“吴成路”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11个，建议您升级VIP下载更多相关专利

[发明专利]一种基于FPGA的计算优化的卷积神经网络加速器-CN201811493592.X有效
发明人：陆生礼;庞伟;舒程昊;范雪梅;吴成路;邹涛 -专利权人：东南大学;东南大学—无锡集成电路技术研究所;南京三宝科技股份有限公司
申请日： 2018-12-07 - 公布日： 2023-05-19 - 主分类号： G06N3/063 文献下载
摘要：本发明公开一种基于FPGA的计算优化的卷积神经网络加速器，包括AXI4总线接口、数据缓存区、预取数据区、结果缓存区、状态控制器及PE阵列；数据缓存区用于缓存通过AXI4总线接口从外部存储器DDR中读取的特征图数据、卷积核数据和索引值；预取数据区用于从特征图子缓存区预取需要并行输入PE阵列的特征图数据；结果缓存区用于缓存每行PE的计算结果；状态控制器用于控制加速器工作状态，实现工作状态间的转换；PE阵列用于读取预取数据区和卷积核子缓存区中的数据进行卷积操作。此种加速器利用参数稀疏性、重复权重数据和激活函数Relu的特性，提前结束冗余计算，减少计算量，并通过减少访存次数来降低能耗。
一种基于 fpga 计算优化卷积神经网络加速器

[发明专利]一种针对硬件实现稀疏化卷积神经网络推断的加速方法-CN201811486547.1有效
发明人：陆生礼;庞伟;吴成路;范雪梅;舒程昊;梁彪 -专利权人：东南大学;东南大学—无锡集成电路技术研究所;南京三宝科技股份有限公司
申请日： 2018-12-06 - 公布日： 2023-05-12 - 主分类号： G06N3/082 文献下载
摘要：本发明公开一种针对硬件实现稀疏化卷积神经网络推断的加速方法，包括面对稀疏硬件加速架构的分组剪枝参数确定方法、针对稀疏硬件加速架构的分组剪枝训练方法和针对稀疏化卷积神经网络前向推断的部署方法：根据硬件架构中乘法器数量确定分组剪枝的分组长度和剪枝率，基于量级裁剪方式将压缩率以外的权值进行裁剪，通过增量训练方式提升剪枝后的网络准确率及压缩率，剪枝过的网络经微调后保存非剪枝位置的权值和索引参数并送入硬件架构下的计算单元中，计算单元同时获取分组长度的激活值完成稀疏网络前向推断。本发明基于硬件架构出发设定算法层面的剪枝参数与剪枝策略，有益于降低稀疏加速器的逻辑复杂度提高稀疏加速器前向推断的整体效率。
一种针对硬件实现稀疏卷积神经网络推断加速方法

[发明专利]一种目标行为的识别方法、装置及电子设备-CN202210807163.5有效
发明人：刘智辉;王亚运;余言勋;吴成路;段富治;赵梦娜 -专利权人：浙江大华技术股份有限公司
申请日： 2022-07-11 - 公布日： 2022-10-28 - 主分类号： G06V40/20 文献下载
摘要：本申请实施例提供了一种目标行为的识别方法、装置及电子设备，涉及图像信息技术领域，用以目标行为的识别。该方法中，获取针对目标场景采集的图像中包含的至少一个目标中各个目标的第一位置坐标；根据所述图像和所述各个目标的第一位置坐标确定所述各个目标的第一类别和所述各个目标的第一属性；根据所述图像、所述各个目标的第一位置坐标、所述各个目标的第一类别和所述各个目标的第一属性确定所述第一目标的第一行为；所述第一目标为所述至少一个目标中所述第一类别为人的目标。
一种目标行为识别方法装置电子设备

