-
公开(公告)号：CN110516799A
公开(公告)日：2019-11-29
申请号：CN201910760143.5
申请日：2019-08-16
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本申请公开了一种数据处理系统、方法及介质，包括卷积运算模块，卷积运算模块包括第一寄存器组、第二寄存器组以及与第一寄存器组和第二寄存器组连接的运算器；第一寄存器组用于获取待处理数据中的本轮待卷积数据，将获取到的本轮待卷积数据传输至运算器，并且在运算器进行本轮卷积运算的过程中，如果待处理数据还未处理完毕，则获取待处理数据中的下一轮待卷积数据并传输至运算器；第二寄存器组用于获取卷积核数据，并将当前获取到的卷积核数据传输至运算器；运算器用于获取所述第一寄存器组传输的每轮待卷积数据，以及获取第二寄存器组传输的卷积核数据，并对获取到的每轮待卷积数据和卷积核数据分别进行卷积运算，以得到相应的卷积运算结果。
-
公开(公告)号：CN119886233A
公开(公告)日：2025-04-25
申请号：CN202510378417.X
申请日：2025-03-28
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06N3/0495 , G06N3/082 , G06N3/09
Abstract: 本申请公开了一种网络模型轻量化方法、装置、设备、介质及程序产品，涉及神经网络压缩技术领域，包括通过基于曲波变换特征相似度和结构相似度分析模型间通道相似性度量，将匹配通道合并，能够避免图像识别知识的损失；基于匹配的通道对生成融合矩阵，通过通道相似性度量进行模型融合，不依赖于具体的模型架构，因此可以适用于异构模型的融合，提高了网络模型轻量化的能力和效果。
-
公开(公告)号：CN119721153A
公开(公告)日：2025-03-28
申请号：CN202510245688.8
申请日：2025-03-04
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开了一种强化学习加速器、加速方法及电子设备，涉及加速器技术领域，包括：控制器将当前图像和历史图像特征分别写入对应输入缓存，将指令序列写入指令控制部件，指令控制部件接收指令序列并下发给参数分发部件，参数分发部件对指令序列进行解析后，将计算层访存参数、计算参数及启动指令分发到计算部件。计算部件在接收到启动指令后，依次读取输入缓存中的特征数据，访存参数和计算参数进行计算处理，使得计算部件能够根据不同的参数灵活地执行各类计算任务。整个加速器深度分析了强化学习模型的特点，能完整、高效、紧凑地支持该网络各层计算，提高该类模型的处理效率，避免交互时延，同时降低加速器的资源使用率。
-
公开(公告)号：CN119625746A
公开(公告)日：2025-03-14
申请号：CN202510162628.X
申请日：2025-02-14
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06V30/18 , G06V30/19 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明提供一种目标跟踪方法、装置、电子设备、程序产品和介质，涉及人工智能领域。在本方法中，首先可获取多目标跟踪中使用的检测序列向量、跟踪序列向量。检测序列向量记录有待跟踪对象的检测信息，用于检测待跟踪对象；跟踪序列向量记录有已跟踪对象的图像特征，用于继续追踪已跟踪对象。随后，可利用待跟踪对象的类别描述文本对检测序列向量进行增强，以及利用待跟踪对象的属性描述文本对跟踪序列向量进行增强，以向上述序列向量中融入文本语义特征。考虑到文本语义特征具备较强的高阶语义描述能力，且完全不受尺度变化、形变、光照变化等噪声影响，因此在对检测序列向量和跟踪序列向量进行文本语义增强后可提升其进行多目标跟踪的性能。
-
公开(公告)号：CN113706366B
公开(公告)日：2024-02-27
申请号：CN202110873716.2
申请日：2021-07-30
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06T1/20 , G06F9/30 , G06F9/38 , G06N3/0464 , G06N3/063
Abstract: 本申请提供一种图像特征数据的提取方法，包括：获取图像特征数据，并确定相应的并行通道数；将所述并行通道数作为所述图像特征数据的深度，增大所述图像特征数据的高度；利用FPGA的预设数量个RAM作为DDR的第一级缓存进行数据复用；在所述第一级缓存后端配置与卷积核相对应的寄存器，利用所述寄存器逐行输出所述图像特征数据。本申请能最大限度提高DDR的读写效率，实现流水线不间断数据输出，同时降低了DDR的数据读取压力，能满足后端高带宽卷积计算单元的输入需求。本申请还提供一种图像特征数据的提取系统、计算机可读存储介质和电子设备，具有上述有益效果。
-
Patent Agency Ranking
公开(公告)号：CN113726741B
公开(公告)日：2024-01-19
申请号：CN202110856493.9
申请日：2021-07-28
