公开(公告)号：CN119151836A

公开(公告)日：2024-12-17

申请号：CN202411667099.0

申请日：2024-11-21

Applicant: 南京邮电大学

Inventor： 田逸非 ,  陶琳华 ,  尹捷明 ,  陈小柏 ,  肖甫

IPC: G06T5/77 ,  G06T5/60 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/084

Abstract: 本发明属于计算机视觉技术领域，公开了一种基于多视角融合的稀疏点云补全方法，包括：（1）输入点云数据，提取点云特征，并获取点云数据的重叠区域；（2）计算重叠区域下帧间点云的相似度矩阵，使用加权奇异值分解算法求解帧间的刚性变换；（3）通过累计配准策略实现多视角点云的精准配准；（4）采用3D卷积网格残差网络模块对点云进行粗粒度补全，并进一步利用多层感知机融合3D体素特征并完成细粒度的精确点云补全；（5）通过计算损失函数对模型权重进行优化，提升补全的整体效果与精度。本发明通过融合多视角配准技术与由粗到细的模块化点云补全方法，提高车辆检测的准确性与鲁棒性。

公开(公告)号：CN119067186A

公开(公告)日：2024-12-03

申请号：CN202411548223.1

申请日：2024-11-01

Applicant: 南京邮电大学

Inventor： 尹捷明 ,  张海帅 ,  李朋阳 ,  陈小柏 ,  田逸非

IPC: G06N3/063 ,  G06N3/0499 ,  G06F15/78

Abstract: 本发明属于深度神经网络技术领域，公开了一种针对多芯粒的存内计算数模混合DNN加速器的优化方法，包括：步骤1、模型预处理：对进行计算的DNN模型进行预处理，根据多芯粒的存内计算数模混合DNN加速器中的数字芯粒和存内运算芯粒确认深度神经网络DNN模型每一层的计算方式；步骤2、任务图谱的构建与优化：根据计算资源和存储资源的资源约束，将DNN模型的任务负载划分为计算和存储任务，构成任务图谱；步骤3、将步骤2构成的任务图谱转换为实际运算的执行图谱，并对执行图谱进行优化。本发明可以有效减少单个推理的延迟，同时提高整体运算的吞吐量，减少整体通信量，减少片上网络拥塞，提高运算性能。

公开(公告)号：CN118070858A

公开(公告)日：2024-05-24

申请号：CN202410088040.X

申请日：2024-01-22

Applicant: 南京邮电大学

Inventor： 陈小柏 ,  李朋阳 ,  尹捷明 ,  肖甫

IPC: G06N3/063 ,  G06N3/065 ,  G06F15/78

Abstract: 本发明属于神经网络加速器领域，公开了一种基于多芯粒的存内计算数模混合DNN加速器，包括20个数字芯粒和16个模拟芯粒，数字芯粒和模拟芯粒集成在一个芯片上，且相邻的数字芯粒之间、相邻的模拟芯粒之间、相邻的数字芯粒和模拟芯粒之间均通过片上网络相互连接，模拟芯粒和所述数字芯粒均包括一个连接片上网络的模拟路由器，每个路由器均负责在数字芯粒和数字芯粒之间、模拟芯粒和模拟芯粒之间、数字和模拟芯粒之间以及在芯片和片外存储器之间传输数据。该加速器实现了更好的能源效率，证明了其平衡能源效率和计算精度的能力。

公开(公告)号：CN115936084A

公开(公告)日：2023-04-07

申请号：CN202211590870.X

申请日：2022-12-12

Applicant: 南京邮电大学

Inventor： 陈小柏 ,  胡秋润

IPC: G06N3/063 ,  G06N3/0464

Abstract: 一种基于注意力区域的DCNN加速器，通过对注意力区域周期性的更新，识别准确率高，计算量低；在硬件上设计多个计算核心，并动态分配子图片以应对不同的计算场景；进行卷积核级的细粒度精度量化，提出卷积核/输出通道重排列的方法支持不同精度卷积核的计算；对卷积窗口集进行实时精度量化，可以实时对输出特征图进行零率检测，并设计适应性的PE与PE Array；设计具有“二维数据滑动”功能的OS数据流体系，可以将数据最大程度保留在PE内部从而在时间和空间上复用Weight和Activation数据，从而减少数据传输带宽和重复数据传输造成的额外功耗，同时可以很好地支持在线卷积窗口集实时零率检测。