-
公开(公告)号：CN118354084A
公开(公告)日：2024-07-16
申请号：CN202310064103.3
申请日：2023-01-13
Applicant: 杭州海康威视数字技术股份有限公司
IPC: H04N19/169 , H04N19/423 , H04N19/44
Abstract: 本申请提供一种解码、编码方法、装置及其设备，该解码方法包括：从当前图像块对应的辅助码流中解码所述当前图像块对应的位宽信息；获取所述位宽信息对应的定点化权重，基于所述定点化权重获取解码网络；从当前图像块对应的主码流中解码所述当前图像块的目标特征，并基于所述解码网络对所述目标特征进行处理，得到所述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。
-
公开(公告)号：CN112329923B
公开(公告)日：2024-05-28
申请号：CN202011334592.2
申请日：2020-11-24
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06N3/0464 , G06N3/082
Abstract: 本申请提供一种模型压缩方法、装置、电子设备及可读存储介质，该模型压缩方法包括：将待压缩模型划分为多个优化单元，其中，一个优化单元包括所述待压缩模型中连续的多个卷积层；对于任一优化单元，对该优化单元中各卷积层的参数进行量化，得到量化后的优化单元；分别对所述量化后的优化单元中各卷积层的参数进行优化，以使第一距离小于第二距离。该方法可以在保证模型性能和模型压缩效果的情况下，减少模型压缩消耗的时间和计算、存储资源。
-
公开(公告)号：CN111753978B
公开(公告)日：2024-03-01
申请号：CN202010062755.X
申请日：2020-01-19
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请提供一种前向耗时的确定方法、装置及设备，该方法包括：将待测神经网络划分为多个操作节点；从所述多个操作节点中选取至少一个操作节点作为目标操作节点；针对每个目标操作节点，确定与所述目标操作节点对应的操作节点集合，所述操作节点集合包括所述目标操作节点和所述目标操作节点的关联操作节点，所述关联操作节点为所述多个操作节点中除所述目标操作节点之外的操作节点；根据所述操作节点集合的信息获取所述目标操作节点的耗时；根据每个目标操作节点的耗时确定所述待测神经网络的前向耗时。通过本申请的技术方案，能够有效预测待测神经网络的前向耗时。
-
公开(公告)号：CN116912662A
公开(公告)日：2023-10-20
申请号：CN202310897761.0
申请日：2023-07-20
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06V10/82 , G06N3/048 , G06N3/0495 , G06N3/084 , G06V10/776
Abstract: 本申请实施例提供了一种对象检测模型训练方法、装置、电子设备及存储介质，应用于信息技术领域。应用本申请的方法，可以对对象检测模型训练过程中的网络层权重、输入以及激活值梯度进行量化，从而达到加速对象检测模型训练的目的。本申请将第一激活值梯度按照输出通道方向切割得到第二激活值梯度并计算缩放系数，再通过缩放系数与第二激活值梯度对网络层的输入梯度与网络层的权重梯度进行等价计算，降低对象检测模型在反向传播过程中量化梯度所带来的误差，从而在加速对象检测模型训练的同时，提升对象检测模型的准确度，达到对象检测模型训练效率与训练效果的平衡。
-
公开(公告)号：CN111754544B
公开(公告)日：2023-09-05
申请号：CN201910251735.4
申请日：2019-03-29
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视频帧融合方法、装置、电子设备，方法包括：获取待融合视频中的第一视频帧和第二视频帧，第一视频帧为待融合的视频帧，第二视频帧与第一视频帧相差帧数不超过预设帧数；基于第一视频帧和第二视频帧，确定目标物体的移动速度；根据移动速度，以及预设的移动速度与融合帧数的对应关系，确定与第一视频帧进行融合的视频帧的融合帧数；确定与第一视频帧相邻的融合帧数个第三视频帧；对第一视频帧和融合帧数个第三视频帧进行视频帧融合，得到融合后的第一视频帧。相比于现有的采用统一的融合帧数进行视频帧融合的方法，提高了融合后视频帧中目标物体的显示效果，便于后续的目标检测或目标分析等过程。
-
Patent Agency Ranking
公开(公告)号：CN111783996B
公开(公告)日：2023-08-25
申请号：CN202010562081.X
申请日：2020-06-18
