专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果843202个,建议您升级VIP下载更多相关专利
  • [发明专利]一种模型部署方法、装置、推理系统-CN202210331031.X在审
  • 朱文姣;姚沛;郑星 - 杭州海康威视数字技术股份有限公司
  • 2022-03-30 - 2023-10-27 - G06F8/60
  • 本发明实施例提供了一种模型部署方法、装置、推理系统。其中,该方法包括:获取云端设备发送的第一训练格式数据和第一中间格式数据,训练格式数据和第一中间格式数据的格式不同,且用于表示云端设备训练得到的第一模型;根据第一训练格式数据,对第一模型模型参数进行训练,得到用于表示第二模型的第二训练格式数据;根据第二训练格式数据,将第一中间格式数据中的第一参数子数据更改为用于表示第二模型模型参数的第二参数子数据,得到用于表示第二模型的第二中间格式数据,其中,第一参数子数据用于表示第一模型模型参数;根据第二中间格式数据部署第二模型。可以提高模型部署效率。
  • 一种模型部署方法装置推理系统
  • [发明专利]三维模型格式到轻量化数据格式快速转换方法-CN202211002493.3在审
  • 运东伦;张瑞 - 南京国睿信维软件有限公司
  • 2022-08-22 - 2022-09-20 - G06F16/11
  • 本发明涉及一种三维模型格式到轻量化数据格式快速转换方法,属于数据格式内容转换的技术领域,包括:输入三维模型路径,在三维模型会话中打开模型文档,调用三维模型程序命令;提取模型中相关属性信息,执行三维模型到STP格式转换,通过Open CASCADE框架提供转换方法转换STP格式数据为轻量化格式文件;调用gltf‑pipeline命令,使用google提供的DRACO压缩算法对轻量化格式文件进行压缩,把轻量化格式文件压缩为本发明能够把三维模型转换为轻量化格式模型,使其直接在浏览器页面进行展示,不用依赖三维模型中查看模型,极大提高用户工作效率。
  • 三维模型格式量化数据格式快速转换方法
  • [发明专利]信息处理方法及相关设备-CN201911195547.0有效
  • 吴展 - 华为技术有限公司
  • 2019-11-28 - 2022-08-09 - H04L41/08
  • 本申请实施例提供了一种信息处理方法及相关设备,该方法应用于软件定义网络,该方法包括:获取第二模型格式的数据,该第二模型格式包括第二模型字段信息,该第二模型字段信息包括一个或多个转发器支持的模型格式的字段信息;比较该第二模型字段信息和第三模型字段信息得到比较结果,该第三模型字段信息为第三模型格式所包括的字段信息,该第三模型格式为第一转发器支持的模型格式;在该比较结果指示该第二模型字段信息能够转换为该第三模型字段信息的情况下,将该第二模型格式的数据转换为第三模型格式的数据;向该第一转发器发送该第三模型格式的数据。
  • 信息处理方法相关设备
  • [发明专利]模型量化方法及其装置-CN202310324730.6在审
  • 金均生;李盼;王景森;赵磊;刘明华;李健;齐浩;林战刚;胡景贺 - 北京沃东天骏信息技术有限公司;北京京东世纪贸易有限公司
  • 2023-03-29 - 2023-07-11 - G06N20/00
  • 本申请提出了一种模型量化方法及其装置,涉及数据处理技术领域。该方法包括:获取待量化的源深度学习模型和源深度学习模型的第一模型格式;获取量化后目标深度学习模型所支持的第二模型格式,并在第一模型格式与第二模型格式不一致时,对源深度学习模型进行格式转换,以获取第二模型格式下的第一候选深度学习模型;对第一候选深度学习模型模型参数进行量化处理,以获取第二候选深度学习模型;对第二候选深度学习模型进行轻量级推理转换,以获取量化后的目标深度学习模型。本申请可以提高模型量化的通用性,适用于多深度学习训练框架生成的不同模型格式的深度学习模型,可以平衡深度学习模型的量化效率以及量化精度,减少内存占用和参数更新。
  • 模型量化方法及其装置
  • [发明专利]卷积神经网络模型的通道调整方法、装置和设备-CN202110174072.8在审
  • 张洪光 - 普联技术有限公司
  • 2021-02-07 - 2021-05-07 - G06K9/36
