-
公开(公告)号：CN108776833B
公开(公告)日：2021-08-31
申请号：CN201810568783.1
申请日：2018-06-05
申请人： 郑州云海信息技术有限公司
IPC分类号： G06N3/04
摘要： 本发明实施例公开了一种数据处理方法、系统及计算机可读存储介质。其中，方法包括根据数据处理模式，利用预先构建的、相应数据处理模式下的多路CNN网络结构对待分析数据进行处理；根据数据处理模式和各路CNN网络结构的运行计算结果，得到待分析数据的处理结果，数据处理模式与多路网络结构一一对应，且各路CNN网络结构在计算过程中没有数据交互。本申请通过在一个FPGA上设置多路并行的CNN网络结构，不同的数据处理模式对应不同的网络结构，既可以对大量的数据同时并行处理，节省数据处理时间，从而提高CNN算法的工作效率；又可以利用多路CNN网络结构同时对同一目标数据进行目标识别，有利于提升CNN算法的目标识别的准确率，从而整体提升CNN算法性能。
-
公开(公告)号：CN109254946A
公开(公告)日：2019-01-22
申请号：CN201811014847.X
申请日：2018-08-31
申请人： 郑州云海信息技术有限公司
IPC分类号： G06F15/173 , G06K9/46 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种图像特征提取方法，包括：对输入的待识别图像进行预处理，得到输入特征图；对卷积节点片上网络中节点根据预先获取的节点系数进行参数设置；对输入特征图数据进行拆分打包处理，得到通信数据帧；将通信数据帧根据对应的节点流转顺序依次发送至卷积节点片上网络中各节点进行数据处理，得到输出数据；重组各数据帧的输出数据，得到特征图输出数据；根据特征图输出数据进行特征分类。该方法将提取到的特征图数据拆分成若干数据块，采用路由方式进行数据的传输处理，可以提升数据传输效率，减少卷积数据运算时间，提升图像识别效率；本发明还公开了一种图像特征提取装置、设备及可读存储介质，具有上述有益效果。
-
公开(公告)号：CN109272509A
公开(公告)日：2019-01-25
申请号：CN201811038286.7
申请日：2018-09-06
申请人： 郑州云海信息技术有限公司
摘要： 本发明实施例公开了一种连续图像的目标检测方法、装置、设备及计算机可读存储介质。其中，方法包括在对视频序列的第二帧图像利用目标检测网络模型进行目标检测之前，可将第二帧图像分割为多个子图像，对各子图像根据运动估计准则在第一帧图像中匹配相应的图像块，并利用预设背景像素值替换在第一帧图像中存在相匹配图像块的子图像的像素数据，最后将替换处理后的第二帧图像作为目标检测网络模型的输入，得到第二帧图像中的目标物体的目标框和各自所属的类别。本申请优化了连续图像的目标检测算法，基于连续图像的冗余性，利用相邻图像帧中已经识别的目标信息来降低当前图像帧上目标检测的计算复杂度，提高了目标检测的吞吐量。
-
公开(公告)号：CN109002884A
公开(公告)日：2018-12-14
申请号：CN201810805400.8
申请日：2018-07-20
申请人： 郑州云海信息技术有限公司
摘要： 本申请实施例公开了一种池化处理装置及池化处理方法，用于通过参数配置来实现多种池化处理，提高了对图像数据进行池化处理的灵活性。本申请实施例方法包括：数据选择器和下采样器，所述数据选择器包括第一配置端口，所述下采样器包括第二配置端口；所述第一配置端口用于获取第一配置参数；所述第二配置端口用于获取第二配置参数；所述数据选择器用于根据所述第一配置参数对获取的图像数据进行最大池化或平均池化处理；所述下采样器用于根据所述第二配置参数对所述获取的图像数据进行重叠池化或空间金字塔池化处理。
-
公开(公告)号：CN108960411A
公开(公告)日：2018-12-07
申请号：CN201810677993.4
申请日：2018-06-27
申请人： 郑州云海信息技术有限公司
CPC分类号： G06N3/0454 , G06N3/082
摘要： 本发明公开了一种卷积神经网络调整方法，通过对卷积核参数与输入数据参数进行调整从而增加对应的通道数，进而可以实现在不改变计算结果的前提下，通过改变参数增加对应的通道数，并对卷积核数据和输入数据进行调整从而可以充分的利用计算资源，提高第一层卷积层的卷积计算速度，进而缩短整个神经网络的计算时间。本申请还提供了一种卷积神经网络调整系统、装置及计算机可读存储介质，同样可以实现上述技术效果。
-
公开(公告)号：CN108764176A
公开(公告)日：2018-11-06
申请号：CN201810550608.X
