“网络压缩”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1506264个，建议您升级VIP下载更多相关专利

[发明专利]神经网络优化方法、装置、电子设备、存储介质及芯片-CN202210190131.5在审
发明人：胡英俊;徐宁仪;丁雨 -专利权人：上海阵量智能科技有限公司
申请日： 2022-02-28 - 公布日： 2022-05-27 - 主分类号： G06N3/04 文献下载
摘要：本公开提供了一种神经网络优化方法、装置、电子设备、存储介质及芯片，该方法包括：获取待压缩神经网络；其中，待压缩神经网络包括多个待压缩网络块；响应于对多个待压缩网络块进行压缩操作得到多个压缩后网络块，确定每个压缩后网络块的目标误差；其中，目标误差用于表征在将待压缩网络块替换为压缩后网络块后，待压缩神经网络的推理结果的变化程度；和/或，待压缩网络块与压缩后网络块之间的差异程度；按照基于目标误差确定的处理顺序，对各个压缩后网络块进行参数调整，得到目标网络块；对包括多个目标网络块的待压缩神经网络进行训练，得到目标神经网络。
神经网络优化方法装置电子设备存储介质芯片

[发明专利]一种网络模型压缩方法、装置及存储介质-CN202111490435.5在审
发明人：颜奉丽;丁健;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： 2021-12-08 - 公布日： 2023-06-13 - 主分类号： G06N3/0464 文献下载
摘要：本申请实施例提供了一种网络模型压缩方法、装置及存储介质，涉及深度学习技术领域，按照预设的压缩顺序，从网络模型中确定当前待压缩的网络层；针对每一预设压缩方式，按照该预设压缩方式对当前待压缩的网络层进行压缩，得到该预设压缩方式对应的压缩后的网络模型；其中，在压缩后的网络模型中，其他网络层为分别按照各自已确定的最优压缩方式进行压缩得到的；按照对应的压缩后的网络模型的准确度和/或压缩率，从各预设压缩方式中确定当前待压缩的网络层的最优压缩方式，并返回执行按照预设的压缩顺序，从各网络层中确定当前待压缩的网络层步骤，直至确定出各网络层的最优压缩方式。基于此，能够提高压缩效果。
一种网络模型压缩方法装置存储介质

[发明专利]图像处理方法和电子设备、存储介质-CN201811439635.6在审
发明人：张跃进;李光辉;展爱云 -专利权人：钟祥博谦信息科技有限公司
申请日： 2018-11-28 - 公布日： 2019-03-29 - 主分类号： G06K9/62 文献下载
摘要：本申请涉及一种图像处理方法，包括：获取待处理的图片；获取待采用的深度神经网络；采用所述深度神经网络，对所述图片进行分类，得到分类后的图像；输出分类后的图像；其中，所述待采用的深度神经网络为压缩后的深度神经网络，所述获取待采用的深度神经网络，包括：获取未压缩的深度神经网络；采用压缩算法，对所述未压缩的深度神经网络进行压缩，得到待采用的深度神经网络；其中，所述压缩算法包括：深度压缩算法，或者，轻量化网络压缩算法通过将压缩后的深度网络算法应用于神经网络，且通过深度压缩算法或轻量化网络压缩算法对深度神经网络进行压缩，从而提高原始神经网络的精度。
神经网络算法压缩深度压缩图像处理网络压缩压缩算法轻量化未压缩分类图像存储介质电子设备网络算法原始神经输出图片申请应用网络

