基于神经网络推理的内存分配优化方法及系统

    公开(公告)号:CN119668861A

    公开(公告)日:2025-03-21

    申请号:CN202411751216.1

    申请日:2024-12-02

    Abstract: 本发明涉及一种基于神经网络推理的内存分配优化方法及系统,方法包括:遍历神经网络的所有节点,记录各个节点的输入及输出,并确定要分配的内存空间;根据各节点的输入和输出之间的连接复用关系构建内存分配序列列表;根据内存分配序列列表为各个节点分配内存空间,并对已分配的内存空间基于最小移动原则进行地址重排以优化内存分配,具体包括:在为节点分配内存时,扫描空闲空间列表,当找到满足分配需求且大小最接近的空闲空间时直接分配;当没有找到满足分配需求的空闲空间时,从大小最接近的空闲空间开始分配内存,对生命周期存在交叠的节点进行地址重排,并对后面的空闲空间进行压缩。本发明减少了内存碎片的产生,提高了内存复用效率。

    一种视频去噪装置
    2.
    发明公开

    公开(公告)号:CN115861128A

    公开(公告)日:2023-03-28

    申请号:CN202211719412.1

    申请日:2022-12-30

    Abstract: 本发明提供一种视频去噪装置,包括噪声强度估计模块、去噪网络结构、无监督训练模块和参数调节模块,噪声强度估计模块采集多帧带噪视频和原始图像数据,并得到带噪视频图像对应的噪声强度;无监督训练模块提供训练损失函数;去噪网络结构对噪声强度经过空域变换和时域合成解耦生成多帧噪声强度图,同时根据训练损失函数对去噪网络结构进行训练;参数调节模块用于控制去噪网络结构的时域合成力度,能够在只拥有真实带噪视频没有不带噪源视频的情况下训练视频去噪模型,并且方便部署到嵌入式设备上,支持用户灵活调节参数;噪声估计模块的噪声估计和无监督学习模块的无监督学习均真实带噪视频展开的,其实用性更强。

    车牌识别方法、系统、摄像头及可读存储介质

    公开(公告)号:CN117593735A

    公开(公告)日:2024-02-23

    申请号:CN202311698348.8

    申请日:2023-12-11

    Abstract: 本发明涉及车牌识别技术领域,尤其涉及一种车牌识别方法、系统、摄像头及可读存储介质,方法包括:获取车牌角点坐标和外接矩形框信息;截取车牌图像数据;将车牌图像数据输入分类模型,得到清晰车牌或模糊车牌的分类结果,并对模糊车牌进行图像增强和角点坐标更新;基于车牌图像数据、车牌角点坐标以及目标车牌图像的尺寸信息得到目标车牌图像数据;将目标车牌图像数据输入车牌识别模型,得到初始识别结果;进行后处理,得到当前帧的车牌识别结果及置信度;根据各个车牌的外接矩形框信息建立车辆跟踪信息,基于车辆跟踪信息更新各个车牌的车牌识别结果及置信度。本发明极大地增加了车牌识别结果的鲁棒性,提升了复杂场景下的车牌识别准确率。

    人脸关键点检测的方法、人脸检测方法及装置

    公开(公告)号:CN116206350A

    公开(公告)日:2023-06-02

    申请号:CN202211740323.5

    申请日:2022-12-30

    Abstract: 本发明提供了一种人脸关键点检测的方法、人脸检测方法及装置,先根据训练图像的图像信息、头部姿态角度及人脸关键点的位置坐标训练得到人脸关键点预测模型,再通过所述人脸关键点预测模型预测得到待测图像中人脸关键点的位置坐标,从而判断所述待测图像中是否包含真人。本发明通过建立所述人脸关键点预测模型,获取了高精准度的人脸关键点的位置坐标,减少了人脸检测的误检风险,降低了检测成本。进一步的,本发明通过数据增广后的训练图像对所述人脸关键点预测模型进行训练,以使所述人脸关键点预测模型可以在人脸信息部分缺失或人脸头部姿态角度较大的情况下预测出准确的人脸关键点的位置坐标,从而提高了人脸检测的准确度。

