“G06T1/40”专利分类搜索_专利查询_文献下载_出售_求购_买卖_交易

钻瓜专利网为您找到相关结果66个，建议您升级VIP下载更多相关专利

[发明专利]用于图像处理的方法和系统-CN202310464455.8在审
发明人：林钰杰;刘鸿钧;郑博元;邱勇智;张嘉祐;谢政勋;陈蕾;陈立民;汪岱锜 -专利权人：联发科技股份有限公司
申请日： 2023-04-26 - 公布日： 2023-10-27 - 主分类号： G06T1/40 文献下载
摘要：本公开涉及用于图像处理的方法和系统。一种图像处理系统包括一个或更多个处理器，所述一个或更多个处理器可操作以接收将复合节点添加到图的图应用编程接口(API)调用。该图至少包括复合节点，该复合节点由有向且无环的边连接到其它节点。所述一个或更多个处理器还可操作以在编译时由图编译器通过将所述复合节点迭代地扩展为多个节点来处理所述复合节点，其中各个节点对应于图像处理流水线中的一个操作。所述系统还包括一个或更多个目标装置以执行从各个节点编译的可执行代码，以执行图像处理流水线的操作。该系统还包括用于存储图编译器和可执行代码的存储器。
用于图像处理方法系统

[发明专利]特征图数据的指示-CN202180071715.4在审
发明人：谢尔盖·尤里耶维奇·伊科宁;亚历山大·亚历山德罗维奇·卡拉布托夫;米哈伊尔·维亚切斯拉沃维奇·索苏尔尼科夫;维克多·阿列克谢耶维奇·斯蒂平;伊蕾娜·亚历山德罗夫娜·阿尔希娜 -专利权人：华为技术有限公司
申请日： 2021-10-20 - 公布日： 2023-10-20 - 主分类号： G06T1/40 文献下载
摘要：本发明涉及一种用于采用神经网络的系统的特征图信息的高效指示。特别地，在解码器侧，根据从码流中解析的信息，获取存在指示符。根据所述获取的存在指示符的值，解析与特征图区域相关的其它数据或不进行所述解析。例如，所述存在指示符可以是表示所述码流中是否包括特征图数据的区域存在指示符，或者可以是表示所述码流中是否包括与所述特征图数据相关的边信息。类似地，本发明提供了一种编码方法以及编码和解码设备。因此，可以更高效地处理所述特征图数据，包括通过应用旁路降低解码复杂性以及减少传输数据的量。
特征数据指示

[发明专利]计算优化机制-CN202310884819.8在审
发明人： A·R·阿普;A·考克;L·L·赫德;D·金;M·B·麦克弗森;J·C·韦斯特;陈峰;F·阿赫巴里;N·斯里尼瓦萨;N·R·萨蒂什;J·雷;P·T·唐;M·S·斯特里克兰;陈晓明;姚安邦;T·史佩斯曼 -专利权人：英特尔公司
申请日： 2018-04-23 - 公布日： 2023-10-17 - 主分类号： G06T1/40 文献下载
摘要：本申请公开了计算优化机制。公开了一种用于促进计算优化的装置。该装置包括分类逻辑，该分类逻辑用于基于浮点线程操作的位深度将处理线程分类到数个线程组中。
计算优化机制

[发明专利]异构GPU集群中加速神经网络训练的流水线并行方法-CN202310892762.6在审
发明人：张竞慧;牛耕;金嘉晖;东方;罗军舟 -专利权人：东南大学
申请日： 2023-07-20 - 公布日： 2023-10-13 - 主分类号： G06T1/40 文献下载
摘要：本发明提供了一种异构GPU集群中加速神经网络训练的流水线并行方法，核心机制主要包含三个部分，分别是深度学习模型刻画、同构GPU模型划分及任务放置与异构GPU模型划分及任务放置。本发明首先针对深度学习应用在GPU训练过程中的资源需求，刻画出使用不同类型的GPU时训练过程中计算量、中间结果通信数量、参数同步量等相应指标，并将其作为模型划分与任务放置的输入。然后根据模型刻画结果和GPU集群的环境，设计基于动态规划的划分算法，实现异构GPU和异构带宽感知的流水线混合并行模型划分与任务放置，目的是最小化划分之后各阶段任务执行时间的最大值，以确保负载均衡，实现深度神经网络的高效分布式训练。
异构 gpu 集群加速神经网络训练流水线并行方法

[发明专利]一种基于快行列式的归一化神经网络加速方法-CN202210294205.X在审
发明人：李金阳 -专利权人：湃方科技（苏州）有限责任公司
申请日： 2022-03-24 - 公布日： 2023-10-10 - 主分类号： G06T1/40 文献下载
摘要：本发明公开了一种基于快行列式的归一化神经网络加速方法，包括以下步骤：读取用于执行神经网络计算的图形处理器可用的总显存大小，设定可配置级的大小，并基于可配置级的大小来确定拆分工作空间所使用因子的最细粒度；根据总显存大小、可配置级的大小、和最细粒度生成用于确定使卷积执行最快的最优批次尺寸和最优网络层配置的最优化加速求解架构；以最优化加速求解架构中的卷积运算效率边界条件作为适应函数。有益效果：本发明在对神经网络当前层进行加速处理时，能够并行调度当前层的下一层的参数，缩短了神经网络的整体加速时间，提高了神经网络的加速效率。
一种基于行列式归一化神经网络加速方法

