-
公开(公告)号：CN117689864A
公开(公告)日：2024-03-12
申请号：CN202211024965.5
申请日：2022-08-25
Applicant: 中国科学院计算技术研究所
IPC: G06V10/25 , G06V10/80 , G06V10/82 , G06N3/0499
Abstract: 本发明提出一种硬件感知的高效特征融合网络搜索方法和系统，包括：构建包括融合特征搜索单元、融合路径搜索单元和融合模式搜索单元的特征融合网络；特征融合网络从图片的多尺度特征中搜索得到各尺度下的最优特征；对各尺度下的最优特征的通道进行分组，融合路径搜索单元从各分组中搜索得到候选特征，构建多个由两个候选特征构成的候选特征对；根据候选特征对，融合模式搜索单元从包括多个候选融合操作的操作集中搜索得到融合策略，并以融合策略对候选特征对进行特征融合，得到每个候选特征对的融合特征；基于融合特征确定图片中检测目标的预测位置类别。把在目标硬件上特征融合网络的硬件开销作为搜索目标；在目标硬件上能实现精度和计算开销的良好权衡。
-
公开(公告)号：CN117532610A
公开(公告)日：2024-02-09
申请号：CN202311666755.0
申请日：2023-12-06
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种机械臂控制方法及装置，该方法包含：构建机械臂控制的模拟环境，获取环境状态信息，所述环境状态信息包含机械臂的位姿与速度，以及待操作物体位置；以所述环境状态信息作为输入信息，输入至符号网络中，所述符号网络的输出为机械臂动作值，包含机械臂的关节速度；从所述符号网络中选择合适的路径生成符号策略；依据所述符号策略部署机械臂的控制任务。该方法能够提高符号策略学习的效率，从而使用更少的交互数据学习到机械臂控制，提高了机械臂控制的精度。
-
公开(公告)号：CN114697654B
公开(公告)日：2023-06-30
申请号：CN202011607739.0
申请日：2020-12-30
Applicant: 中国科学院计算技术研究所
IPC: H04N19/122 , H04N19/124 , H04N19/13 , H04N19/42 , G06N3/082
Abstract: 本发明提出一种神经网络量化压缩方法，包括：获取经过量化处理后待压缩的神经网络数据，对该神经网络数据进行游程全零编码，得到游程压缩数据，其中该游程全零编码包括仅对该神经网络数据中的零字符进行游程编码；对该游程压缩数据进行规范化哈夫曼编码，并对编码结果进行重整，得到规范哈夫曼编码，作为该神经网络数据的压缩结果。本发明针对量化后神经网络数据具有稀疏性的特点，本发明对游程编码进行了改进提出了游程全零编码，可以更高效的无损压缩神经网络数据；对哈夫曼树自上而下地进行重整，省去存储完整的哈夫曼树结构，显著降低了查表操作的复杂程度。
-
公开(公告)号：CN114697672B
公开(公告)日：2023-06-27
申请号：CN202011607727.8
申请日：2020-12-30
Applicant: 中国科学院计算技术研究所
IPC: H04N19/42 , H04N19/13 , H04N19/124 , H04N19/122 , G06N3/08
Abstract: 本发明提出一种游程全零编码的神经网络量化压缩方法和系统，包括：对神经网络数据中的零数据进行游程编码，得到第一中间数据；将第一中间数据的游程为3的编码片段替换为ZeroLiteral字符，得到第二中间数据；判断第二中间数据中与ZeroLiteral字符相同的字符是否为神经网络数据中的原字符，若是，则将第二中间数据中与ZeroLiteral字符相同的字符替换为ZeroExtra字符，同时在其后增加表示其为原字符的标志位，否则将第二中间数据中与ZeroLiteral字符相同的字符替换为ZeroExtra字符，同时在其后增加表示其为替换字符的标志位。本发明提出了游程全零编码，可以高效的无损压缩神经网络数据且游程全零编码包括二阶字符替换，减少了数据中0出现的数量，为后续哈夫曼编码留出了更多的压缩空间。
-
公开(公告)号：CN114697655B
公开(公告)日：2023-04-11
申请号：CN202011611154.6
申请日：2020-12-30
Applicant: 中国科学院计算技术研究所
IPC: H04N19/122 , H04N19/124 , H04N19/13 , H04N19/42 , G06N3/082
Abstract: 本发明提出一种基于均衡流间压缩速度的神经网络量化压缩方法，包括：步骤1、获取经过量化处理后待压缩的神经网络数据，对神经网络数据进行分块，得到多个数据块；步骤2、对每一个数据块分配一个数据流进行压缩，每条数据流的压缩包括：对数据块进行游程全零编码，得到游程压缩数据，其中游程全零编码仅对神经网络数据中的零字符进行游程编码，对游程压缩数据进行规范化哈夫曼编码，并对编码结果进行重整，得到规范哈夫曼编码，作为数据块的压缩结果；步骤2包括：步骤21、监测各数据流已经压缩编码的数据量，向当前编码速度快的数据流的输出缓存写入虚字符对应的虚编码。均衡流间压缩速度，缩小流水线之间的编码差距，进而避免产生死锁。