    一种目标检测方法和目标检测系统

    公开(公告)号:CN111488839B

    公开(公告)日:2023-05-12

    申请号:CN202010291552.8

    申请日:2020-04-14

    Abstract: 本发明公开了一种检测方法,主要包括获取所述图像的灰度图像;对所述灰度图像进行多尺度缩放,计算对应的24通道特征,并通过组合分类器模板进行滑动窗口检测,以检测出预定目标在所述灰度图像中的位置信息;对所述灰度图像进行处理以使所述图像中显示出所有所述预定目标的位置。同时提供了一种目标检测系统,包括依次设置的图像采样模块、特征提取模块、滑动窗口检测模块和结果输出模块。通过对缩放后的图像计算24通道特征,以极小的计算代价提高了人工特征的表达能力,提高了计算速度;通过组合分类器模板逐模板滑动窗口检测,在减小了内存的同时无精度损失。解决了现有方法计算代价大、内存占用多和检测准确度低的问题。

    图像处理方法及装置
    7.
    发明授权

    公开(公告)号:CN110290370B

    公开(公告)日:2020-09-18

    申请号:CN201910604870.2

    申请日:2019-07-05

    Abstract: 本发明提供了一种图像处理方法及装置,所述方法包括:接收RCCB格式的图像数据;对所述RCCB格式的图像数据进行内插处理,以计算出所述RCCB格式图像数据中每个像素点的R通道值、C通道值和B通道值;根据每个像素点的R通道值、C通道值和B通道值,计算出每个像素点对应的亮度衰减因子;基于每个像素点的R通道值、C通道值、B通道值以及亮度衰减因子,计算出每个像素点的G通道值;根据每个像素点的R通道值、C通道值、B通道值以及G通道值,计算出每个像素点的Y通道值、U通道值以及V通道值,并输出YUV格式的图像数据。本发明提供的图像处理方法可以避免高光区域发生偏色,确保了最终成像的质量。

    AI编译器模型编译多级性能评估方法及系统

    公开(公告)号:CN119718330A

    公开(公告)日:2025-03-28

    申请号:CN202411799494.4

    申请日:2024-12-09

    Abstract: 本发明涉及一种AI编译器模型编译多级性能评估方法及系统,方法包括:利用AI编译器为每个算子生成若干候选解,每个候选解具有不同的中间表达;对所有候选解对应的中间表达进行时间评估,挑选出其中最优的M个候选解,其中,M为正整数;将M个候选解对应的中间表达进行编译生成对应的汇编指令并进行时间评估,挑选出其中最优的N个候选解,其中,N为正整数且小于M;将N个候选解编译生成二进制指令并导入芯片进行实测,根据实测结果获取最优的运行时间及对应的运行指令。通过逐级挑选的部分最优解传给下一级进行更精确评估,相比于现有时间评估方法,准确度更高,不仅能大幅减少了编译时间,还能有效解决多后端实现的选择问题。

    一种轻量化多任务人脸属性训练方法

    公开(公告)号:CN116311418A

    公开(公告)日:2023-06-23

    申请号:CN202211729604.0

    申请日:2022-12-30

    Abstract: 本发明提供了一种轻量化多任务人脸属性训练方法,该方法包括:获取人脸属性数据集,并对所述人脸属性数据集进行预处理;建立人脸属性识别主干网络,并通过所述人脸属性识别主干网络对预处理后的人脸属性数据集进行处理,以提取各个人脸属性特征;根据各个所述人脸属性特征建立对应的人脸属性分支模型和对应的loss函数;训练各人脸属性分支模型,并根据各loss函数输出结果监控各人脸属性分支模型的学习情况。本发明能够充分运用开源数据集,无需复杂模型和大量的标注工作即可快速获取较为准确的人脸属性识别结果。

    挥手检测方法及装置
    10.
    发明公开

    公开(公告)号:CN116189290A

    公开(公告)日:2023-05-30

    申请号:CN202211735182.8

    申请日:2022-12-30

    Abstract: 本发明提供了一种挥手检测方法及装置,对包含连续多帧待测图像的实时视频序列进行逐帧处理,用人形检测框将所述待测图像中的若干个人像分别框选出来;将前后帧待测图像中的人形检测框进行匹配,使前后帧待测图像中用于表示相同人像的人形检测框相互对应;获取所述人形检测框中的多个人体关键点,所述人体关键点用于表征人像的姿态;以及,在连续的设定帧数内的所述待测图像中,根据所选取的人形检测框中人体关键点的位置变化情况判断相应的人像是否存在挥手运动。本发明通过将同一人像在连续多帧待测图像中对应的多个人形检测框对应起来,实现了实时视频序列中持续性地多人挥手检测,提高了检测灵敏度,同时降低了误检率。

Patent Agency Ranking