-
公开(公告)号：CN113255730B
公开(公告)日：2023-04-07
申请号：CN202110462461.0
申请日：2021-04-27
Applicant: 西安交通大学
IPC: G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08 , G06N3/12
Abstract: 基于拆分‑融合策略的分布式深度神经网络结构转换方法，采集图片，组成数据集，并将数据集分为训练集和测试集，对训练集和测试集中的图片进行预处理；对网络模型进行通道拆分，扩充网络模型宽度，然后再添加融合层，得到改进后的网络模型；采用训练集中的图片对改进后的网络模型进行训练后，将预处理之后的测试集中的图片输入到训练后的网络模型中，得到图片分类结果。本发明针对分布式推理的场景对已有的用于图片分类任务的网络模型进行改进，转换之后的网络模型可以在资源受限的分布式系统中实现较快的推理速度，即可以在资源受限的分布式系统中执行图片分类任务，并较快地得到分类结果，并且图片具有更高的分类精度。
-
Patent Agency Ranking
公开(公告)号：CN112818360A
公开(公告)日：2021-05-18
申请号：CN202110064852.7
申请日：2021-01-18
Applicant: 西安交通大学
Abstract: 一种基于同态加密技术的深度神经网络加密推理方法，将传输到云端，云端将BN层合并到卷积层中，进行同态卷积运算，得到第一层卷积运算后的密文特征图，传输到客户端；客户端接收后，采用标记运算得到标记矩阵，传输到云端服务器，云端服务器接收到标记矩阵后，进行更新，得到第二层同态卷积层的输入特征图；进行第二层的同态卷积运算，得到第二层卷积运算后的密文特征图，传输到客户端；重复上述过程，直到得到所有卷积层运算后的密文特征图。本发明使用GPU对同态卷积运算过程加速，避免了数据的重复传输。本发明既可以减少密文的噪音增长，增大神经网络推理层数，而且密文计算开销也大大降低。
-
公开(公告)号：CN109730796B
公开(公告)日：2020-09-15
申请号：CN201910036921.6
申请日：2019-01-15
Applicant: 西安交通大学
Abstract: 一种全牙列咬合监测与智能分析辅助诊疗装置，包括用于采集患者牙齿咬合力数据的压力采集模块，用于接收压力传感器的信号的主体控制模块，控制压力数据的处理、存储及打包，用于将主体控制模块处理后的压力数据无线发送到接收端的无线收发模块，用于接收无线收发模块的数据的接收端，接收端对打包的数据进行解析，把解析后的数据传输给服务器，利用人工智能算法对接收到的咬合力数据进行处理的服务器，将未智能处理的原始数据和智能处理后的结果传输到接收终端上，用于接收服务器的数据信息的接收终端，供医生查看患者磨牙数据并提出治疗方案，能够对磨牙患者的咬合力信息进行实时、动态测量并进行智能分析处理，具有实时性强的特点。
-
公开(公告)号：CN109730796A
公开(公告)日：2019-05-10
申请号：CN201910036921.6
申请日：2019-01-15
Applicant: 西安交通大学
Abstract: 一种全牙列咬合监测与智能分析辅助诊疗装置，包括用于采集患者牙齿咬合力数据的压力采集模块，用于接收压力传感器的信号的主体控制模块，控制压力数据的处理、存储及打包，用于将主体控制模块处理后的压力数据无线发送到接收端的无线收发模块，用于接收无线收发模块的数据的接收端，接收端对打包的数据进行解析，把解析后的数据传输给服务器，利用人工智能算法对接收到的咬合力数据进行处理的服务器，将未智能处理的原始数据和智能处理后的结果传输到接收终端上，用于接收服务器的数据信息的接收终端，供医生查看患者磨牙数据并提出治疗方案，能够对磨牙患者的咬合力信息进行实时、动态测量并进行智能分析处理，具有实时性强的特点。
-
公开(公告)号：CN113255730A
公开(公告)日：2021-08-13
申请号：CN202110462461.0
申请日：2021-04-27
Applicant: 西安交通大学
Abstract: 基于拆分‑融合策略的分布式深度神经网络结构转换方法，采集图片，组成数据集，并将数据集分为训练集和测试集，对训练集和测试集中的图片进行预处理；对网络模型进行通道拆分，扩充网络模型宽度，然后再添加融合层，得到改进后的网络模型；采用训练集中的图片对改进后的网络模型进行训练后，将预处理之后的测试集中的图片输入到训练后的网络模型中，得到图片分类结果。本发明针对分布式推理的场景对已有的用于图片分类任务的网络模型进行改进，转换之后的网络模型可以在资源受限的分布式系统中实现较快的推理速度，即可以在资源受限的分布式系统中执行图片分类任务，并较快地得到分类结果，并且图片具有更高的分类精度。
-
公开(公告)号：CN112818360B
公开(公告)日：2023-03-28
申请号：CN202110064852.7
申请日：2021-01-18
Applicant: 西安交通大学
IPC: G06F21/60 , G06N3/0464 , G06N3/082 , G06N5/04
Abstract: 一种基于同态加密技术的深度神经网络加密推理方法，将传输到云端，云端将BN层合并到卷积层中，进行同态卷积运算，得到第一层卷积运算后的密文特征图，传输到客户端；客户端接收后，采用标记运算得到标记矩阵，传输到云端服务器，云端服务器接收到标记矩阵后，进行更新，得到第二层同态卷积层的输入特征图；进行第二层的同态卷积运算，得到第二层卷积运算后的密文特征图，传输到客户端；重复上述过程，直到得到所有卷积层运算后的密文特征图。本发明使用GPU对同态卷积运算过程加速，避免了数据的重复传输。本发明既可以减少密文的噪音增长，增大神经网络推理层数，而且密文计算开销也大大降低。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
