-
公开(公告)号：CN118520027A
公开(公告)日：2024-08-20
申请号：CN202410489039.8
申请日：2024-04-22
申请人： 浙江大华技术股份有限公司
IPC分类号： G06F16/2458 , G06F16/28 , G06F18/22
摘要： 本申请公开了一种数据排序方法、设备以及存储介质，该数据排序方法包括：基于待排序数据进行数据分组处理，得到多个待排序向量；对各待排序向量进行向量排序处理，得到已排序向量；基于已排序向量中的待排序数据确定目标待排序数据；对目标待排序数据进行数据排序处理，得到目标数据。上述方案，能够提升数据排序的效率。
-
公开(公告)号：CN115880478A
公开(公告)日：2023-03-31
申请号：CN202211697845.1
申请日：2022-12-28
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图像处理方法、装置、存储介质及电子装置，其中，该方法包括：获取待计算区域的一对对角点在目标图像区域中的第一坐标和第二坐标；根据第一坐标和第二坐标确定与待计算区域对应的N个子区域；在预先存储的计算结果集合中查找N个子区域分别对应的N个计算结果，计算结果集合包括预先计算得到的H*W个计算结果，H*W个计算结果与目标图像区域中的H*W个子区域一一对应，各个计算结果是根据对应子区域中的各个像素点的数据确定得到的；根据N个计算结果，确定待计算区域的目标计算结果，目标计算结果用于目标神经网络模型对目标图像进行处理。通过本发明实施例，解决了相关技术中存在的图像处理的效率较低的问题。
-
公开(公告)号：CN115757257A
公开(公告)日：2023-03-07
申请号：CN202211468991.7
申请日：2022-11-22
申请人： 浙江大华技术股份有限公司
IPC分类号： G06F15/16 , G06F15/167
摘要： 本申请公开了一种数据处理方法、数字信号处理器、处理芯片和终端设备。数据处理方法包括在第二存储单元的第二加载缓存区加载外部存储器的第二数据时，利用处理单元处理第一存储单元的第一加载缓存区的第一数据；将第一数据的处理结果写入到第一存储单元的第一存储缓存区；将第一存储缓存区中的第一数据的处理结果传输到外部存储器，继续在第一存储单元的第一加载缓存区加载外部存储器的第三数据，以及利用处理单元处理第二数据。在将第一数据的处理结果传输到外部存储器的同时加载第三数据至第一加载缓存区以及处理第二数据，由此通过让多个步骤并行的方式，增加数字信号处理器对数据的处理速度，提高设备运算系统的工作性能。
-
公开(公告)号：CN115081628B
公开(公告)日：2022-12-09
申请号：CN202210971296.6
申请日：2022-08-15
申请人： 浙江大华技术股份有限公司
摘要： 本申请公开了一种深度学习模型适配度的确定方法及装置，用以在部署深度学习模型之前确定模型与硬件设备之间的适配性，以便于开发人员调整深度学习模型，提升深度学习模型在硬件设备中的运行性能，同时可以节约开发成本。该方法包括：获取用于部署深度学习模型的硬件设备的规则库；规则库包括的一条或多条规则是根据硬件设备支持运行的算法的工作参数设置的；将一条或多条规则分别与深度学习模型包括的多个网络层进行匹配；多个网络层中任意两个网络层包括的参数不相同；根据每一个网络层匹配成功的规则的数量，以及匹配成功的规则的级别，确定深度学习模型与硬件设备的适配度；每一条规则的级别用于表征每一条规则的重要程度。
-
公开(公告)号：CN114816773A
公开(公告)日：2022-07-29
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：CN114419333A
公开(公告)日：2022-04-29
申请号：CN202111501244.4
申请日：2021-12-09
申请人： 浙江大华技术股份有限公司
摘要： 本申请公开了一种检测框重叠度的生成方法、目标检测方法及装置，该方法包括：获取第一旋转检测框与第二旋转检测框；对第一旋转检测框与第二旋转检测框进行变换处理，得到第一检测框至第四检测框，第一检测框的上边界、第四检测框的上边界均与水平方向平行，第一检测框的左边界、第四检测框的左边界均与竖直方向平行；计算第一检测框与第二检测框的交点或第三检测框与第四检测框的交点，得到交点集；获取第二检测框位于第一检测框内部的顶点以及第三检测框位于第四检测框内部的顶点，得到内部顶点集；基于交点集与内部顶点集，计算第一旋转检测框与第二旋转检测框的重叠度。通过上述方式，本申请能够降低计算的复杂度。
-
公开(公告)号：CN112001948A
公开(公告)日：2020-11-27
申请号：CN202010753234.9
申请日：2020-07-30
申请人： 浙江大华技术股份有限公司
摘要： 本发明提供了一种目标跟踪处理方法及装置，该方法包括：对视频数据的当前视频帧进行目标检测，得到目标的检测结果，该检测结果包括该目标的目标特征和当前运动状态；将该目标的特征信息与预先确定的待跟踪目标的特征信息进行匹配；在匹配成功的情况下，根据该目标的当前运动状态确定该目标在下一视频帧的预估运动状态；根据该预估运动状态确定该下一视频帧中跟踪该目标的目标设备，可以解决相关技术中基于单摄像头对目标进行跟踪，其目标搜索是从当前位置按照一定比例扩大搜索范围，对应目标移动速度较快搜索就越耗时，导致跟踪范围受到限制的问题，使得同一目标能够在多个摄像设备之间被跟踪，扩大了目标跟踪的范围。
-
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。
-
-
-
-
-
-
-
-
-
搜索结果
26 条记录 (耗时 0.043 秒)
