-
公开(公告)号：CN111897517A
公开(公告)日：2020-11-06
申请号：CN202010671278.7
申请日：2020-07-13
申请人： 浙江大华技术股份有限公司
发明人： 朱磊光
摘要： 本发明提供了一种关系图生成方法及装置，该方法包括：创建由于深度学习的多个第一目标对象与多个第二目标对象，该多个第一目标对象与该多个第二目标对象均用于产生数据和/或处理数据；控制该多个第一目标对象向该多个第二目标对象进行预约，一个第一目标对象预约一个或多个第二目标对象，多个第一目标对象预约同一个第二目标对象；根据预约的结果生成该深度学习中每层算子之间的该多个第一目标对象与该多个第二目标对象的关系图，可以解决相关技术中在运行前无法统计生产者与消费者的关系的问题，通过控制生产者在运行前向消费者预约的方式，生成生产者与消费者的关系图，实现了在运行前统计生产者与消费者的关系。
-
公开(公告)号：CN117422120A
公开(公告)日：2024-01-19
申请号：CN202311183610.5
申请日：2023-09-13
申请人： 浙江大华技术股份有限公司
IPC分类号： G06N3/082 , G06N3/0464 , G06N3/042
摘要： 本发明提供一种深度学习模型的计算图优化方法、装置、终端及存储介质，一种深度学习模型的计算图优化方法，包括：获取待优化计算图，待优化计算图包括多个操作节点，各操作节点具有特征数据；基于选取的操作节点的特征数据与其他操作节点的特征数据，确定其他操作节点是否与选取的操作节点重复；响应于选取的操作节点与任一其他操作节点重复，则将与选取的操作节点重复的操作节点删除；将删除的操作节点的相邻前一操作节点的输出端与选取的操作节点的输入端连接，将选取的操作节点的输出端与删除的操作节点的相邻后一操作节点的输入端连接。本申请不影响深度学习模型的功能，同时还能简化待优化计算图的结构，提高模型的运行效率。
-
公开(公告)号：CN116128045A
公开(公告)日：2023-05-16
申请号：CN202211715719.4
申请日：2022-12-29
申请人： 浙江大华技术股份有限公司
IPC分类号： G06N3/082
摘要： 本申请公开了一种深度学习网络模型的图优化。该方法包括确定并获取深度学习网络模型，其中深度学习网络模型定义有n个图优化策略，n为大于1的正整数，利用图优化编译器，对深度学习网络模型的n个图优化策略进行优化，以得到优化后的n个图优化策略，其中优化后的n个图优化策略按照预设顺序排列，预设顺序是由优化后的n个图优化策略的图优化算子按照预设规则确定的，进而利用所述优化后的n个图优化策略，按照预设顺序执行图优化操作。本申请还公开了编译器、芯片和电子设备。本申请通过利用图优化编译器，对深度学习网络模型的n个图优化策略进行优化，以得到优化后的n个图优化策略，以提高深度学习网络模型的图优化性能。
-
公开(公告)号：CN114816773B
公开(公告)日：2022-09-23
申请号：CN202210748700.3
申请日：2022-06-29
申请人： 浙江大华技术股份有限公司
摘要： 本申请涉及一种数据处理方法、系统、电子装置和存储介质，其中，该数据处理方法应用于任一处理器核，该方法包括：获取该中央处理器发送的针对待处理的目标数据的第一起始地址、第二起始地址、目标数据的数据量；依据该数据处理器包含的处理器核的数量、本处理器核的标识、以及所述数据量，确定本处理器核对应的地址偏移量；依据该第一起始地址和所述地址偏移量，从该中央处理器对应的存储空间中读取本处理器核对应的目标数据子集；对该目标数据子集进行处理，依据该第二起始地址和该地址偏移量将该目标数据子集存储至预设的该存储空间的对应位置。通过本申请，解决了数据处理的效率低的问题，实现了高效、准确的数据并行处理设备。
-
公开(公告)号：CN118444933A
公开(公告)日：2024-08-06
申请号：CN202410438261.5
申请日：2024-04-11
申请人： 浙江大华技术股份有限公司
摘要： 本申请提出了一种模型部署方法、图像识别方法、装置及计算机存储介质。模型部署方法包括：获取待优化的神经网络模型；遍历神经网络模型的每一层网络层，判断当前网络层是否为点对点计算层；若是，获取与当前网络层连接的其他网络层；响应于所述其他网络层的数量为1，且所述其他网络层的输入或输出连接的网络层数量为1，连接所述当前网络层，判断所述其他网络层是否为计算无关层；若是，则将所述当前网络层的模型位置和所述其他网络层的模型位置进行交换；将优化后的神经网络模型部署到目标芯片上。通过上述方式，将当前网络层的模型位置和其他网络层的模型位置进行交换，满足神经网络模型对于不同引擎、芯片的兼容程度，提高模型的运行效率。