-
Patent Agency Ranking
公开(公告)号：CN115422533A
公开(公告)日：2022-12-02
申请号：CN202210940151.X
申请日：2022-08-05
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于帧间相似性的对抗补丁检测定位方法，包括：提取关键视频帧的浅层特征图，通过滑窗方式从该浅层特征图中选取多个候选窗口，当任一候选窗口中LISF的个数超过筛选阈值时，以该候选窗口为重要窗口；以每个该重要窗口为掩膜遮挡该视频帧，并执行图像检测，得到对应每个该重要窗口的掩膜检测结果；对所有该掩膜检测结果执行垄断者投票，判断该对抗补丁在该关键视频帧中的位置；根据帧间相似性消除该对抗补丁对该关键视频帧的相邻视频帧的干扰。本发明还提出一种基于帧间相似性的对抗补丁检测定位系统，以及一种用于对抗补丁检测定位的数据处理装置。
-
公开(公告)号：CN115422532A
公开(公告)日：2022-12-02
申请号：CN202210940143.5
申请日：2022-08-05
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于局部浅层重要神经元的对抗补丁检测定位方法，包括：获取视频帧的浅层特征图，从该浅层特征图中选取多个候选窗口，当任一候选窗口中LISF的个数超过筛选阈值时，以该候选窗口为重要窗口；以每个该重要窗口为掩膜遮挡该视频帧，并执行图像检测，得到对应每个该重要窗口的掩膜检测结果；对所有该掩膜检测结果执行垄断者投票，若存在某一掩膜检测结果与其他掩膜检测结果相异，且其他掩膜检测结果均相同，则该视频帧存在对抗补丁，该掩膜检测结果对应的重要窗口为该对抗补丁所在位置，反之则该视频帧为正常图像。本发明还提出一种基于局部重要浅层神经元的对抗补丁检测定位系统，以及一种用于对抗补丁检测定位的数据处理装置。
-
公开(公告)号：CN114697654A
公开(公告)日：2022-07-01
申请号：CN202011607739.0
申请日：2020-12-30
Applicant: 中国科学院计算技术研究所
IPC: H04N19/122 , H04N19/124 , H04N19/13 , H04N19/42 , G06N3/08
Abstract: 本发明提出一种神经网络量化压缩方法，包括：获取经过量化处理后待压缩的神经网络数据，对该神经网络数据进行游程全零编码，得到游程压缩数据，其中该游程全零编码包括仅对该神经网络数据中的零字符进行游程编码；对该游程压缩数据进行规范化哈夫曼编码，并对编码结果进行重整，得到规范哈夫曼编码，作为该神经网络数据的压缩结果。本发明针对量化后神经网络数据具有稀疏性的特点，本发明对游程编码进行了改进提出了游程全零编码，可以更高效的无损压缩神经网络数据；对哈夫曼树自上而下地进行重整，省去存储完整的哈夫曼树结构，显著降低了查表操作的复杂程度。
-
公开(公告)号：CN108510064B
公开(公告)日：2021-12-10
申请号：CN201810249506.4
申请日：2016-04-18
Applicant: 中国科学院计算技术研究所
Abstract: 本公开提供了一种包括多个核心处理模块的人工神经网络的处理系统及方法，其中，所述人工神经网络的处理系统，包括：多核心处理模块，其包括多个核心处理模块；其中，该多个核心处理模块共同复用输入神经元和/或权值。本公开包括多个核心处理模块的人工神经网络的处理系统及方法，其在神经网络处理系统中引入多核设计，从而提升神经网络处理系统的运算速度，使得神经网络处理系统性能更高，更加高效。
-
公开(公告)号：CN108170640A
公开(公告)日：2018-06-15
申请号：CN201711452014.7
申请日：2017-10-17
Applicant: 中国科学院计算技术研究所
Abstract: 本公开提供一种神经网络运算装置和方法，其中装置包括：运算部分，用于完成所述卷积运算，包含多个运算单元组，多个所述运算单元组呈X行Y列的阵列式分布，运算单元组间以S形方向和/或逆S形方向传递数据，其中X和Y分别为正整数；缓存，用于向所述运算单元组传送数据以及接收运算单元组运算后的数据。通过采用S形和逆S形在运算单元中完成数据的传递，从而能够有效加速神经网络运算的同时，降低了权值的反复读取和部分和反复存取所带来的访存功耗。
-
-
-
-
-
-
-
-
-
Search Results
81
records
(took 0.041 seconds)
