-
公开(公告)号：CN113361703B
公开(公告)日：2023-09-05
申请号：CN202010151570.6
申请日：2020-03-06
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06N3/08 , G06N3/0464
Abstract: 本申请实施例提供了一种数据处理方法、装置及电子设备，应用于包括融合层的深度学习网络，每一融合层分别与深度学习框架中的卷积层一一对应，每一卷积层对应的融合层为：通过预设参数融合方式和预设规则融合方式、将待融合层融合至该卷积层得到的网络层；方法包括：每一融合层获得与该融合层连接的上一融合层对待处理数据进行数据处理的结果和待处理数据；根据融合层的参数和融合层对应的数据处理规则，对所获得的结果和待处理数据进行数据处理。采用本申请实施例提供的方案处理数据，可以减少数据处理过程中对内存或显存的访问次数，提高数据处理的速度和效率。
-
公开(公告)号：CN112990421B
公开(公告)日：2023-09-05
申请号：CN201911215315.7
申请日：2019-12-02
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06N3/0464 , G06N3/082
Abstract: 本申请公开了一种优化深度学习网络的运行过程的方法、装置及存储介质，属于深度学习领域。在本申请中，确定深度学习网络中包括的多个计算层对应的多种运行顺序，然后确定每种运行顺序所需的内存开销，进而根据每种运行顺序所需的内存开销，确定多个计算层的最优运行顺序。由于多个计算层的最优运行顺序是通过不同的运行顺序所需的内存开销来进行确定的，因此，根据最优运行顺序来运行深度学习网络，可以有效地减少深度学习网络的内存开销，也即可以使内存优化的效果更加显著。
-
公开(公告)号：CN113111059B
公开(公告)日：2023-04-14
申请号：CN202010032859.6
申请日：2020-01-13
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06F16/22
Abstract: 本申请公开了一种数据存储管理的方法和装置，属于数据存储技术领域，所述方法包括：确定数据块中标记废弃的数据单元对应的存储位置；在保持数据块中未标记废弃的数据单元之间排列顺序不变的前提下，将未标记废弃的数据单元移动至标记废弃的数据单元对应的存储位置，得到数据移动后的数据块，其中，在数据移动后的数据块中，在未标记废弃的数据单元之间的排列顺序上任意相邻的两个未标记废弃的数据单元的存储位置相邻。本申请通过已标记废弃数据的存储位置，移动未标记废弃的数据，集中数据的占用。采用本申请，空闲的存储空间会集中到数据块之后，更便于不同数据量大小的数据存入，从而可以提高存储资源的利用率。
-
公开(公告)号：CN114625902A
公开(公告)日：2022-06-14
申请号：CN202011460842.7
申请日：2020-12-11
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06F16/583 , G06F16/53
Abstract: 本申请公开了一种提高图像检索速度方法，该方法包括，在基于待检索图像、以及底库数据中被比较图像特征向量计算特征向量之间相似度的第一时间区间，触发对当前相似度结果的排序，并进行至少一下一相似度结果的计算，使得至少一下一相似度结果的计算与所述排序并行执行。本申请可以直接将当前相似度结果传入排序进程而进行排序，减少了反复进行内存读取、写入的操作，大大减少了图像检索过程中的耗时，提升了内存利用率。
-
公开(公告)号：CN113947207A
公开(公告)日：2022-01-18
申请号：CN202010682147.9
申请日：2020-07-15
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应用于模型转换的管理方法、系统、装置及电子设备。本实施例通过在目标深度学习模型中既体现与目标AI设备匹配的第二深度学习模型，又体现用于描述第二深度学习模型的模型描述信息，这能够直观标记利用该目标深度学习模型进行深度学习推理时所需要的关键信息，无需再额外记录目标深度学习模型对应的AI设备信息、深度学习推理框架、模型训练框架等碎片信息，实现了统一对多AI设备平台(混合了不同应用场景的AI设备的平台)的模型转换过程进行管理；进一步地，当在目标深度学习模型中体现出用于描述第二深度学习模型的模型描述信息，后续可以基于该模型描述信息对目标深度学习模型进行升级等。
