-
公开(公告)号：CN115629872A
公开(公告)日：2023-01-20
申请号：CN202211201027.8
申请日：2022-09-28
Applicant: 鹏城实验室
Abstract: 本发明涉及数据处理技术领域，具体是涉及一种基于AI处理器的数据处理方法和数据处理装置。本发明首先将数据处理所需要的各个程序依据其是否涉及矩阵乘划分为主程序和副程序，由于AI处理器适用于处理矩阵乘程序，因此将涉及矩阵乘的主程序放在AI处理器执行以充分利用AI处理器的计算资源，而将不涉及矩阵乘的副程序放在副处理器执行以避免其占用AI处理器的计算资源。本发明的副处理器和AI处理器协同工作，能够降低计算机执行数据处理程序所需的时间。另外，本发明的AI处理器和副处理器异构并行执行分配给各自的程序，异构并行执行即两个处理器同时执行分配给各自的程序，从而进一步降低了计算机执行数据处理程序所需的时间。
-
公开(公告)号：CN115481729A
公开(公告)日：2022-12-16
申请号：CN202211143025.8
申请日：2022-09-20
Applicant: 鹏城实验室
Abstract: 本发明涉及图像处理技术领域，具体是涉及一种混合算子模型并行训练方法、装置、设备及存储介质。本发明首先将混合算子模型分割成支路模型，即将混合算子模型化整为零，然后将在每个训练节点上训练一个支路模型，使得各个训练节点同时并行训练各个支路模型，最后将各个支路模型的输出结果进行汇总，得到混合算子模型的整体输出结果，根据该整体输出结果调整模型参数，完成模型训练。从上述分析可知，本发明通过在各个训练节点上训练各个支路模型实现了并行训练，而并行训练能够节省训练时间，以提高训练速度，使得混合算子模型快速收敛。
-
公开(公告)号：CN115474036A
公开(公告)日：2022-12-13
申请号：CN202110657395.2
申请日：2021-06-11
Applicant: 鹏城实验室
IPC: H04N13/161 , H04N19/597 , H04N19/30 , H04N19/96 , H04N19/91
Abstract: 本发明公开了一种点云孤立点编码方法、解码方法及装置，所述方法包括：根据待编码点云数据及上一层的节点的占用情况，得到孤立节点标志位及所述孤立节点的上下文集合；根据所述孤立节点标志位的上下文集合对所述点云孤立节点标志位进行编码，得到与所述点云孤立节点标志位对应的二进制码流；按所述点云孤立节点标志位编码所述孤立节点的坐标；根据所述孤立节点的坐标，更新所述孤立节点对应的下一层节点的占用情况。本发明基于上下文集合对点云孤立节点编码，可以通过上下文实现对孤立节点标志位的高效编码，以及不漏掉实际非空的邻居节点，从而提高熵编码的性能。
-
公开(公告)号：CN115456174A
公开(公告)日：2022-12-09
申请号：CN202211200959.0
申请日：2022-09-29
Applicant: 鹏城实验室
Abstract: 本发明公开了一种针对分子三维结构的分子属性预测模型训练方法。本发明利用现有的多个已经训练完成的预测精度较低的模型为分子三维结构的未标注数据集提供伪标签,基于包含伪标签的数据集对以分子三维结构为输入的神经网络模型进行训练,基于少量有标注的分子低维结构数据确定伪标签数据集的训练权重，同时采用上述少量有标注数据集的分子三维结构数据进一步提升模型的预测效果。解决了现有技术中由于带分子属性标签的分子三维结构的数据集很少,因此难以获得以分子三维结构为输入的训练效果好的分子属性预测模型的问题。
-
公开(公告)号：CN114595802A
公开(公告)日：2022-06-07
申请号：CN202210068359.7
申请日：2022-01-20
Applicant: 鹏城实验室
Abstract: 本发明公开了一种基于数据压缩的脉冲神经网络加速方法和装置，所述方法包括：获取脉冲神经网络的神经元输出的第一数据，并将所述第一数据进行类型转换，得到第二数据；其中，所述第一数据由两个数字组成，分别为零和非零数字；将所述第二数据进行压缩处理，得到第三数据；基于量化和反量化的方式，将所述第三数据进行卷积运算，得到目标卷积结果。本发明实施例通过将神经元输出的数据进行类型转换和对第二数据的压缩处理来提高卷积运算的速率，从而提高脉冲神经网络训练的效率。
-
Patent Agency Ranking
公开(公告)号：CN113849495A
公开(公告)日：2021-12-28
申请号：CN202010593384.8
申请日：2020-06-27
Applicant: 鹏城实验室
IPC: G06F16/22
