-
公开(公告)号：CN117671231A
公开(公告)日：2024-03-08
申请号：CN202211024977.8
申请日：2022-08-25
Applicant: 中国科学院计算技术研究所
IPC: G06V10/25 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明提出一种基于特征和路径搜索的目标检测方法和系统，包括：构建包括融合特征搜索单元和融合路径搜索单元的特征融合网络；该融合特征搜索单元从图片的多尺度特征中搜索得到各尺度下的最优特征；对各尺度下的该最优特征的通道进行分组，该融合路径搜索单元从各分组中搜索得到候选特征，构建多个由两个候选特征构成的候选特征对；基于预设的融合策略对该候选特征对进行特征融合，得到每个该候选特征对的融合特征，以确定图片中检测目标的预测位置类别。
-
公开(公告)号：CN117475254A
公开(公告)日：2024-01-30
申请号：CN202311329374.3
申请日：2023-10-13
Applicant: 中国科学院计算技术研究所
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06V10/762
Abstract: 本发明提出一种破除图像数据不可学习噪声的深度学习训练方法，包括：获取训练图像样本，构建为分类数据集；对所有该训练图像样本进行聚类，获取各聚类簇的聚类信息，根据该聚类信息，生成该分类数据集的过拟合指标；以该分类数据集对目标图像分类模型进行训练，基于该过拟合指标判断每个训练轮是否出现过拟合，并对每个训练轮的学习率进行动态调整。本发明还提出一种破除图像数据不可学习噪声的深度学习训练系统，以及一种用于实现破除图像数据不可学习噪声的深度学习训练的数据处理装置。
-
公开(公告)号：CN114697673B
公开(公告)日：2023-06-27
申请号：CN202011607729.7
申请日：2020-12-30
Applicant: 中国科学院计算技术研究所
IPC: H04N19/42 , H04N19/13 , H04N19/124 , G06N3/082
Abstract: 本发明提出一种基于流间数据混洗的神经网络量化压缩方法及系统，包括获取经过量化处理后待压缩的神经网络数据，对该神经网络数据进行分块，得到多个数据块；对每一个该数据块分配一个数据流进行压缩，且数据流随机选择输入缓存或根据预设规则选择输入缓存，得到该数据块的压缩结果；集合各数据块的压缩结果，作为该神经网络数据的压缩结果；本发明避免了连续从同一个输入缓存读取数据，增加了单个数据流的输入随机性，进一步平衡各数据流的编码速率，从而提高硬件资源的利用效率。
-
公开(公告)号：CN115271090A
公开(公告)日：2022-11-01
申请号：CN202210700253.4
申请日：2022-06-20
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于因果关系驱动的分层强化学习框架，包括：因果关系发现模块，用于获取智能体的强化学习环境中各环境变量之间的因果关系，并构建为因果关系图；子目标分层结构构造模块，用于根据该环境变量的变化函数，构建分层强化学习的子目标集合，选取该环境变量中的可控变量，通过该因果关系图从该子目标集合中选出与该可控变量关联的子目标为可达子目标，以所有该可达子目标的逻辑关系为该分层强化学习的分层关系。还提出一种基于因果关系驱动的分层强化学习方法，以及一种数据处理装置。
-
公开(公告)号：CN114429200A
公开(公告)日：2022-05-03
申请号：CN202111639628.2
申请日：2021-12-29
Applicant: 中国科学院计算技术研究所
IPC: G06N3/063 , G06F40/126
Abstract: 本发明提出一种规范化哈夫曼编码方法和神经网络计算芯片，包括：对该神经网络数据进行游程全零编码，得到游程压缩数据，其中该游程全零编码包括仅对该神经网络数据中的零字符进行游程编码；对该游程压缩数据进行哈夫曼编码，并自上而下地将编码结果中每一级节点中的叶子节点编码进行加1左移，以将该编码结果中每一级节点中的叶子节点移到树结构的左侧，生成该编码结果的规范哈夫曼编码，作为该神经网络数据的压缩结果。