[发明专利]镜头模式检测方法及相关装置、电子设备和存储介质-CN202210614085.7在审
发明人： 吴成路;余言勋;王亚运 -专利权人：浙江大华技术股份有限公司
申请日： 2022-05-27 - 公布日： 2022-10-18 - 主分类号： G06V10/774 文献下载
摘要：本申请公开了一种镜头模式检测方法及相关装置、电子设备和存储介质，其中，镜头模式检测方法包括：分别基于至少一个图像集进行场景检测，得到场景检测结果；其中，图像集包括通过摄像器件分别先后拍摄的第一图像和第二图像，场景检测结果表征各图像集中第二图像相对第一图像发生场景变化的概率；基于场景检测结果对图像集进行筛选，得到若干目标图像，并基于若干目标图像，构建待测视频片段；基于待测视频片段，确定摄像器件的镜头模式。上述方案，能够尽可能准确地检测摄像器件的镜头模式。
镜头模式检测方法相关装置电子设备存储介质

[发明专利]地表覆盖分类模型训练方法、地表覆盖分类方法及装置-CN202210616168.X在审
发明人：段富治;吴成路;余言勋;王亚运;牛中彬 -专利权人：浙江大华技术股份有限公司
申请日： 2022-05-31 - 公布日： 2022-10-18 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种地表覆盖分类模型训练方法、地表覆盖分类方法及装置，该地表覆盖分类模型训练方法包括：获取训练集；将样本图像输入地表覆盖分类初始模型进行特征提取，得到特征图像；对特征图像进行第一类特征处理得到第一特征，利用第一特征预测第一分类结果；对特征图像进行第二类特征处理得到第二特征，并提取第一特征的深层特征得到第三特征，融合第二特征和第三特征，利用融合后的特征预测第二分类结果；利用标注信息计算第一分类结果和第二分类结果的总损失并进行反向传播，以调整地表覆盖分类初始模型的参数。通过上述方式，本发明能够充分利用高分辨率遥感影像的多层级特征，提高地表覆盖分类准确性。
地表覆盖分类模型训练方法装置

[发明专利]事故检测方法、电子设备及存储介质-CN202011314812.5有效
发明人： 吴成路;余言勋;王耀农 -专利权人：浙江大华技术股份有限公司
申请日： 2020-11-20 - 公布日： 2022-06-07 - 主分类号： G06V20/40 文献下载
摘要：本申请公开了一种事故检测方法、电子设备及存储介质。该方法包括：从视频数据中获取目标视频帧；提取目标视频帧的静态区域；利用事故检测模型对静态区域进行事故检测，得到车辆事故检测结果。通过上述方式，能够提高车辆事故的检测精度。
事故检测方法电子设备存储介质

[发明专利]特征处理方法、动作定位方法、设备及装置-CN202111580387.9在审
发明人：杨雪峰;余言勋;王亚运;吴成路;刘智辉;黄宇 -专利权人：浙江大华技术股份有限公司
申请日： 2021-12-22 - 公布日： 2022-05-10 - 主分类号： G06V20/40 文献下载
摘要：本申请公开了一种特征处理方法、动作定位方法、设备及装置。该方法包括：基于目标视频中各视频帧的特征，确定目标视频的目标特征序列；按照时序维度对目标特征序列进行划分，得到多个子特征序列，其中，每个子特征序列包括至少一个视频帧的特征；沿时序方向分别对多个子特征序列中的各个子特征序列，进行第一融合处理，得到各个子特征序列对应的中间特征；对多个中间特征进行第二融合处理，得到目标视频的视频特征。上述方案，能够提高特征对信息的表达能力。
特征处理方法动作定位设备装置

[发明专利]一种自动标注方法、自动标注装置和计算机可读存储介质-CN202111320677.X在审
发明人： 吴成路;余言勋;王亚运;杨雪峰;段富治 -专利权人：浙江大华技术股份有限公司
申请日： 2021-11-09 - 公布日： 2022-03-22 - 主分类号： G06F16/75 文献下载
摘要：本申请公开了一种自动标注方法、自动标注装置和计算机可读存储介质，该方法包括：获取第一待标注视频，第一待标注视频包括待标注内容；对第一待标注视频进行特征提取处理，得到第一特征信息；采用标注生成网络对第一特征信息进行处理，生成至少一个候选标注区，并对候选标注区进行修正处理，生成目标标注区，目标标注区包括与待标注内容对应的起点时刻以及终点时刻之间的视频；对目标标注区中的待标注内容进行分类处理，得到待标注内容的类别信息。通过上述方式，本申请能够提升对视频进行自动标注的准确率与效率。
一种自动标注方法装置计算机可读存储介质

