帧的分辨率。
-
Patent Agency Ranking
公开(公告)号：CN111919389B
公开(公告)日：2024-12-27
申请号：CN201980021303.2
申请日：2019-01-04
Applicant: 三星电子株式会社
Abstract: 提供了一种数据压缩方法和数据解压缩方法。该方法包括：修剪包括多个权重参数的原始数据；在修剪后的原始数据中包括的多个权重参数中确认至少一个第一值并未通过修剪而改变的至少一个第一权重参数；获得包括至少一个第一值并未改变的至少一个第一权重参数的位置信息的第一索引数据；从修剪后的原始数据中包括的多个权重参数之中确认至少一个第二值由于修剪而改变了的至少一个第二权重参数；以及用无关参数替换至少一个第二值改变了的至少一个第二权重参数。
-
公开(公告)号：CN111971697B
公开(公告)日：2024-06-04
申请号：CN201980025238.0
申请日：2019-01-04
Applicant: 三星电子株式会社
IPC: G06N3/08 , G06N3/0464 , G06N10/00 , B82Y10/00
Abstract: 公开了一种电子装置。本电子装置包括：存储器；以及处理器，对基于深度学习训练的神经网络进行量化以生成量化的神经网络，并且将量化的神经网络存储在所述存储器中，其中，所述处理器以预设的第一比特单位对训练的神经网络的神经元之间的训练的连接强度进行量化，以预设的第二比特单位对量化的连接强度进行反量化，对反量化的连接强度进行再训练，并且以预设的第一比特单位对再训练的连接强度进行量化。
-
公开(公告)号：CN110622502B
公开(公告)日：2021-07-13
申请号：CN201880032304.2
申请日：2018-05-16
Applicant: 三星电子株式会社
Abstract: 提供一种活动图像的超分辨率处理方法。活动图像的超分辨率处理方法包括：将视频中包括的多个帧顺序地输入用于超分辨率处理的循环神经网络(RNN)或用于超分辨率处理的卷积神经网络(CNN)中的任一个中，将从RNN和CNN中的任一个顺序地输出的帧顺序地输入RNN和CNN中的另一个中，以及通过关于从CNN和RNN中的该另一个顺序地输出的帧执行去卷积来提升输出帧的分辨率。
-
公开(公告)号：CN111971697A
公开(公告)日：2020-11-20
申请号：CN201980025238.0
申请日：2019-01-04
Applicant: 三星电子株式会社
Abstract: 公开了一种电子装置。本电子装置包括：存储器；以及处理器，对基于深度学习训练的神经网络进行量化以生成量化的神经网络，并且将量化的神经网络存储在所述存储器中，其中，所述处理器以预设的第一比特单位对训练的神经网络的神经元之间的训练的连接强度进行量化，以预设的第二比特单位对量化的连接强度进行反量化，对反量化的连接强度进行再训练，并且以预设的第一比特单位对再训练的连接强度进行量化。
-
公开(公告)号：CN111919389A
公开(公告)日：2020-11-10
申请号：CN201980021303.2
申请日：2019-01-04
Applicant: 三星电子株式会社
Abstract: 提供了一种数据压缩方法和数据解压缩方法。该方法包括：修剪包括多个权重参数的原始数据；在修剪后的原始数据中包括的多个权重参数中确认至少一个第一值并未通过修剪而改变的至少一个第一权重参数；获得包括至少一个第一值并未改变的至少一个第一权重参数的位置信息的第一索引数据；从修剪后的原始数据中包括的多个权重参数之中确认至少一个第二值由于修剪而改变了的至少一个第二权重参数；以及用无关参数替换至少一个第二值改变了的至少一个第二权重参数。
-
-
-
-
-
Search Results
6
records
(took 0.077 seconds)