-
Patent Agency Ranking
公开(公告)号：CN111857834A
公开(公告)日：2020-10-30
申请号：CN202010689150.3
申请日：2020-07-16
Applicant: 中国科学院计算技术研究所
Abstract: 本公开提供了一种分形计算智能处理器、分形计算智能处理方法，分形计算智能处理器包括：至少两个分形计算子单元，用于根据分形计算指令进行分形计算，其中，各个所述分形计算子单元的结构之间具备层次同性；所述分形计算子单元的数量根据执行的所述分形计算对应的程序设定；控制器，用于根据所述分形计算子单元的数量及硬件资源生成分形计算指令，并发送所述分形计算指令至所述分形计算子单元；存储器，用于存储所述分形计算所需数据及分形计算结果；规约运算器，用于根据规约运算指令对各个所述分形计算子单元的分形计算结果进行规约运算。本技术方案可实现串行编程、并行执行，从而解决通用领域并行编程难题。
-
公开(公告)号：CN107632965B
公开(公告)日：2019-11-29
申请号：CN201710967772.6
申请日：2017-10-17
Applicant: 中国科学院计算技术研究所
Abstract: 本公开提供一种可重构的S形运算装置和方法，其中装置包括：运算部分，用于完成运算，包含多个运算单元组，多个所述运算单元组呈X行Y列的阵列式分布，运算单元组间以S形方向和/或逆S形方向传递数据，其中X和Y分别为正整数。通过采用S形和逆S形在运算单元中完成数据的传递，从而能够有效加速神经网络运算的同时，降低了权值的反复读取和部分和反复存取所带来的访存功耗。
-
公开(公告)号：CN108052984B
公开(公告)日：2019-11-08
申请号：CN201711467274.1
申请日：2017-10-30
Applicant: 中国科学院计算技术研究所
Abstract: 本公开提供了一种计数方法，包括：对一FAST R‑CNN或YOLO深度神经网络进行训练；以及利用训练后的FAST R‑CNN或YOLO深度神经网络对待计数的图像中包含的计数目标物体进行计数。本公开还提供了一种计数装置。本公开计数方法及装置应用范围广，可针对任意计数对象进行计数，节省人力并且提供了更高的通用性。
-
公开(公告)号：CN105843775B
公开(公告)日：2018-12-04
申请号：CN201610210082.1
申请日：2016-04-06
Applicant: 中国科学院计算技术研究所
Abstract: 本发明适用于存储技术领域，一种片上数据划分读写方法，其特征在于，包括：数据划分步骤，根据数据划分策略将片上数据存储在不同区域，分别存储在片内存储介质和片外存储介质；预先操作步骤，在进行数据拼接时预先对片内存储数据的片内地址索引进行操作处理；数据拼接步骤，根据数据拼接策略将所述片内存储数据和片外输入数据拼接得到原始数据表示。同时还提供相应的片上数据划分读写系统及其装置。借此，本发明重复数据高效地进行读写，从而降低访存带宽需求，同时提供良好的灵活性，从而降低片上存储开销。
-
公开(公告)号：CN108510064A
公开(公告)日：2018-09-07
申请号：CN201810249506.4
申请日：2016-04-18
Applicant: 中国科学院计算技术研究所
Abstract: 本公开提供了一种包括多个核心处理模块的人工神经网络的处理系统及方法，其中，所述人工神经网络的处理系统，包括：多核心处理模块，其包括多个核心处理模块；其中，该多个核心处理模块共同复用输入神经元和/或权值。本公开包括多个核心处理模块的人工神经网络的处理系统及方法，其在神经网络处理系统中引入多核设计，从而提升神经网络处理系统的运算速度，使得神经网络处理系统性能更高，更加高效。
-
-
-
-
-
-
-
-
-
Search Results
81
records
(took 0.037 seconds)
