-
公开(公告)号：CN109886860B
公开(公告)日：2022-11-29
申请号：CN201910095424.3
申请日：2019-01-31
申请人： 西安理工大学
摘要： 低分辨率细胞图像的神经网络结构，包括：第一层、第二层包含卷积和池化运算,卷积尺寸为3x3,池化尺寸为2x2；第三层、第四层包含卷积和池化运算,卷积尺寸为3x3,池化尺寸为2x2；第五层、第六层包含反池化运算和卷积运算,卷积尺寸为3x3,反池化尺寸为2x2；第七层包含反池化运算和卷积运算,卷积尺寸为3x3,反池化尺寸为2x2；第八层包含反卷积运算,卷积尺寸为1x1；用于低分辨率图像边沿分割方法的加速电路，CPU连接主存单元、特征数据读取单元、卷积核数据读取单元、乘加阵列单元、累加缓存单元、激活函数运算单元、反池化运算单元、池化运算单元、通路选择单元，读取主存储器的网络结构参数对电路进行总体配置；具有算法设计简单高效，加速电路运行功耗低的特点。
-
公开(公告)号：CN114463161B
公开(公告)日：2022-09-13
申请号：CN202210377006.5
申请日：2022-04-12
申请人： 之江实验室
摘要： 本发明涉及忆阻器应用技术领域，尤其涉及一种基于忆阻器的神经网络处理连续图像的方法和装置，该方法包括以下步骤：步骤一，对神经网络的每一层进行阵列映射，并对阵列上的计算核进行串并行排列；步骤二，将单张图像输入经过步骤一设置的神经网络，统计出神经网络的每一层的图像处理时间，得到神经网络对单张图像处理的总时长，后选取出处理时间最长的神经网络层并得到其对应的处理时长，根据总时长和单层神经网络最长处理时长，得到神经网络的最大并行图像数量；步骤三，输入小于或等于最大并行图像数量的图像至经过步骤一设置的神经网络，进行并行处理。本发明加快了忆阻器上深度神经网络处理大量或者连续图像的效率。
-
公开(公告)号：CN114846505A
公开(公告)日：2022-08-02
申请号：CN202080089067.0
申请日：2020-12-15
申请人： 日立安斯泰莫株式会社
摘要： 本发明的信息处理装置在车辆的自动驾驶系统中根据行驶中的环境等来降低DNN中进行的物体提取的运算量。本发明为一种信息处理装置，其具有处理器、存储器以及利用推理模型来执行运算的运算装置，该信息处理装置具有：DNN处理部，其受理外部信息，通过所述推理模型从所述外部信息中提取外界的物体；以及处理内容控制部，其控制所述DNN处理部的处理内容，所述DNN处理部具有物体提取部，所述物体提取部利用具有多个神经元的层的深度神经网络来执行所述推理模型，所述处理内容控制部包含执行层决定部，所述执行层决定部决定所述物体提取部中使用的所述层。
-
公开(公告)号：CN114565089A
公开(公告)日：2022-05-31
申请号：CN202210135056.2
申请日：2022-02-14
申请人： 瑞芯微电子股份有限公司
摘要： 本公开提供一种联合计算系统和方法、存储介质及设备。所述系统包括：第一处理模块，被配置为以分块的方式对输入数据进行第一处理以分别生成多个第一分块数据，并且输出与各个第一分块数据相对应的第一数据读取通知；神经网络加速器模块，被配置为响应于第一数据读取通知从第一处理模块读取多个第一分块数据，采用神经网络模型对各第一分块数据进行第二处理以生成多个第二分块数据，且输出与各第二分块数据相对应的第二数据读取通知；第二处理模块，被配置为响应于第二数据读取通知从神经网络加速器模块读取多个第二分块数据，并且对各个第二分块数据进行第三处理以生成多个第三分块数据。所述联合计算系统能够降低系统中的时延以及系统的运行内存。
-
公开(公告)号：CN114490045A
公开(公告)日：2022-05-13
申请号：CN202210024032.X
申请日：2022-01-10
申请人： 深圳市安软慧视科技有限公司 , 深圳市安软科技股份有限公司