[发明专利]一种交通异常事件检测方法、设备及计算机存储介质-CN202110758806.7在审
发明人： 吴成路;余言勋;张震;王亚运 -专利权人：浙江大华技术股份有限公司
申请日： 2021-07-05 - 公布日： 2021-11-19 - 主分类号： G06K9/00 文献下载
摘要：本申请提供了一种交通异常事件检测方法、设备以及计算机存储介质。该交通异常事件检测方法包括：获取监控视频流；基于监控视频流中，各个视频帧与各个视频帧的关联视频帧的时空特征相关性，估计各个视频帧的关键帧参考值；以及基于各个视频帧的关键帧参考值，从监控视频流中确定出关键视频帧；基于关键视频帧，确定监控视频流中是否存在异常事件。通过上述方式，本申请的交通异常事件检测方法提高了交通异常事件的检测效率。
一种交通异常事件检测方法设备计算机存储介质

[发明专利]一种基于Attention-LSTM网络的视频行为识别方法-CN201811397129.5有效
发明人：陆生礼;庞伟;向丽苹;范雪梅;舒程昊;吴成路;阮小千;梁彪;邹涛 -专利权人：东南大学;东南大学—无锡集成电路技术研究所;南京三宝科技股份有限公司
申请日： 2018-11-22 - 公布日： 2021-03-02 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于Attention‑LSTM网络的视频行为识别方法。通过光流图序列生成模块对输入的RGB图序列进行变换，得到光流图序列；将光流图序列与原RGB图序列输入时域注意力取帧模块，分别选取两种图序列中非冗余的关键帧；将两种图的关键帧序列输入AlexNet网络特征提取模块，分别提取出两种帧图的时序特征和空间特征，通过特征分权加强模块，对最后一层卷积层输出的特征图执行加重与动作相关性强的特征权重的操作；将两个AlexNet网络特征提取模块输出的特征图输入LSTM网络行为识别模块，分别对两种图片进行识别，并将两种识别结果通过融合模块按比例融合，得到最终的视频行为识别结果。本发明不仅能实现从视频中识别行为的功能，且能提高识别的准确率。
一种基于 attention lstm 网络视频行为识别方法

[发明专利]一种基于FPGA的二维FFT加速器-CN201910159208.0在审
发明人：陆生礼;庞伟;沈志源;吴成路;舒程昊 -专利权人：东南大学;东南大学—无锡集成电路技术研究所
申请日： 2019-03-04 - 公布日： 2019-06-28 - 主分类号： G06F17/14 文献下载
摘要：本发明公开一种基于FPGA的二维FFT加速器，MCU与外部存储器相连接，用于读取外部存储器的输入数据，并将FFT计算结果发送给外部存储器；图片缓存区和旋转因子缓存区分别包含N个图片子缓存区和N个旋转因子子缓存区，用于缓存通过AXI4总线接口从MCU读取的图片和旋转因子数据；地址产生器用于产生图片缓存区的读取地址，按照该地址读取图片缓存区中的数据送入FFT计算器；FFT计算器采用FPGA实现，包含N个FFT计算子单元，每个计算子单元对应配置一个图片子缓存区和一个旋转因子子缓存区，每个计算子单元均用于完成复数乘法功能和四点FFT操作；结果缓存区用于缓存FFT计算器处理后的计算结果，然后通过AXI4总线接口发送至MCU。此种结构能够高效地进行图像的二维FFT。
旋转因子子缓存图片缓存区外部存储器计算器二维FFT 读取缓存计算子单元总线接口加速器地址产生器结果缓存区地址读取读取地址复数乘法缓存区子单元图片送入发送图像配置

1
共 11 条