“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]一种卷积运算方法、装置、设备及存储介质-CN202110843608.0在审
发明人：陈永青;胡辰;卜景德 -专利权人：中科曙光国际信息产业有限公司
申请日： 2021-07-26 - 公布日： 2021-10-26 - 主分类号： G06N3/04 文献下载
摘要：本发明实施例公开了一种卷积运算方法、装置、设备及存储介质，其中，方法包括：在目标卷积层的运算过程中，获取目标卷积层的卷积参数组；将目标卷积层的卷积参数组输入至预先训练的卷积算法预测模型，通过预先训练的卷积算法预测模型，在各个预设卷积算法中确定出与目标卷积层对应的目标卷积算法、以及与目标卷积算法对应的预测运行时间；使用目标卷积算法对目标卷积层进行卷积运算。本发明实施例可以在目标卷积层的运算过程中，通过预先训练的卷积算法预测模型，根据目标卷积层的卷积参数组，快速而准确地确定对目标卷积层进行卷积运算的运行时间最短的目标卷积算法，即与目标卷积层对应的可以达到最优的卷积运算加速效果的最优卷积算法
一种卷积运算方法装置设备存储介质

[发明专利]一种卷积计算方法、装置、电子设备及可读存储介质-CN202211644932.0在审
发明人：易立强;蔡万伟 -专利权人：深圳云天励飞技术股份有限公司
申请日： 2022-12-19 - 公布日： 2023-06-06 - 主分类号： G06N3/0464 文献下载
摘要：本申请提供了一种卷积计算方法、装置、电子设备及可读存储介质。所述方法包括：获取目标卷积层的卷积参数，目标卷积层为卷积神经网络中的任一卷积层，目标卷积层包括卷积核；根据卷积参数及目标卷积层的运算量，确定目标卷积层对应的卷积算法的最优参数，获得目标卷积算法；根据最优参数处理输入特征图及卷积核，获得处理后输入特征图及处理后卷积核，最优参数的值用于表征处理后输入特征图及处理后卷积核的尺寸；利用目标卷积算法对目标卷积层进行卷积运算，获得各处理后卷积核中对应输入特征图的输出特征图。本申请能够提高卷积算法在对目标卷积层进行卷积运算中的性能，同时减少目标卷积层的运算量，提高目标卷积层的运算效率。
一种卷积计算方法装置电子设备可读存储介质

[发明专利]一种卷积神经网络的计算方法及系统-CN201810646058.1有效
发明人：张广艳;李夏青;郑纬民 -专利权人：清华大学
申请日： 2018-06-21 - 公布日： 2021-01-05 - 主分类号： G06N3/04 文献下载
摘要：本发明提供一种卷积神经网络的计算方法及系统，其中方法包括：获取目标卷积神经网络中所有卷积层对应的配置参数，对于任意一个卷积层，根据该卷积层对应的配置参数在知识库中查找该卷积层对应的最佳卷积策略组合；若知识库中不存在最佳卷积策略组合，则将该卷积层分解成多个卷积阶段，对于任意一个卷积阶段，获取该卷积阶段对应的多个候选卷积策略，从所有候选卷积策略中筛选出该卷积阶段对应的最佳卷积策略；将所有卷积阶段对应的最佳卷积策略进行组合，获得该卷积层对应的最佳卷积策略组合，以使得目标卷积神经网络中的所有卷积层根据各自对应的最佳卷积策略组合进行卷积计算。该方法及系统能够提高卷积神经网络的整体计算效率和整体性能。
一种卷积神经网络计算方法系统

[发明专利]用于卷积神经网络的卷积运算装置-CN202010514287.5有效
发明人：焦海龙;刘敏 -专利权人：北京大学深圳研究生院
申请日： 2020-06-08 - 公布日： 2022-04-19 - 主分类号： G06N3/04 文献下载
摘要：一种用于卷积神经网络的卷积运算装置,涉及电子信息以及深度学习技术领域，用于对待卷积矩阵与卷积核矩阵进行卷积计算以获取卷积结果矩阵，包括待卷积矩阵控制器、卷积核矩阵控制器和卷积运算模块。待卷积矩阵控制器和卷积核矩阵控制器分别按卷积顺序获取待卷积矩阵和卷积核矩阵的标签矩阵，只有当待卷积矩阵和卷积核矩阵的标签矩阵的相同位置上的元素值均为预设值时，才将与标签矩阵的元素对应的待卷积矩阵和卷积核矩阵的元素进行卷积运算以获取卷积结果矩阵由待卷积矩阵和卷积核矩阵的标签矩阵的相同位置上的元素值均为预设值而引入的稀疏性要远大于待卷积矩阵和卷积核矩阵，使得卷积运算的计算量降低，进而加速卷积神经网络的运算速度。
用于卷积神经网络运算装置

