“卷积”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果57152个，建议您升级VIP下载更多相关专利

[发明专利]一种用于卷积神经网络模型的压缩方法以及压缩装置-CN202110565583.2在审
发明人：欧歌;马小惠;梁烁斌 -专利权人：北京京东方技术开发有限公司;京东方科技集团股份有限公司
申请日： 2021-05-24 - 公布日： 2022-11-25 - 主分类号： G06N3/08 文献下载
摘要：本公开实施例提出了一种用于卷积神经网络模型的压缩方法以及压缩装置，其包括以下步骤：构建卷积神经网络模型，所述卷积神经网络模型至少包括多层设置的一维卷积层；对所述卷积神经网络模型进行训练；针对完成训练的所述卷积神经网络模型中的所述一维卷积层中不同层的卷积核过滤器按照预定顺序进行剪枝操作本公开实施例采用基于度量的剪枝操作来实现对于卷积神经网络模型的压缩，从而减少卷积神经网络模型的冗余，避免因为剪枝造成模型精度的降低，使得卷积神经网络模型在具有较高的识别精度的同时，实现模型轻量化，便于向硬件设备移植
一种用于卷积神经网络模型压缩方法以及装置

[发明专利]轻量级神经网络加速器及量化方法-CN202111679279.7在审
发明人：乐超;汪小勇;何金;柳铭哲;李艺峰 -专利权人：思特威（上海）电子科技股份有限公司
申请日： 2021-12-31 - 公布日： 2023-07-14 - 主分类号： G06N3/063 文献下载
摘要：本发明公开了一种轻量级神经网络加速器及量化方法，轻量级神经网络加速器，包括：指令调度模块、卷积计算模块，其中；所述指令调度模块与所述卷积计算模块相连，用于发送操作指令给所述卷积计算模块对输入数据执行卷积计算；所述卷积计算模块，用于接收操作指令，根据操作指令对所述输入数据执行卷积计算，并输出卷积推理结果；其中，所述卷积计算模块包括移位器，所述卷积计算模块的每一卷积层对所述输入数据执行卷积计算时，通过所述移位器进行
轻量级神经网络加速器量化方法

[发明专利]基于卷积神经网络预训练模型的卷积核激活值正则化方法和系统-CN202310841509.8在审
发明人：宋明黎;徐文祥;陈琳;贾志杰;冯尊磊 -专利权人：浙江大学
申请日： 2023-07-11 - 公布日： 2023-10-03 - 主分类号： G06N3/084 文献下载
摘要：基于卷积神经网络预训练模型的卷积核激活值正则化方法和系统，其方法包括：1)预训练卷积神经网络模型；2)计算卷积核产生的激活值的重要程度；3)正则化处理卷积核产生的激活值，产生新的激活值，使用新的激活值代替原先的激活值；4)基于正则化处理之后的卷积神经网络模型对图像进行分类。本发明找到卷积神经网络预训练模型中每个卷积核产生的激活值的重要程度，基于激活值的重要程度对卷积核激活值进行正则化处理。根据分类结果计算损失函数，利用损失函数对卷积神经网络的参数进行更新，提升预训练卷积神经网络的图像分类性能。
基于卷积神经网络训练模型激活正则方法系统

[发明专利]基于卷积神经网络的分类模型构建方法和设备-CN201410024775.2有效
发明人：吴春鹏;范伟;何源;孙俊 -专利权人：富士通株式会社
申请日： 2014-01-20 - 公布日： 2018-03-27 - 主分类号： G06N3/08 文献下载
摘要：公开了一种基于卷积神经网络的分类模型构建方法和设备，该方法包括卷积步骤，以随机卷积方式对训练样本进行第一阶段训练，以得到用于卷积操作的卷积模板值，从而构建包括卷积模板值的分类模型，其中，以随机卷积方式对训练样本进行第一阶段训练进一步包括对于至少一个当前卷积层，基于预定概率阈值以随机方式打断当前卷积层的特征图中的元素与和当前卷积层相邻的上一层的特征图中的元素之间的连接。根据本公开，可以减少训练样本时使用的权值数量，减轻过拟合问题，从而提高卷积神经网络的泛化能力。
基于卷积神经网络分类模型构建方法设备

[发明专利]神经网络模型中数据处理方法、存储介质和电子装置-CN202011541149.2有效
发明人：黄高;浦一凡;韩益增 -专利权人：清华大学
申请日： 2020-12-23 - 公布日： 2022-12-02 - 主分类号： G06V10/82 文献下载
摘要：本申请实施例公开了一种神经网络模型中数据处理方法、存储介质和电子装置，其中所述神经网络模型的卷积层采用分情况赋予参数的卷积核，所述方法包括：将卷积层的输入特征图通过预设的寻径函数进行处理，得到所述输入特征图在预设的旋转维度上的空间特征；利用所述空间特征对所述卷积层中的E组卷积权重参数进行空间变换，得到空间变换后的卷积权重参数，其中E为大于等于2的整数；根据所述空间变换后的E组卷积权重参数，获取所述输入特征图的目标卷积权重参数；将所述目标卷积权重参数与所述输入特征图执行卷积运算，得到所述卷积层的输出特征图。
神经网络模型数据处理方法存储介质电子装置