Abstract: 本发明公开了一种点云动态哈希划分方法及设备，点云动态哈希划分方法包括步骤：根据树结构的当前节点层的占用节点总数和划分后单哈希表内平均节点数阈值，确定总划分次数；确定当前节点层对应的哈希表数量；确定每个坐标分量的划分次数；根据所述当前节点层对应的哈希表数量、坐标分量的划分次数和当前节点层的占用节点位置数据确定节点对应的哈希表，将节点添加至节点对应的哈希表中。在每个节点层上配置若干个哈希表，根据当前节点层的占用节点的位置数据确定节点对应的哈希表序号，并将节点添加至节点对应的哈希表中，不同哈希表中的节点不会出现哈希冲突，从而在不损失性能的情况下，优化了哈希表的存取性能，提高了哈希表插入与查询的效率。
-
公开(公告)号：CN113840145A
公开(公告)日：2021-12-24
申请号：CN202111115605.1
申请日：2021-09-23
Applicant: 鹏城实验室
IPC: H04N19/42 , H04N19/91 , H04N19/184 , H04N19/124 , H04N19/44 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种面向人眼观看和视觉分析联合优化的图像压缩方法，所述方法包括：获取原始图像，并对所述原始图像进行特征提取和量化，得到第一特征；对所述第一特征进行熵编码得到比特流，并将所述比特流发送至预设的解码器；控制所述解码器接收所述比特流，并将所述比特流还原为第一特征；将所述第一特征输入预设的深度解码网络，输出得到类别向量；将所述类别向量输入第一全连接网络，输出图像分类的类别概率，并根据所述类别概率对所述原始图像进行分类；根据所述第一特征对所述原始图像进行重构，得到重构图像。本申请可以在对原始图像压缩的过程中同时考虑原始图像的重构和分类。
-
公开(公告)号：CN113473153A
公开(公告)日：2021-10-01
申请号：CN202010239384.8
申请日：2020-03-30
Applicant: 鹏城实验室 , 北京大学深圳研究生院
IPC: H04N19/593 , H04N19/96
Abstract: 本发明公开了一种点云属性预测方法、编码方法、解码方法及其设备，其中，所述点云属性预测方法，包括步骤：将点云原始坐标加上一个偏移值得到新的坐标值；根据所述新的坐标值确定偏移莫顿顺序；根据所述偏移莫顿顺序确定当前节点的属性预测值。本发明通过采用偏移莫顿顺序来找到与当前节点在物理空间中最近的邻居点，从而确定当前节点的属性预测值，最后根据所述属性预测值进行属性编码或根据所述当前节点的属性预测值以及点云属性码流确定所述当前节点的属性值。本发明提供的点云属性预测方法、编码方法和解码方法能够提升点云的几何信息和属性信息相关性的利用，从而提高点云属性的压缩性能。
-
公开(公告)号：CN113473127A
公开(公告)日：2021-10-01
申请号：CN202010238176.6
申请日：2020-03-30
Applicant: 鹏城实验室 , 北京大学深圳研究生院
Abstract: 本发明公开了一种点云几何编码方法、解码方法、编码设备及解码设备，所述点云定义在树结构中，树结构中有多个具有父子关系的节点，当前节点包括K个子节点，所述点云几何解码方法包括步骤：将当前子节点作为偏移莫顿顺序下的第n个点，其中，n为小于等于K的整数，K为大于1的整数；确定所述当前子节点的偏移莫顿顺序下的前m个邻居子节点的占用信息，其中，m为小于n的整数；根据所述当前子节点的偏移莫顿顺序下的前m个邻居子节点的占用信息确定所述当前子节点的上下文；根据所述当前子节点的上下文对点云几何码流进行熵解码。通过本发明提供的点云几何编码方法和解码方法能够提升几何节点之间相关性地利用，从而有效提高点云几何压缩性能。
-
公开(公告)号：CN112995758A
公开(公告)日：2021-06-18
申请号：CN201911284170.6
申请日：2019-12-13
Applicant: 鹏城实验室 , 北京大学深圳研究生院
IPC: H04N21/4402 , H04N21/2343 , G06T9/00
Abstract: 本发明公开了一种点云数据的编码方法、解码方法、存储介质及终端设备，所述编码方法包括根据待编码的点云数据生成占位图；根据待编码的点云数据、所述占位图、预设扫描顺序生成一维序列组；对所述占位图和一维序列组进行编码，以得到所述点云数据对应的码流。本发明通过将点云数据转换为一维序列组，并对一维序列组进行编码，降低了编码时的数据量，进而提高了点云数据的编码效率。
-
-
-
-
-
-
-
-
-
Search Results
116
records
(took 0.027 seconds)
