一种内存分配方法及装置
    1.
    发明公开

    公开(公告)号:CN116991569A

    公开(公告)日:2023-11-03

    申请号:CN202210446682.3

    申请日:2022-04-26

    Abstract: 本申请实施例提供了一种内存分配方法及装置。方案如下:针对目标算子,确定神经网络模型运行过程中该目标算子所需的目标内存大小;确定已为前一个算子分配的多个内存块的当前状态;确定备选内存块集合中包括当前状态为可复用状态的内存块;若备选内存块集合中各内存块的内存大小均小于目标内存大小,且备选内存块集合中各内存块的第一总内存大小大于等于目标内存大小,则从备选内存块集合中选取多个内存块,作为待分配内存块;基于待分配内存块,对目标算子进行内存分配。采用本申请实施例提供的技术方案,降低了神经网络模型的内存占用,从而降低了电子设备的内存消耗,节约了硬件的内存开销,降低设备成本。

    商品自助计费方法、装置及系统

    公开(公告)号:CN111750965A

    公开(公告)日:2020-10-09

    申请号:CN201910237534.9

    申请日:2019-03-27

    Abstract: 本发明提供一种商品自助计费方法、装置及系统。所述方法包括:获取商品在进行称重时的商品图像,识别商品图像中商品所属的商品类别,将商品类别发送给后台计费服务器,以由后台计费服务器根据商品类别确定对应的商品单价并依据商品单价以及商品的重量信息对商品进行计费;或者,根据商品类别确定对应的商品单价并依据商品单价以及商品的重量信息对商品进行计费;重量信息由称重设备采集并发送给本设备或后台计费服务器。本发明实施例能够自动识别出商品类别,并基于商品类别自动对商品进行计费,不需要对可自助称重的商品进行人工值守,因此降低了人力成本。

    一种模型生成、图像处理方法、装置及电子设备

    公开(公告)号:CN116452902A

    公开(公告)日:2023-07-18

    申请号:CN202111656461.0

    申请日:2021-12-31

    Abstract: 本申请实施例提供了一种模型生成、图像处理方法、装置及电子设备。方案如下:获取第一图像;从图像处理设备的预设分辨率区间中选取多个分辨率,作为第一分辨率;针对每一第一分辨率,根据第一图像对该第一分辨率对应的第一深度学习模型进行推理,得到该第一分辨率对应第一深度学习模型的推理结果;根据每一第一分辨率对应第一深度学习模型的推理结果的准确度,将准确度最高的预设数量个第一深度学习模型所对应的第一分辨率,确定为图像处理设备的最优分辨率;根据每一最优分辨率对应的第一深度学习模型,生成图像处理设备的第二深度学习模型。通过本申请实施例提供的技术方案,增加了深度学习模型所支持的分辨率,提高了图像处理结果的准确性。

    路面导向标志的识别方法、装置及存储介质

    公开(公告)号:CN111444749B

    公开(公告)日:2023-09-01

    申请号:CN201910044044.7

    申请日:2019-01-17

    Abstract: 本申请公开了一种路面导向标志的识别方法、装置及存储介质,属于图像处理技术领域。所述方法包括:获取车辆行驶道路前方的前视图像;确定前视图像中的每个像素点的像素类别;基于每个像素点的像素类别,从前视图像中获取导向标志区域图像,导向标志区域图像为前视图像中路面导向标志所在区域对应的最小区域图像;将导向标志区域图像输入至目标分类器中,输出路面导向标志的标志类型,目标分类器用于基于任一区域图像识别区域图像中的路面导向标志。本申请避免需要在车辆上安装3D激光扫描仪,节省了成本。

    商品自助计费方法、装置及系统

    公开(公告)号:CN111750965B

    公开(公告)日:2022-08-26

    申请号:CN201910237534.9

    申请日:2019-03-27

    Abstract: 本发明提供一种商品自助计费方法、装置及系统。所述方法包括:获取商品在进行称重时的商品图像,识别商品图像中商品所属的商品类别,将商品类别发送给后台计费服务器,以由后台计费服务器根据商品类别确定对应的商品单价并依据商品单价以及商品的重量信息对商品进行计费;或者,根据商品类别确定对应的商品单价并依据商品单价以及商品的重量信息对商品进行计费;重量信息由称重设备采集并发送给本设备或后台计费服务器。本发明实施例能够自动识别出商品类别,并基于商品类别自动对商品进行计费,不需要对可自助称重的商品进行人工值守,因此降低了人力成本。