[发明专利]局部二值化CNN的处理方法、装置、存储介质及处理器-CN201710720466.2在审
发明人：王志鹏;周文明 -专利权人：珠海习悦信息技术有限公司
申请日： 2017-08-21 - 公布日： 2017-12-19 - 主分类号： G06K9/62 文献下载
摘要：其中，该方法包括根据预设数据集训练第一卷积神经网络，得到第二卷积神经网络；将第一卷积神经网络中的全部卷积层单元替换为局部二值化卷积单元，从而得到第三卷积神经网络；将第三卷积神经网络中的目标全连接层替换为分组连接层，从而得到第四卷积神经网络，其中，目标全连接层为第三卷积神经网络中除底层分类层之外的其余全连接层；对第四卷积神经网络进行初始化处理，得到第五卷积神经网络；基于第二卷积神经网络和预设数据集对第五卷积神经网络进行训练，得到目标卷积神经网络。本发明解决了现有技术中的局部二值化卷积神经网络存在的运行效率较低的技术问题。
局部二值化 cnn 处理方法装置存储介质处理器

[发明专利]一种对卷积神经网络处理器的控制方法及装置-CN201810685546.3有效
发明人：韩银和;许浩博;王颖 -专利权人：中国科学院计算技术研究所
申请日： 2018-06-28 - 公布日： 2021-03-09 - 主分类号： G06N3/063 文献下载
摘要：本发明提供一种控制方法，包括：1)确定需要执行的卷积运算的尺寸n*n；2)根据需要执行的卷积运算的尺寸n*n，选择在m2个5*5的卷积计算单元中载入与所述尺寸对应的卷积核的数值，并将其余的各个数值填充为0，5m≥n；3)根据需要执行的卷积运算的尺寸、需要执行卷积的输入特征图的尺寸，确定卷积计算过程所需的周期数；4)在卷积计算过程中的各个周期，将相应的输入特征图的数值载入到所述m2个5*5的卷积计算单元中，所述输入特征图的数值在所述m2个5*5的卷积计算单元中的分布与所述卷积核的数值在所述m2个5*5的卷积计算单元中的分布保持一致；控制载入了卷积核以及输入特征图的数值的所述m2个5*5的卷积计算单元分别执行与所述周期数对应的卷积计算
一种卷积神经网络处理器控制方法装置

[发明专利]图像处理方法及相关设备-CN202011106093.8有效
发明人：易立强 -专利权人：深圳云天励飞技术股份有限公司
申请日： 2020-10-16 - 公布日： 2021-01-05 - 主分类号： G06T7/10 文献下载
摘要：本申请实施例提供一种图像处理方法及相关设备，其中，所述方法包括：对扩张卷积的输入图像数据进行分组处理，得到Dh×Dw个分组图像数据，其中，所述Dh为所述扩张卷积对应的卷积核在高度维度上的扩张率，所述Dw为所述扩张卷积对应的卷积核在宽度维度上的扩张率>w个分组图像数据分别进行卷积运算，得到Dh×Dw个分组卷积运算结果，其中，所述第一卷积核为所述扩张卷积扩张前的卷积核；根据所述Dh×Dw个分组卷积运算结果得到所述输入图像数据的扩张卷积运算结果。采用本申请实施例，有利于降低扩张卷积的运算功耗，提高扩张卷积的运算效率。
图像处理方法相关设备

[发明专利]一种卷积神经网络中矩阵边界的填充方法及装置-CN201811125324.2在审
发明人：曾建;徐昕;肖立波 -专利权人：旺微科技（上海）有限公司
申请日： 2018-09-26 - 公布日： 2019-02-01 - 主分类号： G06F17/16 文献下载
摘要：本发明公开了一种卷积神经网络中矩阵边界的填充方法，所述方法包括：1)、针对卷积神经网络，根据卷积前的原始矩阵中待运算的元素在所述原始矩阵中的位置，以及所述卷积神经网络的核矩阵的大小，判断卷积过程中是否存在无法被卷积的元素，其中，所述原始矩阵包括：卷积矩阵或者池化矩阵；2)、若是，在所述卷积前的原始矩阵的边界外添加第一预设数量列和/或第二预设数量行的预设的元素。本发明公开了一种卷积神经网络中矩阵边界的填充装置。应用本发明实施例，提高了卷积的精度。
卷积神经网络卷积原始矩阵矩阵边界预设矩阵填充填充装置核矩阵池化运算应用

[发明专利]模型优化、质量检测方法、装置、设备及存储介质-CN201711242597.0在审
发明人：万韶华 -专利权人：北京小米移动软件有限公司
申请日： 2017-11-30 - 公布日： 2018-05-08 - 主分类号： G06K9/66 文献下载
摘要：本公开提供一种模型优化、质量检测方法、装置、设备及存储介质，所述模型优化方法包括：获取基于卷积神经网络训练获得的初始模型；基于所述初始模型中卷积层的通道对初始模型预测结果的影响程度，对所述初始模型中卷积层的通道进行筛选，获得目标模型，所述目标模型中卷积层的通道数量少于所述初始模型中卷积层的通道数量；所述卷积层的通道是卷积核的输入通道，每个通道内进行卷积运算。由于减少了卷积层的通道数量，进而减少了卷积运算，因此可以减少计算量，提高计算效率。
模型优化质量检测方法装置设备存储介质

