-
公开(公告)号：CN119398125B
公开(公告)日：2025-05-02
申请号：CN202411975373.0
申请日：2024-12-30
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请实施例提供了一种模型优化方法、装置、电子设备及存储介质，涉及机器学习技术领域。方法包括：获取优化前的深度学习模型包含的每一算子的算子规格；基于获取到的算子规格，从优化前的深度学习模型包含的各算子中，确定待部署模型的硬件平台中神经处理单元不支持的算子，作为超规格算子；按照每一超规格算子的算子规格，生成该超规格算子对应的优化算子；一个超规格算子对应的优化算子包含神经处理单元支持的公开算子以及扩展算子；将每一超规格算子替换为对应的优化算子，得到优化后的深度学习模型；硬件平台中中央处理器用于运行优化后的深度学习模型中的扩展算子。如此，能够保证深度学习模型在硬件平台上的正常运行。
-
公开(公告)号：CN119380122A
公开(公告)日：2025-01-28
申请号：CN202411975405.7
申请日：2024-12-30
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06V10/764 , G06V10/774
Abstract: 本申请实施例提供了基于图像串联模型的图像检测方法、装置、设备及介质，将样本图像输入图像串联模型进行检测，得到第一模型的输出结果及第二模型的检测结果，根据第一模型的输出结果计算第一模型的输出熵，基于第一模型的输出熵以及第二模型的检测结果更新第一模型的置信度阈值，基于更新后的图像串联模型进行图像检测。第一模型的置信度阈值是基于第一模型的输出熵以及第二模型的检测结果动态调整的，可以提高第一模型输出的稳定性，因为第二模型的输出结果受到第二模型的输出影响，提高了第一模型输出的稳定性，可以提高图像串联模型最终的检出效果。
-
公开(公告)号：CN117725968A
公开(公告)日：2024-03-19
申请号：CN202311827413.2
申请日：2023-12-27
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06N3/0495 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种模型压缩方法、计算机设备和存储介质，属于模型处理技术领域。本发明包括获取多组模型参数，模型参数包括卷积核大小和与通道数相关的参数，其中，与通道数相关的参数是在目标平台上运行时能令目标平台性能最优的目标测试模型对应的参数，可以认为，当待压缩模型的卷积核大小与模型参数中的与通道数相关的参数一致时，其与目标平台的适配性最好。基于此，根据待压缩模型的卷积核大小从多组模型参数中确定与待压缩模型的卷积核大小匹配的目标参数，该目标参数即待压缩模型期望的与通道数相关的参数。这样根据目标参数对待压缩模型的通道进行裁剪后得到的目标模型与目标平台的适配性可以达到最优。
-
公开(公告)号：CN116360712A
公开(公告)日：2023-06-30
申请号：CN202111633455.3
申请日：2021-12-28
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06F3/08
Abstract: 本申请公开了平台框架扩展方法、装置及存储介质，涉及人工智能技术领域，可以解决在将神经网络模型部署到芯片平台的场景中，部署困难的问题。其中，该方法首先获取神经网络模型；然后确定该神经网络模型中的非支持算子，非支持算子包括第一类算子和/或第二类算子，其中，第一类算子是指预定义的但目标平台不支持的算子，该第二类算子是指自定义的算子；再根据非支持算子的算法逻辑，生成与非支持算子对应且目标平台支持的逻辑代码；最后利用逻辑代码扩展目标平台的平台框架，以使目标平台支持所述逻辑代码对应的算子。
-
公开(公告)号：CN119378674B
公开(公告)日：2025-05-02
申请号：CN202411975379.8
申请日：2024-12-30
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请实施例提供了一种风险评估方法、装置、电子设备及存储介质，涉及计算机软件技术领域。方法包括：获取待评估的应用编排图；一个应用的应用编排图包含多个实体，以及该多个实体之间的实体连接关系；从预先构建的知识图谱中确定与待评估的应用编排图中每两个实体之间的实体连接关系相匹配的节点；每一节点的节点属性包含：该节点表示的实体连接关系所存在的风险的风险类型；两个节点之间的节点连接关系表示该两个节点表征的风险之间的关系；基于相匹配的节点的节点属性，以及相匹配的节点之间的节点连接关系，得到表示待评估的应用编排图所存在的整体风险的第一预测风险评估结果。如此，能够实现风险的精准预测，提高应用运行的稳定性。
-