[发明专利]一种图像卷积处理方法和电子设备-CN202010196706.5有效
发明人：屠震元;叶挺群 -专利权人：杭州海康威视数字技术股份有限公司
申请日： 2020-03-19 - 公布日： 2023-10-13 - 主分类号： G06F9/50 文献下载
摘要：本申请实施例提供了一种图像卷积处理方法和电子设备，获取待卷积图像和卷积核；判断当前硬件平台的硬件资源，是否满足使用第一目标预设卷积分块方式进行图像卷积处理时对硬件资源的需求；若满足，使用第一目标预设卷积分块方式，对待卷积图像和卷积核进行图像卷积处理；若不满足，根据预先设定的卷积核的个数与卷积分块方式的对应关系，从除第一目标预设卷积分块方式之外的其他预设卷积分块方式中，选择与卷积核的个数对应的第二目标预设卷积分块方式，使用第二目标预设卷积分块方式对待卷积图像和卷积核进行图像卷积处理。本申请实施例中，在多种卷积分块方式中选择目标卷积分块方式，提高了图像卷积处理的效率。
一种图像卷积处理方法电子设备

[发明专利]深度神经网络裁剪方法、装置及电子设备-CN201911280967.9在审
发明人：舒红乔;王奇刚;李远辉;向辉;邓建林 -专利权人：联想（北京）有限公司
申请日： 2019-12-09 - 公布日： 2020-04-21 - 主分类号： G06N3/08 文献下载
摘要：本申请实施例公开了一种深度神经网络裁剪方法、装置及电子设备，将目标卷积层中稀疏度最高的卷积核作为基准卷积核，根据该基准卷积核对各个非基准卷积核的相对熵，以及各个非基准卷积核中元素的绝对值，确定至少一个目标卷积核；该目标卷积核与基准卷积核的差异，小于目标卷积层中非目标卷积核与所述基准卷积核的差异；删除该至少一个目标卷积核，并对目标卷积层的下一卷积层中的各个卷积核进行处理，使得下一卷积层中的各个卷积核与所述目标卷积层中剩余的卷积核相适配，减少了目标卷积层中卷积核的数量和输出的特征图的数量，以及目标卷积层的下一卷积层中卷积核的数据量，在保证网络模型的处理精度的同时提升网络模型的加速效果。
深度神经网络裁剪方法装置电子设备

[发明专利]基于卷积神经网络的图像处理方法和图像处理装置-CN201980001620.8在审
发明人：王云鹤;许春景;韩凯 -专利权人：华为技术有限公司
申请日： 2019-09-04 - 公布日： 2021-01-15 - 主分类号： G06K9/66 文献下载
摘要：本申请公开了人工智能领域的一种基于卷积神经网络的图像处理方法和图像处理装置，该方法可包括：接收输入图像；对该输入图像进行预处理，得到预处理后的图像信息；利用卷积神经网络对该图像信息进行卷积操作，输出卷积操作结果；其中，在利用第n层卷积层对该图像信息进行卷积操作时，由该层卷积层的m个主卷积核得到r个辅卷积核之后，利用该层卷积层的m个主卷积核和r个辅卷积核分别对该图像信息做卷积运算，将得到的多个特征图进行拼接得到该层卷积层的卷积操作结果本申请实施例中，图像处理装置可存储各卷积层的主卷积核，在利用各卷积层执行卷积操作之前利用各卷积层的主卷积核生成辅卷积核，可以减少卷积神经网络占用的内存。
基于卷积神经网络图像处理方法装置

