公开(公告)号：CN118070852A

公开(公告)日：2024-05-24

申请号：CN202211467120.3

申请日：2022-11-22

Applicant: 杭州海康威视数字技术股份有限公司

Inventor： 陈良 ,  苏丽雪 ,  林秀

IPC: G06N3/0464 ,  G06N3/08 ,  G06V20/62

Abstract: 本发明实施例提供了一种图像处理方法、装置、电子设备及存储介质，所述方法包括：获取待处理图像，待处理图像为需要进行目标处理的图像，目标处理包括对特征图进行非0填充后进行卷积运算；将所述待处理图像输入预设卷积神经网络进行处理，得到图像处理结果，预设卷积神经网络为预先将原始卷积神经网络中的第一子结构替换为第二子结构得到的，第一子结构将特征图输入非0填充节点后的输出结果输入卷积层，第二子结构的计算结果与所述第一子结构，且不将特征图输入非0填充节点后的输出结果输入卷积层。由于卷积层的输入不包括非0填充节点，因此硬核可以执行填充值非0的卷积计算操作，提高了图像处理的效率。

公开(公告)号：CN113704687B

公开(公告)日：2024-04-05

申请号：CN202010437327.0

申请日：2020-05-21

Applicant: 杭州海康威视数字技术股份有限公司

Inventor： 林秀 ,  陈良 ,  叶挺群

IPC: G06F17/16

Abstract: 本发明实施例提供了一种张量计算运行方法、装置及运算系统。其中，所述方法包括：生成多个计算指令，所述计算指令用于表示张量计算方式；针对每个所述计算指令，将所述多个设备端中一个设备端确定为该计算指令对应的设备端；针对每个计算指令，以该计算指令所对应的设备端的预设运行环境能够解析的封装方式，封装所述计算指令，得到该设备端对应的任务信息；针对每个所述任务信息，向该任务信息所对应的设备端发送该任务信息，以使得所述多个设备端按照所述多个计算指令所表示的张量计算方式并行地进行张量计算。可以通过并行计算的方式充分利用大规模运算的优势，加速张量计算，能够有效提高张量计算的效率。

公开(公告)号：CN113704687A

公开(公告)日：2021-11-26

申请号：CN202010437327.0

申请日：2020-05-21

Applicant: 杭州海康威视数字技术股份有限公司

Inventor： 林秀 ,  陈良 ,  叶挺群

IPC: G06F17/16

Abstract: 本发明实施例提供了一种张量计算运行方法、装置及运算系统。其中，所述方法包括：生成多个计算指令，所述计算指令用于表示张量计算方式；针对每个所述计算指令，将所述多个设备端中一个设备端确定为该计算指令对应的设备端；针对每个计算指令，以该计算指令所对应的设备端的预设运行环境能够解析的封装方式，封装所述计算指令，得到该设备端对应的任务信息；针对每个所述任务信息，向该任务信息所对应的设备端发送该任务信息，以使得所述多个设备端按照所述多个计算指令所表示的张量计算方式并行地进行张量计算。可以通过并行计算的方式充分利用大规模运算的优势，加速张量计算，能够有效提高张量计算的效率。

公开(公告)号：CN117540773A

公开(公告)日：2024-02-09

申请号：CN202210892346.1

申请日：2022-07-27

Applicant: 杭州海康威视数字技术股份有限公司

Inventor： 林秀 ,  陈良 ,  叶挺群

IPC: G06N3/0464 ,  G06N3/082 ,  G06V10/82 ,  G06V10/774 ,  G06V10/94

Abstract: 本申请提供一种任务处理方法、装置、电子设备及图像处理系统，该方法包括：获取目标卷积神经网络的拓扑结构；所述拓扑结构包括计算层的类型，以及，计算层之间的连接关系；依据所述目标卷积神经网络中各计算层的类型，以及，计算层之间的连接关系，对所述目标卷积神经网络的计算层的输出类型进行设置，并在第二类型计算层与其输出直连的第一类型计算层之间添加类型转换节点；在所述目标卷积神经网络训练完成的情况下，利用训练好的目标卷积神经网络进行任务处理。该方法可以提高利用卷积神经网络进行任务处理的处理效率。