“尹泽芃”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果6个，建议您升级VIP下载更多相关专利

[发明专利]一种XR信息传输控制方法、装置、系统及存储介质-CN202310922354.0在审
发明人：牛冠冲;尹泽芃;杨清海;毛亮;黄振江;颜斌 -专利权人：广州通则康威智能科技有限公司;西安电子科技大学广州研究院
申请日： 2023-07-25 - 公布日： 2023-10-10 - 主分类号： H04L67/131 文献下载
摘要：本发明公开了一种XR信息传输控制方法、装置、系统及存储介质，方法包括：控制云端服务器对接收到的XR信息进行解析和虚拟渲染，生成虚拟3D图像；XR信息由XR应用程序传输而来；XR信息包括：用户姿态信息和场景信息；分别逐帧对虚拟3D图像和原始音频信号进行压缩，生成图像压缩数据和音频压缩数据，并将图像压缩数据和音频压缩数据作为压缩数据传输给边缘端；控制边缘端对压缩数据进行解压缩和变化检测，生成检测结果，并将检测结果发送给终端；检测结果包括发生变化的虚拟3D图像或音频信息及其变化类型；控制终端根据检测结果对客户端中对应的数据进行更新，以实现减少数据传输量和带宽占用，从而提高XR信息传输的效率和稳定性。
一种 xr 信息传输控制方法装置系统存储介质

[发明专利]一种神经网络实时结构化剪枝的方法和系统-CN202310285559.2在审
发明人：杨清海;尹泽芃 -专利权人：西安电子科技大学广州研究院
申请日： 2023-03-22 - 公布日： 2023-07-14 - 主分类号： G06N3/082 文献下载
摘要：本发明公开了一种神经网络实时结构化剪枝的方法和系统，涉及人工智能技术领域。该方法包括：配置数据检测方案；计算本阶段输入数据并将计算结果写入存储单元；根据数据检测方案对计算结果进行检测，获得其数据特征；根据剪枝要求对数据特征进行判断，若数据特征满足剪枝要求，则对计算结果进行剪枝操作，且本阶段的该部分数据不参与后续运算；若数据特征不满足剪枝要求，则正常执行后续计算流程。本发明通过对输入数据进行实时结构化剪枝，降低了模型前向推理过程中的计算量，提高模型推理效率；本发明在数据写入存储单元的同时实现数据检测，不占用额外的数据访存时间；释放满足剪枝要求的数据所占的存储空间，减少推理过程中的运算空间需求。
一种神经网络实时结构剪枝方法系统

[发明专利]一种数据实时量化的方法和系统-CN202310285558.8在审
发明人：杨清海;尹泽芃 -专利权人：西安电子科技大学广州研究院
申请日： 2023-03-22 - 公布日： 2023-07-04 - 主分类号： G06N3/0464 文献下载
摘要：本发明提供了一种数据实时量化的方法和系统，属于数字信号处理领域。本申请通过在计算单元和存储单元间加入数据监测单元，来对输出数据的自定义数据范围进行监测，并在计算数据读取或搬运的同时，通过移位等操作实现对数据的实时量化工作。本发明有效的降低了算法对硬件设备计算资源和存储资源的要求，降低了数据处理所需的能耗。此外，该方法可以在算法执行过程中，在不引入过多额外操作的前提下，针对计算数据实现实时的数据量化处理。通过对不同阶段的计算数据进行实时、动态的数据量化处理，从而提高数据处理的精度。
一种数据实时量化方法系统

[发明专利]一种太阳板控制系统及方法-CN202210994531.1在审
发明人：杨清海;尹泽芃 -专利权人：西安电子科技大学广州研究院
申请日： 2022-08-18 - 公布日： 2022-12-06 - 主分类号： G05D3/12 文献下载
摘要：本发明公开了一种太阳板控制系统，控制器与通信模块、图像采集模块、机械控制模块和功率检测模块进行信息交互，通信模块用于负责与系统外界进行交互，图像采集模块用于采集外界图像信息，外界图像信息包括天气状态信息；机械控制模块根据天气状态信息控制机械装置结构移动，使太阳板最大程度上接收太阳能；功率检测模块用于对太阳能板功率进行检测，完成对太阳板控制系统状态进行识别，本发明通过机器视觉、数据本地缓存等方式实现太阳追踪功能，具有基于环境的反馈调整和在非晴天天气状态下实现太阳追踪功能，在部署时无需严格按照当地经纬度、时间等参数进行配置，极大地简化了太阳板的部署工作。
一种太阳控制系统方法

[发明专利]一种基于FPGA的目标快速检测系统-CN202210819220.1在审
发明人：杨清海;尹泽芃 -专利权人：西安电子科技大学广州研究院
申请日： 2022-07-12 - 公布日： 2022-11-11 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于FPGA的目标快速检测系统，涉及计算机视觉技术领域。该系统的SoC片上计算模块基于FPGA实现，包括处理器和深度学习协处理器；深度学习协处理器对待处理图像进行第一次检测，得到包含目标物体的局部图像，对局部图像进行第二次检测，得到检测结果。通过FPGA实现SoC片上计算模块功能，进行物体检测可以清楚地知道深度学习推理计算的时延并且该系统具有较高稳定性，SoC片上计算模块先进行目标物体的大致检测，再根据目标物体在全局视图的待处理图像中的信息对相应局部视图的局部图像进行采集及推理检测，使得每个神经网络模型所需的计算量、模型参数大大降低，提高了检测效率。
一种基于 fpga 目标快速检测系统

[发明专利]一种基于FPGA的通用型轻量级卷积神经网络加速方法-CN202210473456.4在审
发明人： 尹泽芃;杨清海 -专利权人：西安电子科技大学广州研究院
申请日： 2022-04-29 - 公布日： 2022-08-23 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种基于FPGA的通用型轻量级卷积神经网络加速方法，涉及计算机硬件加速技术领域。获取目标卷积神经网络当前的目标输入数据和模型结构参数；根据目标输入数据和模型结构参数配置目标IP核中的目标功能算子；通过目标功能算子计算目标输入数据得到目标输出数据，并根据模型结构参数和存储单元的容量对目标输出数据进行搬运；根据模型结构参数依次重复执行上述步骤，完成目标卷积神经网络整体的计算。通过将卷积神经网络模型划分成基本算子的组合，根据目标输入数据和目标基本算子的类型配置各个基本算子，依次完成各个目标功能算子的计算，进而完成目标卷积神经网络整体的计算。提升了卷积神经网络加速器的可拓展性和灵活性。
一种基于 fpga 通用型轻量级卷积神经网络加速方法