  • 本发明公开了一种卷积神经网络模型的通道调整方法,包括:当输入图片的当前格式与卷积神经网络模型的输入格式不同时,提取卷积神经网络模型中第一层卷积层的权重;对权重进行一次格式转换,以将权重从初始格式转换成通用格式;根据输入图片的当前格式对卷积层的通道进行调整;对通用格式下的所述权重进行二次格式转换,以将权重从通用格式转换成与卷积神经网络模型对应的目标格式;将目标格式下的权重赋值给卷积层。本发明还公开了一种卷积神经网络模型的通道调整装置、设备和一种计算机可读存储介质。采用本发明实施例,能支持不同框架模型中通道的调整,提高了卷积神经网络模型的处理效率。
  • 卷积神经网络模型通道调整方法装置设备
  • [发明专利]神经网络加速器运行方法、架构及相关装置-CN201910556997.1在审
  • 周明君;方攀;陈岩 - OPPO广东移动通信有限公司
  • 2019-06-25 - 2020-12-25 - G06N3/063
  • 本申请实施例公开了一种神经网络加速器运行方法、架构及相关装置,其特征在于,应用于电子设备,神经网络加速器运行架构,架构包括映射库、映射工具、模型执行器、硬件加速器,方法包括:通过映射库加载标准模型文件,标准模型文件包括标准模型图文件和标准模型数据文件;获取并解析标准模型文件格式,并根据所述标准模型文件生成模型内部表示;调用映射工具将标准模型文件格式映射为硬件模型格式,硬件模型格式为硬件加速器可识别的模型格式;根据标准模型文件格式或硬件模型格式,通过模型执行器获取硬件执行流;执行硬件执行流。本申请实施例有利于实现灵活选择适合的模型的运行方案,以达到最优的系统性能。
  • 神经网络加速器运行方法架构相关装置
  • [发明专利]一种文本格式审核方法、模型及存储介质-CN202111665454.7在审
  • 陆舟 - 飞天诚信科技股份有限公司
  • 2021-12-31 - 2022-04-05 - G06F40/103
  • 本发明公开了一种文本格式审核方法、模型、及存储介质。其中,所述方法包括:通过训练文本构建文本格式审核模型,将待检测文本输入至构建成功的文本格式审核模型,基于所述文本格式审核模型输出所述待检测文本审核结果张量类型数据,根据所述审核结果张量类型数据判断待检测文本是否通过格式审核,并对未通过格式审核的待检测文本进行格式错误批注。本发明通过提取训练文本的格式特征要素,训练文本格式自动审核模型,实现对文本格式的自动审核,节约了人工成本,有效提高了文本格式的审核效率和准确率。
  • 一种文本格式审核方法模型存储介质
  • [发明专利]用于标识对象的方法和系统-CN201980097929.1在审
  • M·德姆林;李千山;田文鑫 - 宝马股份公司
  • 2019-06-28 - 2022-02-01 - G06V20/54
  • 该方法包括:在第一时刻,获取由车辆装载的相机输出的原始数据,所输出的原始数据具有针对连续模型的连续数据输出格式或针对离散模型的离散数据输出格式中的一者;将该原始数据馈送到离散统计模型以形成针对第一时刻的离散统计模型格式数据,离散统计模型格式数据包括具有连续数据输出格式的连续部分和具有离散数据输出格式的离散部分;将针对第一时刻的离散统计模型格式数据与历史离散统计模型格式数据进行融合以更新针对第一时刻的离散统计模型格式数据;以及从经更新的针对第一时刻的离散统计模型格式数据中标识对象,其中该对象包括以曲线来表征的车道线。
  • 用于标识对象方法系统
  • [发明专利]一种模型更新方法、装置及电子设备-CN202210325242.2在审
  • 黄斌;丁健;叶挺群 - 杭州海康威视数字技术股份有限公司
  • 2022-03-30 - 2023-10-27 - G06F8/65
  • 本发明实施例提供了一种模型更新方法、装置及电子设备。其中,所述方法包括:获取服务器发送的中间格式数据和位置信息,所述中间格式数据用于表示第二模型,所述第二模型为所述服务器对所述第一模型进行训练得到的,所述位置信息用于表示所述中间格式数据的参数区的位置,所述参数区用于记录模型参数;根据所述位置信息,读取所述中间格式数据的参数区记录的模型参数,作为目标模型参数;根据所述目标模型参数,更新所述第一可执行格式数据的参数区,得到第二可执行格式数据,其中,所述第二可执行格式数据的参数区记录的模型参数为所述目标模型参数可以降低模型更新对于端侧设备的硬件性能的要求。
  • 一种模型更新方法装置电子设备

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top