-
公开(公告)号：CN112995758B
公开(公告)日：2024-02-06
申请号：CN201911284170.6
申请日：2019-12-13
Applicant: 鹏城实验室 , 北京大学深圳研究生院
IPC: H04N21/4402 , H04N21/2343 , G06T9/00
Abstract: 本发明公开了一种点云数据的编码方法、解码方法、存储介质及终端设备，所述编码方法包括根据待编码的点云数据生成占位图；根据待编码的点云数据、所述占位图、预设扫描顺序生成一维序列组；对所述占位图和一维序列组进行编码，以得到所述点云数据对应的码流。本发明通过将点云数据转换为一维序列组，并对一维序列组进行编码，降低了编码时的数据量，进而提高了点云数据的编码效率。
-
公开(公告)号：CN117093814A
公开(公告)日：2023-11-21
申请号：CN202311054523.X
申请日：2023-08-21
Applicant: 鹏城实验室
IPC: G06F17/16 , G06F12/0842 , G06F11/34
Abstract: 本申请实施例公开了一种数据处理方法、装置、计算机可读存储介质及计算机设备。包括：确定当前迭代区内第一子矩阵对应的第一输入矩阵和第二输入矩阵；根据第一输入矩阵和第二输入矩阵确定出第一迭代区内的第一个子迭代区的目标第二子矩阵，第一迭代区和当前迭代区域相邻；根据目标第二子矩阵对第一迭代区内至少一个子迭代区进行迭代，得到对应的第三输入矩阵和第四输入矩阵；根据第一输入矩阵、第二输入矩阵以及第三输入矩阵和第四输入矩阵确定出目标迭代区的目标选定子矩阵，目标迭代区与当前迭代区和第一迭代区均不相邻。从而避免在每个迭代区依次迭代都要对全局内存读写一次，减少对处理器的全局内存的读写次数，充分发挥计算机设备的性能。
-
公开(公告)号：CN116302449B
公开(公告)日：2023-08-22
申请号：CN202310557298.5
申请日：2023-05-17
Applicant: 鹏城实验室
Abstract: 本公开提供了跨智能体的算法资源调度方法、装置、设备和介质。该算法资源调度方法包括：接收来自第一代理节点的第一任务协同请求；基于第一任务协同请求，得到任务标签，并生成第二任务协同请求；发送第二任务协同请求至第二代理节点，以便第二代理节点根据任务标签确定目标算法资源；接收来自第二代理节点的目标算法资源；发送目标算法资源至第一代理节点。本公开实施例能够提高智能体的任务执行效率与算法资源利用率。本公开实施例可应用于智能医疗、智能交通、智能城市管理等场景。
-
公开(公告)号：CN115809685B
公开(公告)日：2023-07-25
申请号：CN202310088059.X
申请日：2023-02-09
Applicant: 鹏城实验室
Abstract: 本发明涉及通信技术领域，具体是涉及一种NPU集群网络结构和网络互连方法。本发明将用于神经网络模型训练的节点划分为两组，分别是第一组处理器和第二组处理器，而且将网络平面也划分为两个平面，一个网络平面只负责一组处理器在训练神经网络模型过程中产生数据的传输，从而提升了由各个NPU处理器构成的NPU集群传输数据的效率，一旦传输数据的效率提升，那么数据传输的效率提升，则数据传输的效率就不会制约NPU集群的算力，从而提升了NPU集群的算力。
-
公开(公告)号：CN116074179B
公开(公告)日：2023-07-14
申请号：CN202310203989.5
申请日：2023-03-06
Applicant: 鹏城实验室
IPC: H04L41/044 , H04L41/042 , H04L41/16 , H04L67/2876 , H04L67/2885
Abstract: 本发明公开了一种基于CPU‑NPU协同的高扩展节点系统及训练方法，所述系统包括：通用算力模块、AI算力模块、层次访存模块、数据缓存模块和网络接口模块；通用算力模块和AI算力模块进行分组互连，用于AI节点内片间互连的扩展；层次访存模块用于在通用算力模块与AI算力模块处理数据时提供通用计算的大内存和AI计算的高带宽；数据缓存模块用于处理通用算力模块在计算时的数据IO吞吐；网络接口模块用于将通用算力模块和AI算力模块在计算时进行分离通信。本发明从AI节点的互连、访存、存储、网络接口出发提出高扩展节点架构，实现AI算力‑层次访存‑片间互连均衡设计，以满足AI大模型训练需求。
-
Patent Agency Ranking
公开(公告)号：CN116227581A
公开(公告)日：2023-06-06
申请号：CN202211579420.0
申请日：2022-12-08
Applicant: 鹏城实验室
IPC: G06N3/096 , G06N3/04 , G06N3/0464