[发明专利]图像处理装置及电子设备-CN202211215698.X在审
发明人：辛永欣 -专利权人：苏州浪潮智能科技有限公司
申请日： 2022-09-30 - 公布日： 2023-01-31 - 主分类号： G06T3/40 文献下载
摘要：本申请实施例提供了一种图像处理装置及电子设备，其中，该装置包括：图像压缩网络，图像压缩网络包括多层卷积层，每层卷积层包括：复杂度确定模块，用于获取图像特征向量并确定图像特征向量的复杂度系数，根据复杂度系数确定目标网络压缩模块，在复杂度系数大于预设阈值的情况下，目标网络压缩模块为复杂网络的压缩模块，否则，目标网络压缩模块为简单网络的压缩模块；复杂网络的压缩模块或简单网络的压缩模块，用于计算接收图像特征向量，得到压缩后的图像特征向量通过本申请，解决了图像在不损失信息的情况下压缩问题，进而达到了自适应选择使用复杂网络的压缩模块还是简单网络压缩模块对图像进行压缩的效果。
图像处理装置电子设备

[发明专利]模型压缩方法及装置-CN202110673860.1在审
发明人：孙强;陈瑞侠;孙强;刘恩甫;刘胜 -专利权人：博众精工科技股份有限公司
申请日： 2021-06-17 - 公布日： 2021-09-17 - 主分类号： G06N3/08 文献下载
摘要：本发明实施例公开了一种模型压缩方法及装置，该方法包括：获取待压缩网络模型以及目标压缩比；根据所述目标压缩比确定节点压缩方式，并且基于所述节点压缩方式以及所述目标压缩比对所述待压缩网络模型进行压缩，得到待赋值网络模型；根据所述待压缩网络模型以及所述待赋值网络模型，确定与所述待赋值网络模型中各待赋值节点对应的权重值；基于各权重值以及所述待赋值网络模型，确定目标压缩网络模型。通过本发明实施例的技术方案，实现了对深度学习模型的压缩，节约模型占用资源的技术效果。
模型压缩方法装置

[发明专利]一种深度神经网络模型压缩方法及装置-CN201811015359.0有效
发明人：张渊;谢迪;浦世亮 -专利权人：杭州海康威视数字技术股份有限公司
申请日： 2018-08-31 - 公布日： 2023-06-30 - 主分类号： G06N3/082 文献下载
摘要：本申请实施例提供了一种深度神经网络模型压缩方法及装置，深度神经网络模型压缩方法包括：获取待压缩深度神经网络模型中网络层的当前计算状态；根据当前计算状态，通过预先训练的计算模型，得到网络层的压缩量；基于压缩量，对网络层进行压缩；确定网络层压缩后的深度神经网络模型。通过本方案，可以保证深度神经网络模型的输出性能。
一种深度神经网络模型压缩方法装置

[发明专利]一种用于卷积神经网络的压缩算法-CN201810195687.7在审
发明人：赖睿;徐昆然;官俊涛;王松松;李奕诗;王东 -专利权人：西安电子科技大学
申请日： 2018-03-09 - 公布日： 2018-09-28 - 主分类号： G06T9/00 文献下载
摘要：本发明公开了一种用于卷积神经网络的压缩算法，步骤1：构建压缩标定模块；步骤2：将所述压缩标定模块嵌入到原始卷积神经网络中，构建带压缩标定的卷积神经网络；步骤3：对构建的所述带压缩标定的卷积神经网络进行训练，得到训练好的带压缩标定的卷积神经网络中每个卷积核的标定值；步骤4：将标定值小于阈值的卷积核裁剪掉，得到裁剪后的带压缩标定的卷积神经网络；对裁剪后的带压缩标定的卷积神经网络进行训练，得到第一压缩网络；步骤5：处理所述第一压缩网络，得到压缩后的卷积神经网络。本发明的方法利用卷积核之间的相互依赖关系，与现有的卷积神经网络压缩方法相比，本发明方法具有更高的压缩比和更低的精度损失。
卷积神经网络压缩标定卷积核构建裁剪标定模块压缩算法精度损失依赖关系压缩比嵌入网络

