-
公开(公告)号：CN110852359B
公开(公告)日：2023-05-26
申请号：CN201911035972.3
申请日：2019-10-29
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于深度学习的家谱识别方法及系统，本发明面向家谱数字化领域，基于深度学习的方法，设计了一种目标位置检测与目标分类两个深度学习任务分离的家谱数据快速数字化方案，首先通过分别训练目标位置检测和目标分类两个卷积神经网络，以此判断出家谱中汉字的位置与内容，最后通过正则表达式分析出家谱中人物关系来绘制出数字化的家谱。基于此深度学习的家谱识别方案不仅减免了大量人力识别，同时保证数据数字化结果的准确度。
-
公开(公告)号：CN109471636B
公开(公告)日：2020-07-14
申请号：CN201811076548.9
申请日：2018-09-14
Applicant: 上海交通大学
IPC: G06F8/41
Abstract: 本发明提供了一种粗粒度可重构体系结构的算子映射方法及系统，包括：数据流图生成步骤、最小循环启动间隔计算步骤、算子调度步骤、调度判断步骤、阵列图构建步骤、排序步骤、前向映射步骤、当前映射判断步骤、反向回溯步骤、所有映射判断步骤和配置生成步骤。本发明能在较短的编译时间内达到较好的映射性能，获得较高的加速比，且具有较小的面积和能耗开销。对排好序的算子节点依次进行前向映射，当前向映射失败时，采用反向回溯的方式进入一条新的映射路径，尽可能在不降低性能的前提下找到成功的映射方案。
-
公开(公告)号：CN110852359A
公开(公告)日：2020-02-28
申请号：CN201911035972.3
申请日：2019-10-29
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于深度学习的家谱识别方法及系统，本发明面向家谱数字化领域，基于深度学习的方法，设计了一种目标位置检测与目标分类两个深度学习任务分离的家谱数据快速数字化方案，首先通过分别训练目标位置检测和目标分类两个卷积神经网络，以此判断出家谱中汉字的位置与内容，最后通过正则表达式分析出家谱中人物关系来绘制出数字化的家谱。基于此深度学习的家谱识别方案不仅减免了大量人力识别，同时保证数据数字化结果的准确度。
-
公开(公告)号：CN109471636A
公开(公告)日：2019-03-15
申请号：CN201811076548.9
申请日：2018-09-14
Applicant: 上海交通大学
IPC: G06F8/41
Abstract: 本发明提供了一种粗粒度可重构体系结构的算子映射方法及系统，包括：数据流图生成步骤、最小循环启动间隔计算步骤、算子调度步骤、调度判断步骤、阵列图构建步骤、排序步骤、前向映射步骤、当前映射判断步骤、反向回溯步骤、所有映射判断步骤和配置生成步骤。本发明能在较短的编译时间内达到较好的映射性能，获得较高的加速比，且具有较小的面积和能耗开销。对排好序的算子节点依次进行前向映射，当前向映射失败时，采用反向回溯的方式进入一条新的映射路径，尽可能在不降低性能的前提下找到成功的映射方案。
-
-
-
Search Results
4
records
(took 0.014 seconds)
