-
公开(公告)号：CN112650974B
公开(公告)日：2023-10-13
申请号：CN202011617770.2
申请日：2020-12-30
Applicant: 南京大学
Abstract: 本申请公开了一种高效的转置卷积计算方法，基于预设的转置卷积核的尺寸参数、转置卷积的步长和转换阶数确定转置卷积总体架构，对用于原特征图的提取的滑动窗口进行了设计，根据设计后的滑动窗口提取特征图子图，对所述特征图子图进行转换，转换转置卷积核，并进行计算，对中间子矩阵进行转换，进而获得转置卷积结果。本申请实现在不需要补零的操作下，对原特征图进行转置卷积运算，提高运算效率；提出转换阶数的设置，扩大适用范围，进一步降低计算复杂度。
-
公开(公告)号：CN116415641A
公开(公告)日：2023-07-11
申请号：CN202310411784.6
申请日：2023-04-17
Applicant: 南京大学
IPC: G06N3/063 , G06N3/0464 , G06F16/22 , G06F17/16
Abstract: 本申请提供了一种基于神经网络的点云数据的处理方法和系统，能够提升对点云数据的处理速度。该方法包括：获取神经网络的权重矩阵；根据权重矩阵的尺寸，确定索引矩阵的尺寸；根据待处理的点云数据中至少一个零值激活位点的位置，以及点云数据中至少一个非零激活位点的位置，确定索引矩阵的内容，索引矩阵包括的每一索引值用于表示点云数据中相应位置的位点的数值是否为零；根据至少一个非零激活位点的位置以及权重矩阵的尺寸，对至少一个非零激活位点重新排列，确定激活值矩阵；根据索引矩阵、激活值矩阵和权重矩阵确定至少一个配对组，每一配对包括非零激活位点和权重值；通过神经网络对至少一个配对组进行卷积运算，获取对点云数据的处理结果。
-
公开(公告)号：CN112650974A
公开(公告)日：2021-04-13
申请号：CN202011617770.2
申请日：2020-12-30
Applicant: 南京大学
Abstract: 本申请公开了一种高效的转置卷积计算方法，基于预设的转置卷积核的尺寸参数、转置卷积的步长和转换阶数确定转置卷积总体架构，对用于原特征图的提取的滑动窗口进行了设计，根据设计后的滑动窗口提取特征图子图，对所述特征图子图进行转换，转换转置卷积核，并进行计算，对中间子矩阵进行转换，进而获得转置卷积结果。本申请实现在不需要补零的操作下，对原特征图进行转置卷积运算，提高运算效率；提出转换阶数的设置，扩大适用范围，进一步降低计算复杂度。
-
公开(公告)号：CN113918876A
公开(公告)日：2022-01-11
申请号：CN202010802119.6
申请日：2020-08-11
Applicant: 南京大学
Abstract: 本申请公开了反卷积计算的方法、硬件加速器、设备及可读存储介质，该方法包括获取多个输入块，根据第一前置矩阵，对反卷积核中的数据进行变换，获取反卷积核矩阵，根据第二前置矩阵，分别对多个输入块中的数据进行变换，获取多个输入矩阵，然后分别将反卷积核矩阵与多个输入矩阵进行相乘，获取多个中间矩阵，将任一中间矩阵中所有层数据矩阵的数据按通道进行累加，获取多个累加矩阵。根据后置矩阵，分别对多个累加矩阵中的数据进行变换，获取多个输出块。将多个输出块依次排列成输出特征图，获取反卷积计算结果。上述计算过程中，未在原输入特征图中插入大量的零，有效提高了计算效率。
-
-
-
Search Results
4
records
(took 0.01 seconds)