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本申请公开了一种加速卡数据下载方法，包括：CPLD从数据发送装置接收加密信息；基于本地的解密算法对所述加密信息进行解密，得到唯一识别码；判断所述唯一识别码与加速卡的存储器中的识别码是否相同；若是，则在所述加速卡与所述数据发送装置之间建立硬件物理连接，以便所述数据发送装置通过所述硬件物理连接将数据发送至所述加速卡，以提高FPGA中的程序的安全性，避免FPGA中程序的泄漏。本申请还公开了一种加速卡数据下载装置，服务器以及计算机可读存储介质，具有以上有益效果。
-
公开(公告)号：CN117115626A
公开(公告)日：2023-11-24
申请号：CN202310452166.6
申请日：2023-04-21
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06V20/00 , G06V10/26 , G06V10/44 , G06V10/74 , G06V10/764 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/084
Abstract: 本申请公开了一种协同显著性物体检测方法、系统、电子设备及存储介质，所属的技术领域为图像处理技术。所述协同显著性物体检测方法包括：对第一图像组和第二图像组中的图像进行图像块划分，得到和 利用T2T结构对 和进行降维处理并融合局部信息，得到和 在 和 中分别插入对应的类别图元，并利用Transformer结构对 和 进行特征融合操作、深度特征提取操作和全局信息融合操作；去除深层次融合特征中的类别图元，得到 和 利用相似度损失和第一交叉熵损失调整所述双分支协同显著性检测模型的模型参数；利用双分支协同显著性检测模型检测协同显著性物体。本申请能够提高对协同显著性物体的检测精度。
-
公开(公告)号：CN116681122A
公开(公告)日：2023-09-01
申请号：CN202310686783.2
申请日：2023-06-09
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06N3/082 , G06N3/096 , G06N3/0464 , G06V10/82
Abstract: 本申请公开了一种图像识别网络效率加速方法、装置、设备及介质，涉及神经网络轻量化与图像识别加速领域，包括：获取初始图像识别网络，并确定出与初始图像识别网络对应的初始卷积核权重；对初始图像识别网络分别进行随机输入通道剪枝操作和随机剪枝操作，以得到初始图像识别网络和图像识别网络之间的第一最大均值差异值的均值和第二最大均值差异值；确定出第二最大均值差异值和均值之间的大小关系，若第二最大均值差异值不大于均值，则构建第一优化函数，对第一优化函数进行求解，以得到卷积核权重改变量，基于卷积核权重改变量对初始卷积核权重进行更新，以便对图像识别网络效率进行加速。本申请能够实现结构化图像识别网络压缩与加速。
-
公开(公告)号：CN110516790B
公开(公告)日：2023-08-22
申请号：CN201910760810.X
申请日：2019-08-16
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06N3/0464 , G06N3/063 , G06N3/08
Abstract: 本发明公开了一种卷积网络加速方法、装置及系统，包括获取预先存储的固定长度指令集，固定长度指令集为预先基于待处理卷积网络的结构和参数信息建立的；固定长度指令集中包括多个固定长度赋值指令和固定长度操作指令，每个固定长度赋值指令和每个固定长度操作指令分别对应至少一个寄存器；依据与固定长度赋值指令对应的寄存器值对相应的固定长度操作指令的寄存器进行赋值，以便依据寄存器的寄存器值确定相应的指令参数；固定长度赋值指令对应的寄存器值为依据卷积网络的参数信息确定的；依据与固定长度操作指令对应的寄存器值获取相应的指令参数，并根据指令参数执行相应的操作；本发明节约内存、使用灵活性强、编译和映射的效率高、难度低。
-
公开(公告)号：CN116612408A
公开(公告)日：2023-08-18
申请号：CN202310453678.4
申请日：2023-04-20
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06V20/40 , G06V10/40 , G06V10/22 , G06V10/774
Abstract: 本申请在计算机视觉技术领域，具体公开了一种目标检测方法、装置、设备及可读存储介质，该方法包括：获取待检测的目标视频中各个原图像对应的深度图像；从原图像中提取外观特征，从深度图像中提取深度特征；利用深度特征中的目标深度信息，增强对应外观特征中的目标位置信息，得到深度信息引导特征；结合外观特征、深度特征和深度信息引导特征，确定目标检测结果。在本申请，通过深度信息来弥补伪装目标外观难以从背景中区分的问题，从而能精确地把视频中的伪装目标从背景里检测出来，可提高伪装目标检测的可靠性。
-
-
-
-
-
-
-
-
-
Search Results
78
records
(took 0.043 seconds)