[发明专利]神经网络压缩方法及其装置、电子设备、存储介质-CN202210908835.1在审
发明人：瞿晓阳;王健宗;陶伟 -专利权人：平安科技（深圳）有限公司
申请日： 2022-07-29 - 公布日： 2022-10-25 - 主分类号： G06N3/08 文献下载
摘要：本申请实施例提供了一种神经网络压缩方法及其装置、电子设备、存储介质，属于人工智能技术领域。该方法包括：对目标神经网络进行量化处理得到多个第一压缩神经网络；对多个第一压缩神经网络进行训练得到备选网络序列；对备选网络序列进行压缩迭代处理，直至满足迭代结束条件；从备选网络序列中，选择至少一个优化压缩神经网络作为目标压缩神经网络本申请实施例能够得到符合要求的神经网络压缩模型，有利于提高对于神经网络的压缩精度。
神经网络压缩方法及其装置电子设备存储介质

[发明专利]一种基于生成式对抗网络的图像压缩方法及系统-CN201810891737.5在审
发明人：许靳昌;董远;白洪亮;熊风烨 -专利权人：北京飞搜科技有限公司
申请日： 2018-08-07 - 公布日： 2018-12-18 - 主分类号： H04N19/70 文献下载
摘要：本发明实施例提供一种基于生成式对抗网络的图像压缩方法及系统，该方法包括获取训练数据；训练数据包括原始图像及其对应的压缩图像。根据训练数据，对生成网络和判别网络进行训练；获得图像生成网络模型。将待压缩图像输入图像生成网络模型进行压缩重建。与传统的图像压缩算法相比，本发明运用生成式对抗学习方法，训练生成网络和判别网络，优化生成网络的参数，获得图像生成网络模型。利用图像生成网络模型能够迅速对图像进行压缩，与基于编码冗余的压缩算法相比，压缩重建速度更快。与基于空间冗余的压缩算法相比，图像压缩后与原图的相似度高。
网络模型网络图像生成图像压缩训练数据生成式压缩算法压缩图像压缩对抗图像压缩算法编码冗余空间冗余输入图像原始图像传统的相似度重建图像优化学习

[发明专利]压缩/解压缩神经网络模型的装置、设备和方法-CN201611159629.6在审
发明人：陈天石;韦洁;陈云霁;刘少礼;支天;郭崎 -专利权人：上海寒武纪信息科技有限公司
申请日： 2016-12-15 - 公布日： 2018-06-29 - 主分类号： G06N3/04 文献下载
摘要：一种压缩/解压缩神经网络模型的装置、设备和方法。其中包括步骤：获取神经网络模型的待压缩参数；采用神经网络算法对所述待压缩参数进行压缩和训练，获得低维的神经网络参数；解压所述低维的神经网络参数，恢复神经网络模型的参数。本发明用自动编码神经网络算法实现压缩/解压缩神经网络模型的装置，可减少神经网络模型的参数，有利于模型的存储和传输。
神经网络模型解压缩压缩神经网络参数神经网络算法压缩参数低维自动编码解压存储传输恢复

[发明专利]一种图像压缩解压缩方法及其装置-CN202110713277.9在审
发明人：马琪;刘凤山 -专利权人：陕西尚品信息科技有限公司
申请日： 2021-06-25 - 公布日： 2021-11-16 - 主分类号： G06T9/00 文献下载
摘要：本发明公开了一种图像压缩解压缩方法及其装置，方法包括：获取待压缩图像并去噪；利用第一图像处理网络对去噪的待压缩图像进行压缩；响应于解压缩指令，利用第二图像处理网络对压缩图像数据进行解压缩以及图像信息的重建；其中，第一、第二图像处理网络构成端到端的深度神经网络；第一图像处理网络包括第一卷积网络和特征压缩网络；第二图像处理网络包括特征解压缩网络、残差网络、第二卷积网络，残差网络包括N个图像重建模块、一用于将残差网络的输入和最后一个图像重建模块的输出相加的加法模块；每个图像重建模块包括第一卷积子网络、全连接子网络、第二卷积子网络；全连接子网络中包含至少两个全连接层。本发明实现了高压缩率下的图像恢复。
一种图像压缩解压缩方法及其装置