Abstract: 本发明公开了基于自适应参数隔离的迁移学习方法、装置、终端及介质，包括：获取当前源域在每个通道中的统计均值和统计方差，并获取目标域在每个通道中的统计均值和统计方差；根据所述当前源域的统计均值和统计方差、所述目标域的统计均值和统计方差计算得到通道抑制敏感因子；根据所述通道抑制敏感因子确定自适应参数隔离的目标函数，并根据所述自适应参数隔离的目标函数进行域自适应迁移学习。本发明通过自适应参数隔离，在增量域自适应中显著地减少了不同源域的干扰，以及通过自适应参数隔离充分保留和有效融合标注知识，提高了目标域的泛化性能。
-
公开(公告)号：CN116128801A
公开(公告)日：2023-05-16
申请号：CN202211475103.4
申请日：2022-11-23
Applicant: 鹏城实验室
IPC: G06T7/00 , G06T7/10 , G06V10/40 , G06V10/764
Abstract: 本申请公开了一种基于多任务学习的图像清洁度评估方法及相关装置，方法包括将待评估图像输入所述评估网络模型中的特征提取模块，通过所述特征提取模块确定所述待评估图像的若干特征图，将若干特征图输入所述评估网络膜中的预测模块，通过所述预测模块确定所述待评估图像对应的掩膜图以及清洁度类别。本申请通过特征提取模块提取若干特征图，然后通过预测模块基于若干特征图确定掩膜图以及清洁度类别，预测模块利用用于确定掩膜图的实例特征增强图像的清洁特征表现，聚焦图像所属器官的划分和图像的清洁度评估，从而可以快速确定清洁度满足预定要求的视频图像，进而使后续的病灶分割网络免受噪声场景的干扰，还能降低病灶检测的计算复杂程度。
-
公开(公告)号：CN115983375A
公开(公告)日：2023-04-18
申请号：CN202211581443.5
申请日：2022-12-09
Applicant: 鹏城实验室
IPC: G06N3/096 , G06V10/74 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明所提供的一种基于领域对关联的迁移学习方法及装置，方法包括：当接收到目标域样本图像及目标域样本图像对应的类别标签时，获取源域样本图像；构建目标域样本图像与源域样本图像之间的特征关系图，得到特征相似图像对；将特征相似图像对输入预先训练的连续领域自适应模型中，将目标域样本图像对应的类别标签作为监督信息，并以基于特征互相关矩阵的预设学习目标为优化目标，对连续领域自适应模型进行迁移学习；将目标域目标图像输入已完成迁移学习的连续领域自适应模型中，得到预测结果。本发明实现了对比性的配对，在巩固模型先验关系的基础上对新源域的局部相关性进行增量探索，避免出现迁移性漂移现象，提高了预测结果的准确性。
-
公开(公告)号：CN115631825A
公开(公告)日：2023-01-20
申请号：CN202211078506.5
申请日：2022-09-05
Applicant: 鹏城实验室
Abstract: 本发明公开了利用自然语言模型自动生成结构化报告的方法及相关设备，所述方法包括：获取输入的样本图像，图像诊断网络根据样本图像生成隐藏状态序列和分类标识序列，并得到结构是否异常的预测结果；若所述预测结果为无结构异常，获取所述样本图像中的无异常样本图像，完整报告生成网络根据所述无异常样本图像生成无异常图像的医学图像报告；若所述预测结果为存在结构异常，获取所述样本图像中的有异常样本图像，任务感知报告生成网络根据所述有异常样本图像生成有异常图像的医学图像报告。本发明根据样本图像是否有异常分别进行医学图像报告的生成，通过对不同结构分别生成报告的方式，保证生成报告诊断的准确性，从而大大降低了医生的工作量。
-
公开(公告)号：CN115086672A
公开(公告)日：2022-09-20
申请号：CN202110264409.4
申请日：2021-03-11
Applicant: 鹏城实验室
IPC: H04N19/42 , H04N19/124 , H04N19/91 , H04N19/136 , H04N19/186
Abstract: 本发明公开了一种点云属性编码方法、装置、解码方法、装置及相关设备，其中，上述点云属性编码方法包括：对待编码点云数据进行排序和分组，获取待编码组，其中，上述待编码点云数据为属性待编码的点云数据；基于变换矩阵分别对各上述待编码组进行变换，获取变换系数，其中，上述变换系数包括直流系数和交流系数；分别获取各上述待编码组的直流系数预测值，基于上述直流系数预测值和上述变换系数实现对各上述待编码组的点云属性编码。与现有技术相比，本发明方案有利于提高编码性能，获得更好的点云属性压缩效果。
-
-
-
-
-
-
-
-
-
Search Results
119
records
(took 0.031 seconds)