[发明专利]卷积-全连接参数置换与全连接神经元补偿的卷积神经网络设计方法-CN201910584313.9在审
发明人：杨晨;张靖宇;陈琦;张景越;徐建龙 -专利权人：西安交通大学
申请日： 2019-07-01 - 公布日： 2019-10-18 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了卷积‑全连接参数置换与全连接神经元补偿的卷积神经网络设计方法，针对调整前的卷积神经网络，在卷积层结构中，增加每层卷积的卷积核大小，减少每层卷积的特征图通道的大小，以压缩全连接层结构中第1层全连接层的输入参数量，增加卷积层结构的参数占比，减少全连接层结构的参数占比；针对调整前的卷积神经网络，在全连接层结构中，增加全连接层的神经元结点的数目，以提取更多的特征信息分析学习，补偿整个卷积神经网络的精度。
卷积神经网络卷积连接层神经元连接参数层结构置换特征信息分析卷积核特征图结点压缩学习

[发明专利]通道修剪方法、装置、计算机设备及存储介质-CN202211363379.3在审
发明人：田冠中;陈漪皓;刘勇;谢磊;马龙华;苏宏业;崔家林;赵祥红;吴成玉 -专利权人：浙江大学
申请日： 2022-11-02 - 公布日： 2023-01-24 - 主分类号： G06N3/0464 文献下载
摘要：本申请涉及通道修剪方法、装置、计算机设备及存储介质，应用于包含卷积层的神经网络，神经网络应用于图像处理，卷积层包括通道，所述方法包括：根据图像数据，获取卷积层的秩；根据图像数据，获取卷积层的熵；根据卷积层的秩和熵，获取卷积层的总体指标；根据总体指标得到每个卷积层的修剪比；获取卷积层中通道的沙普利值；根据通道的沙普利值和卷积层的修剪比，对卷积层中的通道进行修剪。
通道修剪方法装置计算机设备存储介质

[发明专利]一种基于方向诱导卷积的点云分析方法-CN202011436923.3有效
发明人：许春燕;方远;张书敏;张亮方;崔振 -专利权人：南京理工大学
申请日： 2020-12-11 - 公布日： 2022-09-27 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种基于方向诱导卷积的点云分析方法，包括构建方向诱导卷积模块，所述方向诱导卷积模块用于提取点云无序邻域的特征；基于方向诱导卷积模块，构建残差方向诱导卷积模块和最远点采样残差方向诱导卷积模块；根据残差方向诱导卷积模块和最远点采样残差方向诱导卷积模块构建方向诱导卷积网络；将点云数据输入方向诱导卷积网络，获得点云分割结果和分类结果。
一种基于方向诱导卷积分析方法

[发明专利]一种基于深度卷积生成式对抗网络的桥梁裂缝图像生成模型-CN201810669188.7在审
发明人：李良福;孙瑞赟 -专利权人：陕西师范大学
申请日： 2018-06-26 - 公布日： 2018-12-18 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及一种基于深度卷积生成式对抗网络的桥梁裂缝图像生成模型，包括生成子模型和判别子模型，生成子模型和判别子模型进行训练；生成子模型依次包括全连接层、维度转换层、第一转置卷积层、第二转置卷积层、第三转置卷积层、第四转置卷积层和第五转置卷积层；判别子模型依次包括第一卷积层、第二卷积层、第三卷积层、第四卷积层、第五卷积层、第六卷积层、第七卷积层和Sigmoid激活函数层。本发明的判别子模型加入1x1的卷积核可以在不改变特征图大小的情况下进行降维，减少参数的个数，从而降低计算时间。
卷积转置子模型桥梁裂缝图像生成生成子裂缝图像生成式激活函数网格现象卷积核连接层特征图相似度转换层对抗降维维度采集网络清晰

[发明专利]一种卷积神经网络处理方法-CN202010726517.4在审
发明人：徐旭;温志康;焦雪;何英 -专利权人：辽宁好尔斯科技有限公司
申请日： 2020-07-25 - 公布日： 2020-10-30 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种卷积神经网络处理方法，包括如下步骤：S1将原始数据输入至卷积神经网络，原始数据包括图像数据、音频数据、自然语言数据中的至少一种；S2对初始卷积网络进行训练，得到第一卷积神经网络；S3对第一卷积神经网络进行简化处理，得到第二卷积神经网络；S4向第二卷积神经网络中拆分的卷积层中添加残差分支，得到第三卷积神经网络；S5对第三卷积网络进行训练，得到第四卷积神经网络。本发明实现了提升卷积在终端运行时的压缩与加速过程中的运行效率、有效保障了卷积神经网络在终端上运行的性能、极大降低了卷积网络运行过程中的参数量及计算量的技术效果。
一种卷积神经网络处理方法