[发明专利]用于从经训练神经网络生成压缩网络的设备和方法-CN202010985584.8在审
发明人： J·皮特斯;E·胡格布姆;M·韦林;M·坎德米尔;K·S·M·巴尔西姆 -专利权人：罗伯特·博世有限公司
申请日： 2020-09-18 - 公布日： 2021-03-19 - 主分类号： G06N3/08 文献下载
摘要：公开了用于从经训练神经网络生成压缩网络的设备和方法，其中该方法包括：模型（402）从第一训练数据（304）生成压缩图（412），该压缩图（412）表示模型（402）的模型分量响应于第一训练数据（304）对第一输出数据的影响；通过根据压缩图（412）压缩（604）经训练神经网络来生成压缩网络（606）；经训练神经网络（610）响应于第二训练数据（306）生成经训练网络输出数据（612）；压缩网络（606）响应于第二训练数据（306）生成压缩网络输出数据（608）；通过将经训练网络输出数据（612）与压缩网络输出数据（608）进行比较来训练模型（402）。
用于训练神经网络生成压缩网络设备方法

[发明专利]网络接入的方法、客户端及接入系统-CN200910000311.7无效
发明人：张战兵;聂成蛟;陈爱平;孙宏 -专利权人：成都市华为赛门铁克科技有限公司
申请日： 2009-01-04 - 公布日： 2009-06-17 - 主分类号： H04L12/56 文献下载
摘要：本发明实施例公开了一种网络接入方法、客户端和接入系统。其中，网络接入方法包括：判断当前网络状况是否满足预设的压缩算法切换条件；当前网络状况满足预设的压缩算法切换条件时，从预设的压缩算法集中选择一个适合当前网络状况的压缩算法，所述压缩算法用于对发送给网关的报文进行压缩；将选择的压缩算法通知给所述网关。本发明实施例的技术方案通过对当前网络状况进行判断，并在满足预设的压缩算法切换条件时，从预设的压缩算法集中选择适合当前网络状况的压缩算法进行压缩，使得压缩算法可以适应不同的网络状况，因此可以提高接入网接入性能
网络接入方法客户端系统

[发明专利]用户终端接入网络及承载建立过程的处理方法、系统及装置-CN200710000122.0无效
发明人：吴问付 -专利权人：华为技术有限公司
申请日： 2007-01-05 - 公布日： 2007-09-19 - 主分类号： H04L12/56 文献下载
摘要：本发明公开了用户终端接入网络及承载建立过程的处理方法、系统及装置。UE接入网络或承载建立时，UE向网络提供UE支持的压缩算法，并且网络向UE提供网络支持的压缩算法，然后UE与网络侧进行压缩算法的协商，确定当前使用的压缩算法；或者，根据对端提供的压缩算法和自身支持的压缩算法确定当前使用的压缩算法，并向对端提供该压缩算法，具体可由UE或网元来确定压缩算法。根据本发明提供的各实施例完善了UE接入网络或承载建立的处理流程，从而使UE和网络在后续处理流程中，能够根据选定的压缩算法对数据进行压缩处理，降低网络中冗余信息的数据传输量，有效节省网络的传输资源。
用户终端接入网络承载建立过程处理方法系统装置

[发明专利]确定是否要压缩通过网络传送的数据的方法和系统-CN200610143971.7无效
发明人：卡塔尔多·梅加;桑达·维里亚 -专利权人：国际商业机器公司
申请日： 2006-11-08 - 公布日： 2007-05-23 - 主分类号： H04L29/02 文献下载
摘要：所提供的是一种确定是否要压缩通过网络传送的数据的方法、系统和程序。确定用来压缩要通过网络传送给目标节点的数据的压缩算法的压缩性能，并且确定网络的网络性能。确定的压缩性能和网络性能被用来确定是否压要缩数据。响应于确定要压缩数据，压缩数据，并响应于压缩数据，将压缩的数据通过网络传送给目标节点。响应于确定不要压缩数据，将数据未经压缩地传送到目标节点。
确定是否压缩通过网络传送数据方法系统

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 100000 条