    卷积神经网络模型的优化方法、装置、设备及存储介质

    公开(公告)号:CN116992924A

    公开(公告)日:2023-11-03

    申请号:CN202211413047.1

    申请日:2022-11-11

    Abstract: 本申请提供一种卷积神经网络模型的优化方法、装置、设备及存储介质,涉及卷积神经网络算法部署技术领域。该方法包括:获取待优化的卷积神经网络模型,待优化的卷积神经网络模型包括第一卷积层;根据第一卷积层对应的通道的初始权重,确定第一卷积层的参考权重,并将参考权重写入第一卷积层对应的每个通道中;根据参考权重、以及第一卷积层对应的每个通道的初始权重,确定第一卷积层对应的每个通道的缩放系数;根据第一卷积层对应的每个通道的缩放系数,在第一卷积层之后增加第一缩放层,得到优化后的卷积神经网络模型。该方法适用于卷积神经网络模型的部署过程中,用于优化卷积神经网络模型。

    一种网络模型压缩方法、装置及存储介质

    公开(公告)号:CN116258169A

    公开(公告)日:2023-06-13

    申请号:CN202111490435.5

    申请日:2021-12-08

    Abstract: 本申请实施例提供了一种网络模型压缩方法、装置及存储介质,涉及深度学习技术领域,按照预设的压缩顺序,从网络模型中确定当前待压缩的网络层;针对每一预设压缩方式,按照该预设压缩方式对当前待压缩的网络层进行压缩,得到该预设压缩方式对应的压缩后的网络模型;其中,在压缩后的网络模型中,其他网络层为分别按照各自已确定的最优压缩方式进行压缩得到的;按照对应的压缩后的网络模型的准确度和/或压缩率,从各预设压缩方式中确定当前待压缩的网络层的最优压缩方式,并返回执行按照预设的压缩顺序,从各网络层中确定当前待压缩的网络层步骤,直至确定出各网络层的最优压缩方式。基于此,能够提高压缩效果。

    一种图像识别方法和电子设备

    公开(公告)号:CN109934077B

    公开(公告)日:2020-12-04

    申请号:CN201711378700.4

    申请日:2017-12-19

    Abstract: 本发明实施例提供了一种图像识别方法和电子设备,该方法应用于电子设备中的协处理器,电子设备中还包括CPU,该方法包括:接收由CPU发送的待识别图像;将待识别图像输入至预先构建的内容识别神经网络,获得内容识别结果;内容识别神经网络:用于识别图像所包含的对象的类别及位置;将得到的每个位置对应的对象输入至预先构建的属性识别神经网络,获得每个对象的属性;将得到的每个对象的类别及属性发送给CPU,以使CPU将接收到的对象的类别及属性,作为待识别图像的图像识别结果。应用本发明实施例,可以借助内容、属性识别神经网络对图像所包含的对象的类别及属性进行准确识别,并降低CPU的计算压力。

    路面导向标志的识别方法、装置及存储介质

    公开(公告)号:CN111444749A

    公开(公告)日:2020-07-24

    申请号:CN201910044044.7

    申请日:2019-01-17

    Abstract: 本申请公开了一种路面导向标志的识别方法、装置及存储介质,属于图像处理技术领域。所述方法包括:获取车辆行驶道路前方的前视图像;确定前视图像中的每个像素点的像素类别;基于每个像素点的像素类别,从前视图像中获取导向标志区域图像,导向标志区域图像为前视图像中路面导向标志所在区域对应的最小区域图像;将导向标志区域图像输入至目标分类器中,输出路面导向标志的标志类型,目标分类器用于基于任一区域图像识别区域图像中的路面导向标志。本申请避免需要在车辆上安装3D激光扫描仪,节省了成本。

Patent Agency Ranking