申请日：2018-05-31
申请人： 郑州云海信息技术有限公司
CPC分类号： G06K9/00335 , G06K9/4642
摘要： 本申请公开了一种动作序列识别方法、系统及设备和计算机可读存储介质，该方法包括：获取原始图像数据，并对所述原始图像数据进行预处理操作得到待识别样本；对所述待识别样本中的每一帧图像进行特征提取，得到特征向量；将所述特征向量输入训练完成的LSTM神经网络中，得到动作序列识别结果。本申请提供的动作序列识别方法，首先对原始图像数据进行预处理操作，得到待识别样本，保证待识别样本中的每一帧图像都具有相同的尺寸和识别率，再对每一帧图像进行特征提取，并将提取得到的特征向量输入训练完成的LSTM神经网络中，从而得到动作序列识别结果。通过特征提取处理原始图像数据，再与LSTM神经网络结合，提高了动作序列的识别率。
-
公开(公告)号：CN109272509B
公开(公告)日：2021-10-29
申请号：CN201811038286.7
申请日：2018-09-06
申请人： 郑州云海信息技术有限公司
摘要： 本发明实施例公开了一种连续图像的目标检测方法、装置、设备及计算机可读存储介质。其中，方法包括在对视频序列的第二帧图像利用目标检测网络模型进行目标检测之前，可将第二帧图像分割为多个子图像，对各子图像根据运动估计准则在第一帧图像中匹配相应的图像块，并利用预设背景像素值替换在第一帧图像中存在相匹配图像块的子图像的像素数据，最后将替换处理后的第二帧图像作为目标检测网络模型的输入，得到第二帧图像中的目标物体的目标框和各自所属的类别。本申请优化了连续图像的目标检测算法，基于连续图像的冗余性，利用相邻图像帧中已经识别的目标信息来降低当前图像帧上目标检测的计算复杂度，提高了目标检测的吞吐量。
-
公开(公告)号：CN109146060A
公开(公告)日：2019-01-04
申请号：CN201810903817.8
申请日：2018-08-09
申请人： 郑州云海信息技术有限公司
CPC分类号： G06N3/0454 , G06N3/06
摘要： 本发明公开了一种基于卷积神经网络处理数据的方法，应用于FPGA平台，包括：将待处理的目标数据输入卷积神经网络后，根据目标数据的类型、卷积神经网络的各个目标计算层的计算量和FPGA平台使用的INT数据类型，确定目标数据的中间结果在各个目标计算层的截取位宽；利用卷积神经网络处理目标数据时，按照各个目标计算层的截取位宽截取目标数据的中间结果，并输出目标数据的最终处理结果。其中，截取位宽是基于目标数据的类型、各个目标计算层的计算量和INT数据类型即时确定的，从而提高了数据处理效率和准确率。相应地，本发明公开的一种基于卷积神经网络处理数据的装置、设备及可读存储介质，也同样具有上述技术效果。
-
公开(公告)号：CN109117187A
公开(公告)日：2019-01-01
申请号：CN201810981303.4
申请日：2018-08-27
申请人： 郑州云海信息技术有限公司
摘要： 本申请实施例公开了一种卷积神经网络加速装置，用于通过将大量的乘法运算转化为加法运算，从而提高卷积神经网络的运算速度。本申请实施例还提供了相应的方法和滤波器。本申请实施例方法包括：该装置包括滤波器和存储器，该滤波器用于从特征图中获取第一行数据，并将该第一行数据存储于该存储器，该存储器存储一行宽度的该第一行数据；该滤波器还用于对该第一行数据进行维诺格拉德变换，得到第一计算结果；该滤波器还用于将至少两个第二计算结果相加，得到卷积结果，其中，该第二计算结果为对第二行数据进行维诺格拉德变换获得，该第一行数据和该第二行数据归属于同一特征图，且宽度均为一行。
-
公开(公告)号：CN109598335B
公开(公告)日：2022-04-22
申请号：CN201811474632.6
申请日：2018-12-04
申请人： 郑州云海信息技术有限公司
摘要： 本发明公开了一种二维卷积脉动阵列结构及实现方法，包括：多个乘加器单元；第一输入信号经第一寄存器之后作为乘加器的第一乘数输入，第二输入信号依次经第一移位寄存器、第二寄存器之后作为乘加器的第二乘数输入，第三输入信号经第三寄存器之后作为乘加器的被乘数输入；多个乘加器单元之间通过第二移位寄存器进行组合，形成二维卷积脉动阵列；横向相邻的乘加器单元之间，前一个乘加器单元中的第三寄存器的输出端与后一个乘加器单元中的第三寄存器的输入端相连；纵向相邻的乘加器单元之间，上一个乘加器单元中的加法输出端与下一个乘加器中的加法输入端相连。本申请建立支持复合模式的脉动阵列结构，可高速、大批量地进行各种尺寸的二维卷积运算。
-
-
-
-
-
-
-
-
-
搜索结果
15 条记录 (耗时 0.037 秒)
