-
公开(公告)号:CN112287986B
公开(公告)日:2023-07-18
申请号:CN202011110263.X
申请日:2020-10-16
Applicant: 浪潮(北京)电子信息产业有限公司
IPC: G06V10/82 , G06V10/74 , G06V10/762 , G06V10/764 , G06V10/40 , G06N3/0495 , G06N3/082
Abstract: 本发明公开了一种图像处理方法、装置、设备及可读存储介质,该方法包括:获取目标图像;将目标图像输入至量化后的目标深度神经网络模型进行分类/检测,得到输出结果;按照与输出结果对应的策略,对目标图像进行处理;其中,量化得到目标深度神经网络模型的过程,包括:获取预训练得到的浮点型的深度神经网络模型;提取深度神经网络模型的权重特征;利用权重特征,确定出量化策略;按照量化策略,对深度神经网络模型进行量化,得到目标深度神经网络模型。在该方法中,量化得到目标深度神经网络模型的过程减少占用资源,缩短耗时,同时也能保障模型性能,从而使得图像分类/检测的性能得到保障,进一步可提高图像分类处理的性能。
-
公开(公告)号:CN114581952A
公开(公告)日:2022-06-03
申请号:CN202210242524.6
申请日:2022-03-11
Applicant: 浪潮(北京)电子信息产业有限公司
Abstract: 本申请公开了一种行人重识别方法、系统、装置、设备及计算机可读存储介质,应用于异构计算设备,获取图像特征、量化参数、指令序列和滤波系数;图像特征包括待识别的目标行人图像的图像特征;按照指令序列对图像特征进行池化处理,得到池化处理结果;按照指令序列并基于量化参数和滤波系数对图像特征进行卷积处理,得到卷积处理结果;基于池化处理结果和卷积处理结果确定目标行人图像对应的行人重识别结果。本申请借助异构计算设备实现了行人重识别网络,可以提高计算效率,能效比及灵活性高,适用性好。本申请提供的一种行人重识别系统、装置、设备及计算机可读存储介质也解决了相应技术问题。
-
公开(公告)号:CN112287986A
公开(公告)日:2021-01-29
申请号:CN202011110263.X
申请日:2020-10-16
Applicant: 浪潮(北京)电子信息产业有限公司
Abstract: 本发明公开了一种图像处理方法、装置、设备及可读存储介质,该方法包括:获取目标图像;将目标图像输入至量化后的目标深度神经网络模型进行分类/检测,得到输出结果;按照与输出结果对应的策略,对目标图像进行处理;其中,量化得到目标深度神经网络模型的过程,包括:获取预训练得到的浮点型的深度神经网络模型;提取深度神经网络模型的权重特征;利用权重特征,确定出量化策略;按照量化策略,对深度神经网络模型进行量化,得到目标深度神经网络模型。在该方法中,量化得到目标深度神经网络模型的过程减少占用资源,缩短耗时,同时也能保障模型性能,从而使得图像分类/检测的性能得到保障,进一步可提高图像分类处理的性能。
-
-