-
公开(公告)号：CN109543139B
公开(公告)日：2021-09-17
申请号：CN201710866060.5
申请日：2017-09-22
Applicant: 杭州海康威视数字技术股份有限公司
Inventor： 张渊
Abstract: 本发明实施例提供了一种卷积运算方法、装置、计算机设备及计算机可读存储介质，其中，卷积运算方法包括：获取卷积神经网络中网络层的输入数据；按照预设步长，每次从输入数据中提取多个数据点；将每次提取的多个数据点映射至三维数据中不同深度的同一位置，得到重排列后的数据；利用预设尺寸的卷积核对重排列后的数据进行卷积运算，得到卷积结果。通过本发明可以提高卷积神经网络的运算效率。
-
公开(公告)号：CN111144561A
公开(公告)日：2020-05-12
申请号：CN201811307230.7
申请日：2018-11-05
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06N3/08
Abstract: 本申请实施例提供了一种神经网络模型确定方法及装置，其中，神经网络模型确定方法包括：获取目标任务的任务配置参数、训练资源的资源配置参数、模型设计配置参数以及模型压缩配置参数；基于任务配置参数、资源配置参数及模型设计配置参数，生成针对目标任务的初始神经网络模型；根据模型压缩配置参数，选择相应的预设压缩方式，对初始神经网络模型进行压缩处理，得到待部署的神经网络模型。通过本方案，可以提高神经网络模型确定过程中的开发效率。
-
公开(公告)号：CN111144560A
公开(公告)日：2020-05-12
申请号：CN201811307229.4
申请日：2018-11-05
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06N3/08
Abstract: 本申请实施例提供了一种深度神经网络运算方法及装置，深度神经网络运算方法包括：获取网络层输入特征图；按照预设位移参数，将网络层输入特征图的每个通道分别沿各轴向进行位移，得到位移特征图，其中，预设位移参数包括每个通道在各轴向上的位移量；利用1×1卷积核，对位移特征图进行卷积运算，得到网络层输出特征图。通过本方案，可以提高DNN的运行效率。
-
公开(公告)号：CN119692410A
公开(公告)日：2025-03-25
申请号：CN202311248206.1
申请日：2023-09-25
Applicant: 杭州海康威视数字技术股份有限公司 , 华中科技大学
Abstract: 本申请实施例提供一种模型训练方法、装置及终端设备。该方法包括：确定初始模型，所述初始模型中包括多个神经元，所述初始模型用于对输入数据进行处理得到标签数据；获取多个输入数据；确定各神经元的安全阈值和激活函数参数；根据所述多个输入数据、以及所述各神经元的安全阈值和激活函数参数，确定各神经元的权重值，以得到目标模型；所述目标模型用于对所述输入数据进行处理得到输出数据，所述输出数据为对所述标签数据进行脱敏处理后的数据。提高了模型训练的安全性。
-
公开(公告)号：CN118278485A
公开(公告)日：2024-07-02
申请号：CN202211734115.4
申请日：2022-12-30
Applicant: 杭州海康威视数字技术股份有限公司 , 华中科技大学
Abstract: 本发明实施例提供了一种神经网络模型压缩、图像处理方法及装置，涉及人工智能技术领域，所述方法包括：基于表征待压缩模型中各网络层内神经元的输入图像数据和输出图像数据间映射关系的激活函数，获得各网络层对应的NTK特征谱的第一表征信息；获得各网络层中神经元按照对应的分段多值化映射关系进行数据转换时对应的NTK特征谱的第二表征信息；确定使得各网络层对应的第二表征信息与第一表征信息相同时各网络层对应的分段多值化映射关系的参数值；按照确定参数值后的映射关系更新各网络层对应的激活函数，得到用于进行图像处理的压缩后模型。应用本发明实施例提供的神经网络模型压缩方法，能够实现对应用于图像处理的神经网络模型进行压缩。
-
Patent Agency Ranking
公开(公告)号：CN111144560B
公开(公告)日：2024-02-02
申请号：CN201811307229.4
申请日：2018-11-05
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06N3/0464 , G06N3/08
Abstract: 本申请实施例提供了一种深度神经网络运算方法及装置，深度神经网络运算方法包括：获取网络层输入特征图；按照预设位移参数，将网络层输入特征图的每个通道分别沿各轴向进行位移，得到位移特征图，其中，预设位移参数包括每个通道在各轴向上的位移量；利用1×1卷积核，对位移特征图进行卷积运算，得到网络层输出特征图。通过本方案，可以提高DNN的运行效率。
-
公开(公告)号：CN115797189A
公开(公告)日：2023-03-14
申请号：CN202111052081.6
申请日：2021-09-08
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06T5/00 , G06T5/10 , G06T5/50 , G06N3/0464 , G06N3/08
Abstract: 本申请实施例提供了一种图像降噪方法、装置、摄像机及摄像系统。其中，所述方法，包括：将待降噪图像映射至频域，得到多个待降噪子带图像，其中，不同待降噪子带图像用于表示所述待降噪图像中不同频率的图像信息；将所述多个待降噪子带图像在通道维度上进行合并，得到第一多通道图像；将所述第一多通道图像输入至目标移位卷积神经网络进行降噪处理，得到所述目标移位卷积神经网络输出的第二多通道图像；将所述第二多通道图像映射至空域，得到第一降噪图像。可以在消耗较少计算资源的情况下，实现图像降噪。
-
公开(公告)号：CN109754077B
公开(公告)日：2022-05-06
申请号：CN201711092273.3
申请日：2017-11-08
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06N3/08
Abstract: 本发明实施例提供了一种深度神经网络的网络模型压缩方法、装置及计算机设备，其中，深度神经网络的网络模型压缩方法包括：获取原始深度神经网络；通过对原始深度神经网络的网络层中各运算单元的重要度进行分析，确定该网络层中重要度低于预设重要度的运算单元作为待删除运算单元；删除原始深度神经网络中各网络层的待删除运算单元，得到网络模型压缩后的深度神经网络。通过本方案可以提高目标识别与目标检测的效率。
-
公开(公告)号：CN110874635A
公开(公告)日：2020-03-10
申请号：CN201811015359.0
申请日：2018-08-31
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请实施例提供了一种深度神经网络模型压缩方法及装置，深度神经网络模型压缩方法包括：获取待压缩深度神经网络模型中网络层的当前计算状态；根据当前计算状态，通过预先训练的计算模型，得到网络层的压缩量；基于压缩量，对网络层进行压缩；确定网络层压缩后的深度神经网络模型。通过本方案，可以保证深度神经网络模型的输出性能。
-
公开(公告)号：CN109543139A
公开(公告)日：2019-03-29
申请号：CN201710866060.5
申请日：2017-09-22
Applicant: 杭州海康威视数字技术股份有限公司
Inventor： 张渊
Abstract: 本发明实施例提供了一种卷积运算方法、装置、计算机设备及计算机可读存储介质，其中，卷积运算方法包括：获取卷积神经网络中网络层的输入数据；按照预设步长，每次从输入数据中提取多个数据点；将每次提取的多个数据点映射至三维数据中不同深度的同一位置，得到重排列后的数据；利用预设尺寸的卷积核对重排列后的数据进行卷积运算，得到卷积结果。通过本发明可以提高卷积神经网络的运算效率。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.041 seconds)