-
Patent Agency Ranking
公开(公告)号：CN108009465B
公开(公告)日：2021-08-27
申请号：CN201610966076.9
申请日：2016-10-31
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本发明实施例公开了一种人脸识别方法及装置，方法包括：确定待识别人脸图像对应的第一属性信息；在数据库中选取属性信息与第一属性信息匹配的候选人脸图像；数据库中存储有每张预存人脸图像的属性信息及对应的人员信息；将待识别人脸图像与候选人脸图像进行相似度计算；将计算结果大于第一预设阈值的候选人脸图像确定为目标人脸图像；将数据库中存储的目标人脸图像对应的人员信息确定为待识别人脸图像对应的人员信息，降低了人脸识别过程中的计算量。
-
公开(公告)号：CN112990421A
公开(公告)日：2021-06-18
申请号：CN201911215315.7
申请日：2019-12-02
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请公开了一种优化深度学习网络的运行过程的方法、装置及存储介质，属于深度学习领域。在本申请中，确定深度学习网络中包括的多个计算层对应的多种运行顺序，然后确定每种运行顺序所需的内存开销，进而根据每种运行顺序所需的内存开销，确定多个计算层的最优运行顺序。由于多个计算层的最优运行顺序是通过不同的运行顺序所需的内存开销来进行确定的，因此，根据最优运行顺序来运行深度学习网络，可以有效地减少深度学习网络的内存开销，也即可以使内存优化的效果更加显著。
-
公开(公告)号：CN112947899A
公开(公告)日：2021-06-11
申请号：CN201911267114.1
申请日：2019-12-11
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请实施例提供一种深度学习模型转换方法、系统及装置，该方法包括：获取第一模型的中间表示格式，所述第一模型为在第一深度学习框架下可识别的模型，所述第一模型中包括公共层和自定义层，所述中间表示格式为多个深度学习框架下进行模型转换的统一表示格式，所述公共层为多个深度学习框架中均包括的层，即开源支持的层，所述自定义层为根据所述第一模型的功能进行配置得到的层，所述多个深度学习框架包括所述第一深度学习框架和第二深度学习框架；根据所述第一模型的中间表示格式和所述第二深度学习框架，得到第二模型，所述第二模型为在所述第二深度学习框架下可识别的模型。本申请实施例能够实现针对包括自定义层的深度学习模型的转换。
-
公开(公告)号：CN107977922B
公开(公告)日：2020-12-25
申请号：CN201610938151.0
申请日：2016-10-25
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本发明实施例提供了一种图像分析方法、装置及系统，方法包括：获取目标图像；将目标图像分割为预设数量的子图像；根据预设数量，生成至少一个针子图像分析指令，子图像分析指令携带有待分析的子图像的标识信息、特征分析方式信息，以及分析待分析的子图像的异构处理器组的处理器组标识信息；将预设数量的子图像以及所生成的子图像分析指令发送给处理器组标识信息所对应的异构处理器组，以供异构处理器组根据所接收的子图像分析指令中的特征分析方式信息，对预设数量的子图像中的目标子图像进行特征分析，得到分析结果。应用本发明实施例，能够对图像进行快速分析。
-
公开(公告)号：CN108632567A
公开(公告)日：2018-10-09
申请号：CN201710157819.2
申请日：2017-03-16
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本发明公开了一种云台控制方法、装置及系统，属于安防领域。所述方法包括：检测云台摄像机的监控区域内是否存在信号源，所述云台摄像机包括云台及设置在所述云台上的摄像机；当所述监控区域内存在信号源时，判断所述信号源发射的信号是否为指示所述云台进行位置调整的位置调整信号；当所述信号源发射的信号为所述位置调整信号时，根据所述信号源的位置，调整所述云台的位置。本发明解决了相关技术中操作人员在通过终端设备登录客户端并查找到对应的云台摄像机后才能进行控制操作，对云台摄像机的控制操作的触发时延较长的问题。本发明用于控制云台。
-
-
-
-
-
-
-
-
-
Search Results
93
records
(took 0.08 seconds)