[发明专利]图像处理装置、成像装置、图像处理方法、程序、以及存储介质-CN201880040227.5有效
发明人：木村良范 -专利权人：佳能株式会社
申请日： 2018-06-15 - 公布日： 2023-09-01 - 主分类号： G06T1/40 文献下载
摘要：[问题]提供可以使用与多尺度表达信息的使用和多层网络学习兼容的网络结构来执行精确的图像处理的图像处理装置。[解决手段]图像处理装置(100)包括：主单元(102)，被配置为使用具有至少两层的第一卷积神经网络将输入图像转换成第一特征量的信息；输入单元(103)，被配置为使用第二卷积神经网络将所述输入图像转换成第二特征量的信息；以及输出单元(104)，被配置为使用第三卷积神经网络将第三特征量的信息转换成输出图像，所述第三特征量的信息通过将所述第一特征量的信息和所述第二特征量的信息彼此相加来生成。
图像处理装置成像方法程序以及存储介质

[发明专利]通过指示特征图数据进行解码-CN202080108060.9在审
发明人：谢尔盖·尤里耶维奇·伊科宁;米哈伊尔·维亚切斯拉沃维奇·索苏尔尼科夫;亚历山大•亚历山德罗维奇•卡拉布托夫;蒂莫菲·米哈伊洛维奇·索洛维耶夫;王彪;伊蕾娜·亚历山德罗夫娜·阿尔希娜 -专利权人：华为技术有限公司
申请日： 2020-12-24 - 公布日： 2023-08-25 - 主分类号： G06T1/40 文献下载
摘要：本发明还涉及用于从码流中解码数据(用于静止图像或视频处理)的方法和装置。具体地，从所述码流中获取两个或多个特征图元素集。每个特征图元素集与特征图相关。然后，所述两个或多个特征图元素集中的每个分别输入多个级联层中的两个或多个特征图处理层。然后，获取用于图像或视频处理的经解码的数据，作为所述多个级联层处理的结果。因此，可以在分层结构中以高效的方式从所述码流中解码所述数据。
通过指示特征数据进行解码

[发明专利]图形处理模块、图形处理器以及图形处理方法-CN202210424036.7有效
发明人：顾德明 -专利权人：南京砺算科技有限公司
申请日： 2022-04-22 - 公布日： 2023-08-11 - 主分类号： G06T1/40 文献下载
摘要：本发明提供了一种图形处理模块、图形处理器以及图形处理方法，所述图形处理方法用于一个主图形处理单元与至少一个子图形处理单元进行多GPU联合任务处理，所述主图形处理单元通过存储单元和连接所述存储单元的交换结构与子图形处理单元以及外部系统交换数据，具体步骤包括：从外部系统接收图形处理任务及资源；分解所述图形处理任务，根据任务流程动态生成子图形处理单元的任务指令；将所述任务指令及相应资源分发给子图形处理单元；接收并同步所述子图形处理单元的运算结果；生成最终任务处理结果并返回给外部系统；本发明实现了一种晶圆级规模设计的多GPU架构图形处理器，进一步提高了图形处理的效率。
图形处理模块处理器以及方法

[发明专利]对图像数据进行处理的人工智能加速器和集成电路系统-CN202310486831.3在审
发明人：赵卓然 -专利权人：北京地平线信息技术有限公司
申请日： 2023-04-28 - 公布日： 2023-08-01 - 主分类号： G06T1/40 文献下载
摘要：本公开实施例公开了一种对图像数据进行处理的人工智能加速器和集成电路系统，其中，人工智能加速器包括：依次连接的输入单元、缓存单元和输出单元，还包括与缓存单元连接的比较单元；输入单元，用于基于预设神经网络计算得出的预测概率值集合中的每个预测概率值，并将预测概率值输入缓存单元；其中，所述预测概率值集合中包括通过预设神经网络对图像数据进行预测得到的多个预测概率值；比较单元，用于对输入到缓存单元中的预测概率值进行比较处理；缓存单元，用于缓存经过比较器比较处理后的多个预测概率值；输出单元，用于通过缓存单元输出目标数量的预测概率值，基于所述目标数量的预测概率值，确定所述预设神经网络的预测结果。
图像数据进行处理人工智能加速器集成电路系统