Patent Agency Ranking
公开(公告)号：CN119398125A
公开(公告)日：2025-02-07
申请号：CN202411975373.0
申请日：2024-12-30
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请实施例提供了一种模型优化方法、装置、电子设备及存储介质，涉及机器学习技术领域。方法包括：获取优化前的深度学习模型包含的每一算子的算子规格；基于获取到的算子规格，从优化前的深度学习模型包含的各算子中，确定待部署模型的硬件平台中神经处理单元不支持的算子，作为超规格算子；按照每一超规格算子的算子规格，生成该超规格算子对应的优化算子；一个超规格算子对应的优化算子包含神经处理单元支持的公开算子以及扩展算子；将每一超规格算子替换为对应的优化算子，得到优化后的深度学习模型；硬件平台中中央处理器用于运行优化后的深度学习模型中的扩展算子。如此，能够保证深度学习模型在硬件平台上的正常运行。
-
公开(公告)号：CN113051080A
公开(公告)日：2021-06-29
申请号：CN202110437738.4
申请日：2021-04-22
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本发明实施例提供了一种计算图执行方法、装置及异构平台。其中，所述方法包括：获取目标计算图，其中，所述目标计算图中的计算节点被按照各计算节点对应的优选异构计算单元划分为多个子图，每个子图中包括的计算节点对应的优选异构计算单元相同，计算节点对应的优选异构计算单元为所述多个异构计算单元中执行该计算节点的运算时性能最优的异构计算单元；针对所述目标计算图中的每个子图，将该子图分配至该子图所包括的计算节点对应的优选异构计算单元进行运算，得到所述目标计算图的运算结果。可以提高计算图的执行效率。
-
公开(公告)号：CN112819153A
公开(公告)日：2021-05-18
申请号：CN202011622615.X
申请日：2020-12-31
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请实施例提供了一种模型转化方法及装置，涉及人工智能技术领域，包括：获得基于原始深度学习框架生成的原始网络模型；识别所述原始网络模型中的第一类算子；提取所述第一类算子的算法逻辑，根据所述算法逻辑生成目标平台支持的目标逻辑代码，并获得所述第一类算子的参数列表，其中，所述目标平台为：用于部署转化后原始网络模型的推理平台；按照所述原始网络模型的数据处理流向，依次对所述原始网络模型的各个算子进行转化，实现对所述原始网络模型的转化，在待转化的算子为第一类算子的情况下，按照目标框架所支持的参数格式对该算子的参数列表中的参数进行转化。应用上述方案可以提高模型转化效率。
-
公开(公告)号：CN119396387B
公开(公告)日：2025-04-01
申请号：CN202411974693.4
申请日：2024-12-30
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06F8/34
Abstract: 本申请实施例提供了一种应用生成方法、装置、电子设备及存储介质，涉及计算机软件技术领域。方法包括：获取待生成应用的初始应用编排图；结合预先记录的初始应用编排图中各实体的实体属性，得到初始应用编排图的编排图文本，作为待优化编排图文本；其中，一个编排图文本包含第一文本部分和第二文本部分；第一文本部分包含：该编排图文本表征的应用编排图中各实体的实体标识和实体属性；第二文本部分表示该编排图文本表征的应用编排图中实体之间的实体连接关系；利用预先训练的第一优化引擎对待优化编排图文本进行处理，得到已优化编排图文本；基于已优化编排图文本表征的应用编排图，生成应用。如此，能够降低对应用编排图进行优化的难度。
-
公开(公告)号：CN114879964A
公开(公告)日：2022-08-09
申请号：CN202210324919.0
申请日：2022-03-30
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06F8/41
Abstract: 本发明实施例提供了代码生成方法及装置，应用于数据处理技术领域。该方法包括：获取针对目标编程语言的模板代码；其中，目标编程语言为待生成代码所属的编程语言；对模板代码进行字符串识别，得到多个字符串以及每一字符串所属的字符串类别；基于多个字符串中每一字符串所属的字符串类别对应的转换策略，对模板代码中的各字符串进行代码转换，得到中间代码；调用目标解释器运行中间代码，以得到目标解释器输出的目标代码；其中，目标解释器为可执行中间代码所属编写语言的解释器。通过本方案，可以简化代码生成方案构建的复杂程度，提高代码生成的适用性。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.029 seconds)