[发明专利]基于FPGA实现图像识别的方法、装置、设备及存储介质-CN202110594603.9在审
发明人：徐子扬;王昱;龚辞;陈俊康;卢意;章馨予;贺泷玉;黄子浩;周建 -专利权人：武汉理工大学
申请日： 2021-05-28 - 公布日： 2021-08-27 - 主分类号： G06K9/62 文献下载
摘要：本发明公开一种基于FPGA实现图像识别的方法、装置、设备及存储介质，方法包括：获取网络模型参数，根据网络模型参数调整卷积网络模型，网络模型参数至少包括卷积层数以及各卷积层的卷积参数；获取卷积运算指令，根据当前卷积层的卷积参数对输入的图像进行卷积计算，并输出卷积运算结果；根据卷积层数以及当前卷积层的卷积参数，判断当前卷积层是否为最后一个卷积层，如果是，则根据卷积运算结果输出图像识别结果，否则，将卷积运算结果输出至下一个卷积层进行卷积运算，直至最后一个卷积层运算完成后，根据最后一个卷积层输出的结果输出图像识别结果。本发明解决了目前基于FPGA搭建的卷积神经网络在进行图像处理时，不具备重构与通用性的技术问题。
基于 fpga 实现图像识别方法装置设备存储介质

[发明专利]卷积运算处理方法及相关产品-CN201711283173.9有效
发明人：章恒;张阳明 -专利权人：腾讯科技（深圳）有限公司
申请日： 2017-12-06 - 公布日： 2022-01-18 - 主分类号： G06N3/063 文献下载
摘要：本发明实施例公开一种卷积运算处理方法及相关产品，集成芯片包括控制器、卷积处理器、输入缓存、输出缓存。控制器将分段卷积核和分段卷积输入数据载入到输入缓存；分段卷积核为卷积核分段得到的数据；分段卷积输入数据为卷积输入数据分段得到的数据；卷积处理器对分段卷积核和分段卷积输入数据进行分段卷积运算得到分段卷积结果，将分段卷积结果存储到输出缓存。实施本发明实施例可以减少卷积运算所需的电路数量。
卷积运算处理方法相关产品

[发明专利]卷积运算方法及系统-CN201910664358.7有效
发明人：臧春峰;王斌;严大卫;黄丽民;陈芬 -专利权人：江苏鼎速网络科技有限公司
申请日： 2019-07-23 - 公布日： 2023-05-02 - 主分类号： G06F17/15 文献下载
摘要：本发明提供了一种卷积运算方法及系统，该方法包括：响应于输入的卷积运算模式控制指令，控制移位卷积数据链向卷积运算装置输入目标卷积数据，移位卷积数据链为FIFO队列，FIFO队列存储有目标卷积数据；控制卷积参数存储器向卷积运算装置输入卷积参数；控制卷积运算装置基于目标卷积数据和卷积参数，生成卷积结果数据。本发明解决了现有技术中通过采用通用寄存器的移位寄存器链实现卷积运算而导致硬件资源开销较大的问题。
卷积运算方法系统

[发明专利]一种图像处理方法、装置以及计算机存储介质-CN202010281134.0有效
发明人：赵雷;殷俊;潘华东 -专利权人：浙江大华技术股份有限公司
申请日： 2020-04-10 - 公布日： 2023-09-01 - 主分类号： G06V10/77 文献下载
摘要：该方法包括：获取待模拟的3D卷积模型及训练数据；将3D卷积模型分解为3D空间卷积模型和3D时间卷积模型的级联，获得伪3D级联卷积模型；用训练数据训练伪3D级联卷积模型，获取3D空间卷积模型和3D时间卷积模型的参数；将3D空间卷积模型和3D时间卷积模型转化为2D空间卷积模型和2D时间卷积模型；为2D空间卷积模型和2D时间卷积模型设置特征重排规则；将3D空间卷积模型和3D时间卷积模型的模型参数映射成2D空间卷积模型和2D时间卷积模型的参数，获得2D级联卷积模型；利用2D空间卷积模型和2D时间卷积模型对图像进行卷积运算。通过上述方式，本申请能够通过2D卷积模型实现利用3D卷积运算进行的图像处理。
一种图像处理方法装置以及计算机存储介质

