公开(公告)号：CN119337045B

公开(公告)日：2025-04-01

申请号：CN202411873806.1

申请日：2024-12-18

Applicant: 杭州海康威视数字技术股份有限公司

Inventor： 林晨 ,  彭博 ,  李哲暘 ,  谭文明

IPC: G06F17/16 ,  G06F17/11 ,  G06F18/214

Abstract: 本申请实施例提供了一种模型量化方法、装置、电子设备及存储介质，涉及深度学习技术领域。方法包括：获取原始模型中待量化网络层的待量化权重矩阵；将待量化权重矩阵中各权重分为多个权重组；计算各权重组对应的第一模型损失；按照对应的第一模型损失从大到小的顺序确定当前待处理的权重组；以当前待处理的权重组对应的第二模型损失最小为优化目标，基于目标量化格式确定当前待处理的权重组的目标量化结果；按照对应的第一模型损失从大到小的顺序确定当前待处理的权重组，直至得到各权重组的目标量化结果；基于各权重组的目标量化结果得到量化后的目标模型。如此可以对原始模型进行量化，且量化后的目标模型的模型损失较小。

公开(公告)号：CN119450084A

公开(公告)日：2025-02-14

申请号：CN202411932643.X

申请日：2023-07-12

Applicant: 杭州海康威视数字技术股份有限公司

Inventor： 彭博 ,  林晨 ,  李哲暘 ,  谭文明

IPC: H04N19/91 ,  H04N19/124 ,  H04N19/176 ,  H04N19/42 ,  H04N19/44

Abstract: 本申请提供一种解码方法、装置及其设备，该方法包括：从当前图像块对应的码流中解码当前图像块对应的目标特征；基于目标特征确定目标解码网络的第一输入特征；获取目标解码网络的目标特征值量化位宽和目标特征值量化超参，基于目标特征值量化位宽和目标特征值量化超参将第一输入特征转换为第二输入特征；基于目标解码网络的定点型权重对第二输入特征进行处理，得到目标解码网络的输出特征；其中，定点型权重是基于目标权重量化位宽和目标权重量化超参确定；基于目标解码网络的输出特征确定当前图像块对应的重建图像块。通过本申请技术方案，能够在保证解码质量的前提下，降低解码计算量。