-
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：CN114330488A
公开(公告)日：2022-04-12
申请号：CN202111400866.8
申请日：2021-11-19
Applicant: 浪潮(北京)电子信息产业有限公司
IPC: G06K9/62 , G06V10/80 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04
Abstract: 本申请公开了一种多模态数据处理方法、装置、设备及存储介质，该方法包括：获取目标物体的不同光学模态信息，制作多模态数据集；构建多模态融合网络模型；多模态融合网络模型包括用于提取各模态特征的模态特征提取网络，用于将各模态特征进行合并的模态特征融合网络，以及用于将合并后的目标特征进行分类任务或回归任务的决策网络；利用多模态数据集训练多模态融合网络模型；获取待测物体的不同光学模态信息，并输入至训练完成的多模态融合网络模型中，输出分类结果或回归结果。这样可以获取物体的各光学模态的丰富特征以及不同光学模态之间的内在关系，高效完成分类或回归任务，进而促进多模态人工智能信息提取和融合的发展，提升竞争力。
-
公开(公告)号：CN114219080A
公开(公告)日：2022-03-22
申请号：CN202111682484.9
申请日：2021-12-31
Applicant: 浪潮(北京)电子信息产业有限公司
Abstract: 本申请公开了一种神经网络加速处理方法，包括：加速设备从片上特征缓存模块获取特征数据；从片上权重缓存模块获取权重数据；采用逐点处理阵列中的多个处理组合以流水线的方式对特征数据和权重数据进行并行卷积计算，得到逐点卷积结果；采用累加模块对逐点卷积结果进行累加计算处理，得到逐点累加处理结果；采用逐通道处理阵列以流水线的方式对逐点累加处理结果和片上权重缓存模块中对应的权重数据进行并行卷积计算，得到逐通道卷积结果，提高对卷积计算进行加速的效果，并且兼容处理深度可分离卷积和普通卷积。本申请还公开了一种神经网络加速处理装置、加速系统以及计算机可读存储介质，具有以上有益效果。
-
公开(公告)号：CN114219080B
公开(公告)日：2025-02-11
申请号：CN202111682484.9
申请日：2021-12-31
Applicant: 浪潮(北京)电子信息产业有限公司
IPC: G06N3/0464 , G06N3/063
Abstract: 本申请公开了一种神经网络加速处理方法，包括：加速设备从片上特征缓存模块获取特征数据；从片上权重缓存模块获取权重数据；采用逐点处理阵列中的多个处理组合以流水线的方式对特征数据和权重数据进行并行卷积计算，得到逐点卷积结果；采用累加模块对逐点卷积结果进行累加计算处理，得到逐点累加处理结果；采用逐通道处理阵列以流水线的方式对逐点累加处理结果和片上权重缓存模块中对应的权重数据进行并行卷积计算，得到逐通道卷积结果，提高对卷积计算进行加速的效果，并且兼容处理深度可分离卷积和普通卷积。本申请还公开了一种神经网络加速处理装置、加速系统以及计算机可读存储介质，具有以上有益效果。
-
-
-
Search Results
4
records
(took 0.024 seconds)