-
公开(公告)号：CN115661803A
公开(公告)日：2023-01-31
申请号：CN202211068764.5
申请日：2022-08-31
申请人： 浙江大华技术股份有限公司
摘要： 本申请公开了图像清晰度检测方法、电子设备以及计算机可读存储介质，包括：获取到目标图像；将目标图像分别输入到第一算法与训练好的清晰度检测模型中；其中，第一算法是利用神经网络对检测图像清晰度的算法进行训练得到的，清晰度检测模型为经过训练后的深度学习模型；利用第一算法对目标图像进行清晰度检测，并输出第一清晰度；以及利用清晰度检测模型对目标图像进行清晰度检测，并输出第二清晰度；基于第一清晰度与第二清晰度确定目标图像的清晰度。本申请通过结合传统算法与深度学习算法的计算优势，既能解决仅靠深度学习算法导致的泛化性差的问题，又能解决仅靠传统算法导致的非最优解的问题，从而提高对图像清晰度进行检测的准确度。
-
公开(公告)号：CN115512238A
公开(公告)日：2022-12-23
申请号：CN202211261248.4
申请日：2022-10-14
申请人： 浙江大华技术股份有限公司
摘要： 本发明实施例提供了一种病害区域的确定方法、装置、存储介质及电子装置，该方法包括：获取目标设备采集的第一图像，其中，目标设备是基于遥感技术采集图像的设备，第一图像是包括待检测病害区域的图像；采用预设算法对第一图像的图像参数进行调整，得到第二图像；将第二图像输入目标神经网络模型，得到目标识别结果，其中，目标神经网络模型是对待训练的初始神经网络模型进行训练得到的模型，目标识别结果包括采用目标检测框于第二图像中框选出的病害区域。通过本发明，解决相关技术中存在的病害区域的检测效率较低的问题。
-
公开(公告)号：CN114462486A
公开(公告)日：2022-05-10
申请号：CN202111622695.3
申请日：2021-12-28
申请人： 浙江大华技术股份有限公司
IPC分类号： G06K9/62 , G06F16/583 , G06V10/774 , G06V10/74
摘要： 本申请公开了一种图像处理模型的训练方法、图像处理方法及相关装置，图像处理模型包括生成对抗模块，该方法包括：获得源域图像和目标域图像；其中，源域图像由虚拟数据组成，目标域图像由现实数据组成；生成对抗模块包括源域图像对应的第一生成器和目标域图像对应的第二生成器；将源域图像输入第一生成器，获得源域图像对应的第一中间图像；将第一中间图像输入第二生成器，获得源域图像对应的重构源域图像，并确定重构源域图像相对源域图像的第一重构损失；基于第一重构损失对第一生成器和第二生成器中的参数进行调整，获得训练后的生成对抗模块。上述方案，能够提高生成对抗模块将虚拟数据转换成趋近于现实数据的精度。
-
公开(公告)号：CN114817117A
公开(公告)日：2022-07-29
申请号：CN202210718549.9
申请日：2022-06-23
申请人： 浙江大华技术股份有限公司
摘要： 本申请公开了一种协议兼容方法、电子设备及计算机可读存储装置。该方法包括：获取深度学习框架网络层所支持的原协议文本，基于原协议文本进行解析，获取原协议参数；基于原协议参数所支持的功能类型，确定筛选条件；利用筛选条件在协议集合筛选出满足原协议参数的功能类型的目标协议；利用目标协议兼容原协议参数。通过上述方式，本申请能够实现数据在不同协议之间的传输。
-
公开(公告)号：CN114519432A
公开(公告)日：2022-05-20
申请号：CN202111605385.0
申请日：2021-12-25
申请人： 浙江大华技术股份有限公司
IPC分类号： G06N20/00
摘要： 本申请公开了一种提高嵌入式设备运行机器学习模型的速度的方法，该方法包括：获取训练完成的机器学习模型；基于机器学习模型生成在嵌入式设备中运行对应的运行模型，运行模型包括多个子运行模型；获取每个子运行模型在嵌入式设备中运行的运行耗时，生成运行耗时列表；基于当前待处理数据的数量与运行耗时列表制定当前运行模型，并将当前运行模型发送至嵌入式设备，以使得嵌入式设备运行当前运行模型，当前运行模型包括子运行模型，当前运行模型的功能与机器学习模型的功能相同。通过上述方式，本申请能够提高嵌入式设备运行机器学习模型的速度。
-
-
-
-
-
-
-
-
-
搜索结果
16 条记录 (耗时 0.039 秒)
