公开(公告)号：CN108389178A

公开(公告)日：2018-08-10

申请号：CN201810028242.X

申请日：2018-01-11

Applicant: 上海交通大学

Inventor： 王琴 ,  沈丰毅 ,  沈林耀 ,  景乃锋 ,  蒋剑飞 ,  绳伟光

IPC: G06T7/00 ,  G06N3/04

CPC classification number: G06T7/0012 ,  G06N3/0481 ,  G06T2207/10081 ,  G06T2207/20081 ,  G06T2207/30064

Abstract: 本发明提供了一种基于卷积神经网络的肺部CT预处理方法及系统，包括：将每一张原始的肺部CT图像以同样顺序和大小进行切片编号，得到多个图像块；将图像块分为有病结、无组织或腔壁、有血管或其他肺部组织以及有肺部腔壁，输入卷积神经网络中进行训练。本发明的图像切片分类处理能够降低系统复杂度，同时保证肺结节特征的完整性，能够很好的用于卷积神经网络的训练，有很高的敏感性和较低的误诊率，使卷积神经网络能够在应用中快速的实现肺结节的识别和定位。

公开(公告)号：CN113052307B

公开(公告)日：2022-09-06

申请号：CN202110281982.6

申请日：2021-03-16

Applicant: 上海交通大学

Inventor： 王琴 ,  沈林耀 ,  景乃锋 ,  绳伟光 ,  蒋剑飞 ,  毛志刚

IPC: G06N3/063 ,  G06N3/08

Abstract: 本发明提供了一种面向忆阻器加速器的神经网络模型压缩方法及系统，涉及基于忆阻器的神经网络加速器技术领域，该方法包括：步骤1：通过阵列感知的规则化增量剪枝算法，裁剪原始网络模型获得忆阻器阵列友好的规则化稀疏模型；步骤2：通过二的幂次量化算法，降低ADC精度需求和忆阻器阵列中低阻值器件个数以总体降低系统功耗。本发明能够解决原始模型映射到忆阻器加速器上时硬件资源消耗过大的问题以及ADC单元和计算阵列功耗过高的问题。

公开(公告)号：CN113052307A

公开(公告)日：2021-06-29

申请号：CN202110281982.6

申请日：2021-03-16

Applicant: 上海交通大学

Inventor： 王琴 ,  沈林耀 ,  景乃锋 ,  绳伟光 ,  蒋剑飞 ,  毛志刚

IPC: G06N3/063 ,  G06N3/08

Abstract: 本发明提供了一种面向忆阻器加速器的神经网络模型压缩方法及系统，涉及基于忆阻器的神经网络加速器技术领域，该方法包括：步骤1：通过阵列感知的规则化增量剪枝算法，裁剪原始网络模型获得忆阻器阵列友好的规则化稀疏模型；步骤2：通过二的幂次量化算法，降低ADC精度需求和忆阻器阵列中低阻值器件个数以总体降低系统功耗。本发明能够解决原始模型映射到忆阻器加速器上时硬件资源消耗过大的问题以及ADC单元和计算阵列功耗过高的问题。