-
公开(公告)号：CN113726979A
公开(公告)日：2021-11-30
申请号：CN202110876887.0
申请日：2021-07-31
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本申请提供一种图片加密方法，包括：获取待加密图片，利用DNN分类模型对所述待加密图片进行前向计算；所述DNN分类模型包括输入层、隐含层和输出层，所述隐含层包含若干中间层；记录所述待加密图片经过每层时的元数据；将所述元数据作为所述待加密图片的加密数据。本申请实现加密过程可控制，且难以破解，且所得到的元数据可以根据信息量选择提取部分元数据作为加密数据，使得得到的加密数据远小于原始信息。本申请还提供一种图片解密方法、图片加密系统、计算机可读存储介质和电子设备，具有上述有益效果。
-
Patent Agency Ranking
公开(公告)号：CN111858032A
公开(公告)日：2020-10-30
申请号：CN202010590995.7
申请日：2020-06-24
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F9/50
Abstract: 本申请公开了一种AI模型任务的加速处理方法，包括：扫描出所有的FPGA设备，对每个FPGA设备执行POD构建操作，得到每个FPGA设备对应的POD单元；将所有POD单元构建为资源池，并对资源池建立请求接口；通过请求接口接收到AI模型任务请求；根据资源池的资源使用情况和负载均衡算法将AI模型任务请求发送至资源池中的目标POD单元；通过目标POD单元采用对应的FPGA设备对AI模型任务请求进行处理。通过实现接收到任务请求就进行处理，避免等待，降低了响应时间，提高了处理效率。本申请还公开了一种AI模型任务的加速处理装置、服务器以及计算机可读存储介质，具有以上有益效果。
-
公开(公告)号：CN113706647B
公开(公告)日：2024-02-13
申请号：CN202110873360.2
申请日：2021-07-30
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本申请公开了一种图像上色方法，包括：将原始图像输入分类模型进行处理，并获取所述处理的过程中每一层与BN层间的差值；根据损失函数对所有所述差值进行计算，得到总体损失值；通过反向传播算法根据所述总体损失值对所述原始图像进行反向求导，得到导数；采用优化算法根据所述导数对原始图像进行更新，得到上色图像，以便降低图像上色过程投入的人力成本，提高处理效率。本申请还公开了一种图像上色装置、服务器以及计算机可读存储介质，具有以上有益效果。
-
公开(公告)号：CN113706647A
公开(公告)日：2021-11-26
申请号：CN202110873360.2
申请日：2021-07-30
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本申请公开了一种图像上色方法，包括：将原始图像输入分类模型进行处理，并获取所述处理的过程中每一层与BN层间的差值；根据损失函数对所有所述差值进行计算，得到总体损失值；通过反向传播算法根据所述总体损失值对所述原始图像进行反向求导，得到导数；采用优化算法根据所述导数对原始图像进行更新，得到上色图像，以便降低图像上色过程投入的人力成本，提高处理效率。本申请还公开了一种图像上色装置、服务器以及计算机可读存储介质，具有以上有益效果。
-
公开(公告)号：CN111722923A
公开(公告)日：2020-09-29
申请号：CN202010479028.3
申请日：2020-05-29
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明实施例公开了一种异构资源的调用方法、装置和介质，根据当前主机配置的硬件资源，为异构资源集合中的各硬件设备设置训练样本比例。当检测到训练集对应的设备类型为异构资源集合时，调用预先设置的模型文件对异构资源集合中的各硬件设备分别构建各自独立的神经网络架构；按照训练样本比例，将训练集划分为多个训练子集；调用各硬件设备的神经网络架构对相应的训练子集进行训练，并将训练过程生成的数据存储至各硬件设备各自独立的存储空间。每个硬件设备有其独立的神经网络架构，每一层都可以调用多个硬件设备实现对多个训练子集的并行训练，有效的提升了资源利用率。各个设备独立存储，无需进行硬件设备间数据交互，节省了数据传输时间。
-
公开(公告)号：CN113726979B
公开(公告)日：2024-04-26
申请号：CN202110876887.0
申请日：2021-07-31
Applicant: 浪潮电子信息产业股份有限公司
IPC: H04N1/44 , G06N3/0464
Abstract: 本申请提供一种图片加密方法，包括：获取待加密图片，利用DNN分类模型对所述待加密图片进行前向计算；所述DNN分类模型包括输入层、隐含层和输出层，所述隐含层包含若干中间层；记录所述待加密图片经过每层时的元数据；将所述元数据作为所述待加密图片的加密数据。本申请实现加密过程可控制，且难以破解，且所得到的元数据可以根据信息量选择提取部分元数据作为加密数据，使得得到的加密数据远小于原始信息。本申请还提供一种图片解密方法、图片加密系统、计算机可读存储介质和电子设备，具有上述有益效果。
-
-
-
-
-
Search Results
6
records
(took 0.027 seconds)