摘要： 本发明适用于人工智能技术应用领域，提供了一种基于海思平台的目标检测加速方法、系统及相关设备，所述方法包括：获取图像队列，并初始化目标检测算法和神经网络推理计算单元；根据所述图像队列中的图像分配处理进程，并根据预设初始进程规则对所述图像队列中的第一帧图像和第二帧图像对应的所述处理进程进行处理；判断所述预设初始进程规则执行时是否收到终止指令，其中：若未收到终止指令，则根据预设异步进程规则对所述图像队列中的图像按序分配所述处理进程；若收到终止指令，则根据预设终止进程规则处理当前的所有所述处理进程。本发明实现了异步的目标检测处理，提高了处理器和推理计算单元的利用率，进一步提高了算法的执行速度和效率。
-
公开(公告)号：CN113939844A
公开(公告)日：2022-01-14
申请号：CN202080035952.0
申请日：2020-08-20
申请人： 腾讯美国有限责任公司
发明人： 陈翰博
摘要： 本公开的实施例包括一种方法、设备和计算机可读介质，涉及接收图像数据以检测组织病变，通过至少一个第一卷积神经网络传递图像数据，分割图像数据，融合分割的图像数据，以及检测组织病变。
-
公开(公告)号：CN113924597A
公开(公告)日：2022-01-11
申请号：CN202080039718.5
申请日：2020-04-29
申请人： 巴黎欧莱雅
摘要： 提出了一种用于指甲跟踪的卷积神经网络(CNN)模型，以及一种用于指甲油渲染的方法设计。使用当前的软件和硬件，渲染指甲油的CNN模型和方法可以在iOS和Web平台上实时运行。使用损失均值池(LMP)与级联模型架构同时实现像素精确的指甲预测，分辨率高达640×480。所提出的后处理和渲染方法利用模型的多个输出预测在单个指甲上渲染渐变，并通过在指甲的方向拉伸指甲罩在自然指甲上渲染时隐藏浅色远端边缘提示。本文的教导可应用于跟踪除指甲之外的对象并应用除颜色之外的外观效果。
-
公开(公告)号：CN113557714A
公开(公告)日：2021-10-26
申请号：CN201980093906.3
申请日：2019-11-19
申请人： 佳能株式会社
摘要： 医学图像处理设备包括：获取单元，其获取作为被检体的预定部位的医学图像的第一图像；图像质量改善单元，其通过使用包括机器学习引擎的图像质量改善引擎，由第一图像生成与第一图像的图像质量相比具有改善的图像质量的第二图像；显示控制单元，其在显示单元上显示通过以比率合成第一图像和第二图像而获得的合成图像，该比率是使用关于第一图像和第二图像中的至少一个中的至少部分区域的信息获得的。
-
公开(公告)号：CN110234400B
公开(公告)日：2021-09-07
申请号：CN201780065652.5
申请日：2017-07-14
申请人： 医科达有限公司
发明人： 韩晓
IPC分类号： G06T1/40
摘要： 公开了用于基于由成像装置使用第一成像模态获取的解剖部分的原始图像来生成该解剖部分的合成图像的系统、计算机实现的方法以及计算机可读介质。这些系统可以被配置成：接收由成像装置使用第一成像模态获取的解剖部分的原始图像；接收被训练以用于基于原始图像来预测合成图像的卷积神经网络模型；以及通过卷积神经网络模型将原始图像转换为合成图像。合成图像可以类似于使用不同于第一成像模态的第二成像模态对解剖部分的成像。
-
公开(公告)号：CN112991144B
公开(公告)日：2021-08-24
申请号：CN202110505152.7
申请日：2021-05-10
申请人： 同方威视技术股份有限公司
摘要： 本公开提出一种针对神经网络的图像数据进行分块的方法和系统，涉及计算机技术领域。在本公开中，对存储在外存单元的图像数据在存储顺序的最后一位的方向上进行分块，得到图像数据的多个第一分块，其中，存储顺序的最后一位是宽度W或高度H，使得对图像数据在宽度W或高度H方向上进行分块，针对输入神经网络的任一网络层的图像数据的每个分块进行计算的结果即为对应位置上最终的输出结果，不需要占用额外的缓存资源对每个分块的计算结果进行缓存，可以节约缓存资源，从而解决片上系统具有较小缓存资源与图像数据的较大缓存需求之间存在的矛盾。另外，各个分块的计算结果不需要回传至CPU端重新进行整理，减少了数据传输带来的额外时间成本。
-
-
-
-
-
-
-
-
-
搜索结果
328 条记录 (耗时 0.028 秒)