[发明专利]一种基于事件时间触发神经元的光流识别系统-CN202310482995.9有效
发明人：王高远;付冬梅 -专利权人：北京科技大学
申请日： 2023-05-04 - 公布日： 2023-08-01 - 主分类号： G06T1/40 文献下载
摘要：本发明公开了一种基于事件时间触发神经元的光流识别系统，涉及光流识别领域，该系统中的线阵亮度传感器用于采集目标区域在设定时段内各个位置点的光照亮度信息，得到多个事件序列；该系统中的事件时间触发神经元包括：延迟传播树突、胞体和轴突；延迟传播树突对事件序列对应的时间序列进行延迟，传输事件序列和权重至胞体；胞体根据各事件序列和对应的权重计算当前处理时刻的胞体电压增加量，从而确定胞体电压，并在胞体电压大于设定阈值时产生冲动，否则将胞体电压衰减设定倍数后进行下一次处理；轴突用于接收到冲动后，则将当前处理时刻作为事件发生时刻输出，从而确定光流速度。本发明解决了计算量大、功耗大、成本高的问题。
一种基于事件时间触发神经元识别系统

[发明专利]DNN缩简装置以及车载运算装置-CN202180073639.0在审
发明人：小松咲绘;伊藤浩朗 -专利权人：日立安斯泰莫株式会社
申请日： 2021-09-01 - 公布日： 2023-07-28 - 主分类号： G06T1/40 文献下载
摘要：本发明的DNN缩简装置(100)向使用内部存储器进行DNN运算的DNN运算部(300)输出缩简后的DNN。DNN缩简装置(100)具备输出数据大小测量部(110)和数据缩简部(120)。输出数据大小测量部(110)根据DNN网络信息来测量DNN的层中的输出数据大小。数据缩简部(120)根据输出数据大小以及内部存储器的存储容量来设定DNN的层的缩简数。
dnn 缩简装置以及车载运算

[发明专利]一种深度学习模型分布式训练的内存优化方法及系统-CN202310437009.8在审
发明人：武鲁;吕甜甜;赵志刚;王春晓;李传涛;杜文青 -专利权人：山东省计算中心（国家超级计算济南中心）;齐鲁工业大学（山东省科学院）
申请日： 2023-04-18 - 公布日： 2023-07-18 - 主分类号： G06T1/40 文献下载
摘要：本发明提出了一种深度学习模型分布式训练的内存优化方法及系统，包括：将目标深度学习模型的多个网络层基于图形处理器数量划分为多个区；每个区的网络层在进行训练时，下一训练批次的反向传播基于上一训练批次的反向传播的参数，进行交叉训练；若同一训练批次前向传播和后向传播所运行时的张量大于所在图形处理器上权重缓冲区的内存，则将所述张量分配至中央处理器上执行后并返回至所在的图形处理器。通过建立下一训练批次的反向传播和上一训练批次的反向传播的依赖关系，保证了稳定的交叉训练；通过将图形处理器上权值交换到中央处理器上处理，从而减轻图形处理器上内存的压力。
一种深度学习模型分布式训练内存优化方法系统

[发明专利]一种基于烟叶图像分割的加速处理方法及系统-CN202310437040.1在审
发明人：徐密;石超;薛辰;彭云发 -专利权人：上海创和亿电子科技发展有限公司
申请日： 2023-04-23 - 公布日： 2023-07-14 - 主分类号： G06T1/40 文献下载
摘要：本发明涉及计算机视觉技术领域，具体涉及一种基于烟叶图像分割的加速处理方法及系统。其中一种基于烟叶图像分割的加速处理方法，包括：于获取到与分割网络模型结构匹配的分割参数和基础神经网络算子状态下形成神经网络GPU引擎文件；读取采集图像，对所述采集图像做归一化处理，并于归一化处理完成后加载所述神经网络GPU引擎文件以形成一与所述采集图像匹配的推算结果；根据所述推算结果，从GPU单元传输到CPU单元上并通过指针映射到输出图像以形成处理结果。
一种基于烟叶图像分割加速处理方法系统

[发明专利]使用一个或更多个神经网络的图像生成-CN202211406338.8在审
发明人：黄勋;林子楠;刘洺堉 -专利权人：辉达公司
申请日： 2022-11-10 - 公布日： 2023-06-27 - 主分类号： G06T1/40 文献下载
摘要：本公开涉及使用一个或更多个神经网络的图像生成。描述了用于生成一个或更多个图像的装置、系统和技术。在至少一个实施例中，一个或更多个神经网络用于至少部分地基于一个或更多个噪声值来生成一个或更多个图像。
使用一个更多神经网络图像生成

[发明专利]图像卷积方法、装置、系统、计算机设备及存储介质-CN202310213475.8在审
发明人：裴京;王松;马骋;李博文;徐海峥 -专利权人：清华大学
申请日： 2023-02-28 - 公布日： 2023-06-06 - 主分类号： G06T1/40 文献下载
摘要：本申请涉及一种图像卷积方法、装置、系统、计算机设备和存储介质。所述方法包括：在第i轮卷积处理中，接收数据处理器在第i轮卷积处理中发送的第j个读地址生成请求；根据预设的读写模式，和在第i轮卷积处理中生成的第j‑1个读地址，生成第j个读地址；将第j个读地址发送至存储器；接收数据处理器发送的第j个写地址生成请求；将第j个读地址作为第j个写地址，并将第j个写地址发送至存储器。采用本方法能够使得数据处理器可以读取任意地址的数据作为偏置数据。
图像卷积方法装置系统计算机设备存储介质

1
2
3
4
5
下一页»
尾页
共 66 条