公开(公告)号：CN114169489A

公开(公告)日：2022-03-11

申请号：CN202010845319.X

申请日：2020-08-20

Applicant: 华为技术有限公司 ,  南京邮电大学

Inventor： 程捷 ,  周全 ,  杨文斌 ,  蒋磊 ,  郭青海 ,  李圣华 ,  王杰

IPC: G06N3/04 ,  G06K9/62 ,  G06F17/15 ,  G06N3/063 ,  G06F30/27

Abstract: 一种神经网络计算芯片的权重调整方法及装置，在该方法中，考虑到由于神经网络计算芯片中的噪声而导致权重写入不准的情况，提出了根据损失函数的损失值更新权重的方式，可以减小写入到神经网络计算芯片的权重与实际值的差值，使得神经网络计算芯片的输出结果更接近真实值，可以提高神经网络计算芯片的计算精度。

公开(公告)号：CN111626300A

公开(公告)日：2020-09-04

申请号：CN202010375529.7

申请日：2020-05-07

Applicant: 南京邮电大学

Inventor： 周全 ,  李圣华 ,  刘嘉 ,  王杰 ,  强勇 ,  樊亚文 ,  吴晓富

IPC: G06K9/34 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请公开了一种基于上下文感知的图像语义分割模型，包括：编码骨干网、解码器；编码骨干网和解码器之间连接有稠密注意力上下文网络；稠密注意力上下文网络包括分级细化残差模块、联合通道注意力模块、堆叠模块和注意力增强的空间金字塔模块。本申请还公开了上述模型的建模方法。本申请的图像语义分割模型中的稠密注意力上下文网络采用分级细化残差模块HRRB、联合通道注意力模块JCA和注意力增强的空间金字塔模块APSM的结合充分提取并融合来自不同骨干层的信息，得到高分辨率的特征图，为后续的解码端提供感受野丰富的信息，增强图像语义分割的精度。

公开(公告)号：CN111091130A

公开(公告)日：2020-05-01

申请号：CN201911280783.2

申请日：2019-12-13

Applicant: 南京邮电大学

Inventor： 周全 ,  刘嘉 ,  王杰 ,  李圣华 ,  强勇

IPC: G06K9/34 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于轻量级卷积神经网络的实时图像语义分割方法及系统，所述系统包括下采样单元、上采样单元和极致高效残差模块；下采样单元降低分辨率和改变通道数；上采样单元提升分辨率，并且改变通道数；极致高效残差模块由1D分解卷积、高效的深度可分离卷积和具有不同扩张率的扩张卷积构成，用于提取特征。本发明的整体网络架构是一种高效非对称多分支的编解码结构，没有使用额外的后处理策略和预训练模型，与目前最先进的轻量级网络模型相比，本发明提出的网络架构及分割方法实现了分割精度和实施效率之间的最佳平衡，成为解决实时图像语义分割任务的一种有效方法。

公开(公告)号：CN111626300B

公开(公告)日：2022-08-26

申请号：CN202010375529.7

申请日：2020-05-07

Applicant: 南京邮电大学

Inventor： 周全 ,  李圣华 ,  刘嘉 ,  王杰 ,  强勇 ,  樊亚文 ,  吴晓富

IPC: G06V10/26 ,  G06V10/75 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请公开了一种基于上下文感知的图像语义分割模型，包括：编码骨干网、解码器；编码骨干网和解码器之间连接有稠密注意力上下文网络；稠密注意力上下文网络包括分级细化残差模块、联合通道注意力模块、堆叠模块和注意力增强的空间金字塔模块。本申请还公开了上述模型的建模方法。本申请的图像语义分割模型中的稠密注意力上下文网络采用分级细化残差模块HRRB、联合通道注意力模块JCA和注意力增强的空间金字塔模块APSM的结合充分提取并融合来自不同骨干层的信息，得到高分辨率的特征图，为后续的解码端提供感受野丰富的信息，增强图像语义分割的精度。