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请提供一种数据处理方法、装置及设备，该方法包括：从服务器获取初始基线模型和样本数据对应的第一特征分布信息；获取初始噪声数据，将初始噪声数据输入给初始基线模型，得到初始噪声数据对应的第二特征分布信息；基于第一特征分布信息和第二特征分布信息对初始噪声数据进行训练，得到目标噪声数据；基于目标噪声数据和终端设备的场景数据对初始基线模型进行优化，得到优化后的目标基线模型；在所述终端设备部署所述目标基线模型，以通过所述目标基线模型对所述终端设备的应用数据进行处理。通过本申请的技术方案，目标噪声数据能够反映样本数据的特性，从而基于样本数据的特性对初始基线模型进行优化，解决样本数据缺失的问题。
-
公开(公告)号：CN111753870B
公开(公告)日：2023-08-18
申请号：CN202010298486.7
申请日：2020-04-16
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06V10/774 , G06V10/80 , G06V10/82 , G06N3/08
Abstract: 本申请实施例提出了一种目标检测模型的训练方法、装置和存储介质，其中，上述方法包括：获取训练样本；将所述训练样本输入至预置目标检测模型进行训练，得到第一梯度；根据预置第一区间数对所述第一梯度进行不均匀划分，得到第一区间集合，并根据所述第一区间集合内的每个区间的样本数获得所述每个区间的第一梯度密度，其中，所述第一区间集合包括多个不均匀的区间；根据所述第一梯度密度对所述预置目标检测模型继续进行训练，得到训练后的目标检测模型。本申请通过对训练样本的梯度进行不均匀划分，可以有效解决训练样本不均衡问题，从而可以提高模型的检测性能。
-
公开(公告)号：CN110874636B
公开(公告)日：2023-06-30
申请号：CN201811027522.5
申请日：2018-09-04
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06N3/082 , G06N3/0464
Abstract: 本申请提供一种神经网络模型压缩方法、装置和计算机设备。本申请提供的神经网络模型压缩方法，包括：针对待压缩神经网络模型的每一个原始卷积层，将原始卷积层分解为级联的多个目标卷积层；获取原始卷积层对输入数据进行卷积处理后的第一卷积处理结果，以及级联的多个目标卷积层依序对输入数据进行卷积处理后的第二卷积处理结果；根据第一卷积处理结果和第二卷积处理结果，对级联的多个目标卷积层的权值矩阵进行修正处理，得到压缩后的神经网络模型。本申请提供的神经网络模型压缩方法、装置和计算机设备，通过对该级联的多个目标卷积层的权值矩阵进行修正处理，这样，可避免因模型压缩导致的性能损失。
-
公开(公告)号：CN115620272A
公开(公告)日：2023-01-17
申请号：CN202211284811.X
申请日：2022-10-20
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本发明公开了一种评估模型性能的方法、装置、计算机设备及可读存储介质。该评估模型性能的方法包括：获取由多个候选混合精度模型的比特配置，组成的候选比特配置集合，从候选比特配置集合中分离出候选比特配置子集，测试并记录候选比特配置子集中每个比特配置的量化性能；根据浮点模型的层数，将浮点模型划分为多个浮点优化单元,并确定候选比特配置集合中所有比特配置对应的混合精度模型相对多个浮点优化单元的输出损失；根据量化性能和输出损失，对多个候选的混合精度模型的性能进行预测评估。本发明解决了直接对量化所需的候选模型进行测试时导致的计算资源耗费大及效率低下的问题。
-
公开(公告)号：CN115618942A
公开(公告)日：2023-01-17
申请号：CN202211291646.0
申请日：2022-10-20
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本发明公开了一种浮点模型的多精度量化方法及装置，该量化方法包括：获取给定浮点模型各计算层中的原始量化精度，并获取预先设置的量化函数；将多个原始量化精度中的其中一个原始量化精度作为基础量化精度，根据量化函数将基础量化精度对应的量化缩放系数确定为基础量化缩放系数；在基础量化精度的基础上获得各个原始量化精度对应的实际量化缩放系数；利用量化函数根据基础量化缩放系数或实际量化缩放系数，对各个原始量化精度进行优化处理，并在优化处理的过程中，采用已经优化的原始量化精度的优化精度对下一个未优化的原始量化精度进行优化处理。本发明解决了不同精度的参数优化过程没有关联、过大的优化空间导致时间消耗大的问题。
-
-
-
-
-
-
-
-
-
Search Results
90
records
(took 0.044 seconds)