[发明专利]卷积神经网络及基于卷积神经网络的图像处理方法-CN202010048134.6在审
发明人：李永;吴岳辛;叶翔;刘莹;姜卫星;丰·石;张高鑫;王凡;何子航;李慧;胡嘉豪;李婉婷;赵家凤;李凤男;王伟刚 -专利权人：波音公司;北京邮电大学
申请日： 2020-01-16 - 公布日： 2021-07-16 - 主分类号： G06N3/04 文献下载
摘要：本公开涉及卷积神经网络及基于卷积神经网络的图像处理方法，卷积神经网络包括：至少一个卷积层，每个卷积层包括至少一个卷积核组，每个卷积核组包括两个以上的卷积核，每个卷积核组的各卷积核对输入的具有不同旋转角度的图像数据的相同特征进行特征提取以获得特征图，卷积核组的一个卷积核经过旋转能得到卷积核组的其他卷积核；以及至少一个池化层，每个池化层利用与卷积核组的各卷积核分别对应的池化窗口对各卷积核输出的特征图进行池化，以输出池化后的特征图，其中，通过绕与卷积核组的一个卷积核对应的池化窗口的中心而旋转该池化窗口，能得到与卷积核组中的其他卷积核对应的池化窗口。本公开的卷积神经网络自身具有旋转不变性。
卷积神经网络基于图像处理方法

[发明专利]一种卷积神经网络中的卷积核存储方法及装置-CN201911023889.4在审
发明人：朱喻 -专利权人：广州思德医疗科技有限公司
申请日： 2019-10-25 - 公布日： 2020-02-18 - 主分类号： G06K9/62 文献下载
摘要：本发明实施例提供一种卷积神经网络中的卷积核存储方法及装置，所述方法包括：在训练预设有核空间的卷积神经网络过程中，对锁定卷积核存储空间中的锁定卷积核进行锁定，以使其无法参与训练过程中的参数更新；存储新增目标卷积核至所述开放卷积核存储空间；存储新卷积核至所述新卷积核存储空间；其中，所述新卷积核是具有新特征的新增目标卷积核。本发明实施例提供的卷积神经网络中的卷积核存储方法及装置，通过核空间划分出的锁定卷积核存储空间、开放卷积核存储空间和新卷积核存储空间，对卷积核进行分类存储，实现了卷积核的记忆迁移，从而减少了训练卷积神经网络过程中的计算量
一种卷积神经网络中的存储方法装置

[发明专利]支持卷积运算的处理器电路系统及其卷积运算控制方法-CN201911403500.9在审
发明人：张东升;姬中凯;杨宁昕 -专利权人：莆田杰木科技有限公司
申请日： 2019-12-31 - 公布日： 2020-05-12 - 主分类号： G06F7/544 文献下载
摘要：本发明涉及一种支持卷积运算的处理器电路系统及其卷积运算控制方法。所述支持卷积运算的处理器电路系统包括：指令发射模块；卷积运算模块，包括卷积控制器以及均与卷积控制器连接的算术逻辑运算单元、装载存储单元、卷积核数据缓存、卷积数据缓存和临时数据缓存；卷积控制器连接指令发射模块；算术逻辑运算单元用于进行卷积运算；装载存储单元用于处理卷积核数据的装载和卷积数据的装载；卷积核数据缓存用于存放卷积核数据；卷积数据缓存用于存放卷积数据；临时数据缓存用于缓存卷积运算产生的中间结果数据；本发明可以大幅度节省卷积运算的电路面积，并提高卷积运算时的算术逻辑运算单元的利用率。
支持卷积运算处理器电路系统及其控制方法

[发明专利]通过人工智能加速器处理特征图的方法和装置-CN202211152487.6在审
发明人：李建军;姚猛;王振江;凌坤 -专利权人：北京地平线信息技术有限公司
申请日： 2022-09-21 - 公布日： 2022-12-16 - 主分类号： G06N3/08 文献下载
摘要：其中，通过人工智能加速器处理特征图的方法包括：确定目标神经网络模型中的合并卷积层，合并卷积层的层参数包括深度卷积参数和点卷积参数；确定合并卷积层对应的缓存区；基于深度卷积参数，对合并卷积层的输入特征图进行深度卷积运算；将深度卷积运算得到的至少两个深度卷积结果依次缓存至缓存区，至少两个深度卷积结果中的任意两个深度卷积结果对应输入特征图中的不同局部区域；基于点卷积参数，对缓存区缓存的深度卷积结果进行点卷积运算；基于点卷积运算得到的点卷积结果，确定合并卷积层的输出特征图。本公开实施例能够有效地提升深度可分离卷积的运算速度。
通过人工智能加速器处理特征方法装置

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 57152 条