“次卷积”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1267883个，建议您升级VIP下载更多相关专利

[发明专利]图像处理模型生成方法、图像处理方法、装置及电子设备-CN202110584225.6在审
发明人：郭义;谈建超;许鸿民;袁欢;刘霁 -专利权人：北京达佳互联信息技术有限公司
申请日： 2021-05-27 - 公布日： 2021-08-10 - 主分类号： G06N3/04 文献下载
摘要：本公开关于一种图像处理模型生成方法、图像处理方法、装置及电子设备，所述图像处理模型生成方法包括：将样本图像输入到初始神经网络模型执行一次迭代：利用所述初始神经网络模型中各个卷积层对所述样本图像进行图像特征提取；根据输出调整至少一个卷积层的卷积核的通道参数，以提高所述至少一个卷积层的卷积核的稀疏度；完成本次迭代时，根据输出确定满足迭代结束条件时，确定所述至少一个卷积层提高稀疏度之后的卷积核中的待剪枝通道；对所述待剪枝通道作剪枝处理
图像处理模型生成方法装置电子设备

[发明专利]一种基于可分离卷积技术和帧差补偿策略的快速车辆检测方法-CN201810845012.2有效
发明人：刘圭圭;李凡平;石柱国 -专利权人：以萨技术股份有限公司;青岛以萨数据技术有限公司
申请日： 2018-07-27 - 公布日： 2022-04-26 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于可分离卷积技术和帧差补偿策略的快速车辆检测方法，包括以下步骤：卷积：预先在darknet框架基础上通过img2col+GEMM+group方案实现可分离卷积YOLO，确定目标检测加速；场景确定：通过连续帧差技术进行场景动静状态的信息采集，以及运动目标的信息采集；可分离卷积YOLO采集：在运动场景中通过可分离卷积YOLO进行目标的信息采集。本发明：通过可分离卷积方案替换传统卷积，使得目标检测前向传播过程速度提升了2倍，有效地解决了多路实时视频检测难题。同时本发明通过帧差技术和二次判定算法对YOLO漏检的目标进行了补偿，大幅降低了视频流目标检测的误检和漏检。
一种基于可分离卷积技术补偿策略快速车辆检测方法

[发明专利]图像处理方法、装置、非易失性存储介质及处理器-CN202110350793.X有效
发明人：林佳楠;孟杨;沈超逸;郑志崇;卢宝霖 -专利权人：山石网科通信技术股份有限公司
申请日： 2021-03-31 - 公布日： 2022-09-09 - 主分类号： G06F21/36 文献下载
摘要：该方法包括：对第一验证码图像添加随机噪声，得到第二验证码图像；对第二验证码图像进行多次卷积运算，得到目标验证码图像，其中，在多次卷积运算中，采用全卷积网络对第二验证码图像执行首次卷积运算之后，依次采用修正后的全卷积网络对第二验证码图像执行首次卷积运算以外的每一次卷积运算
图像处理方法装置非易失性存储介质处理器

[发明专利]一种卷积神经网络剪枝方法及装置-CN202310259020.X在审
发明人：葛君正;宋晨;段强;姜凯 -专利权人：山东浪潮科学研究院有限公司
申请日： 2023-03-17 - 公布日： 2023-07-25 - 主分类号： G06N3/0464 文献下载
摘要：本发明涉及神经网络领域，具体提供了一种卷积神经网络剪枝方法及装置，具有如下步骤：S1、准备数据集和模型，训练一个原始卷积神经网络；S2、将对卷积神经网络的每一层进行一次剪枝；S3、将二维向量的卷积核变换为一维的向量；S4、设定剪枝率；S5、计算每个卷积核与同层其他卷积核的相似度分数；S6、创建多维向量列表，得到相似性矩阵；S7、于步骤S6得到的每一个相似性矩阵，各返回一个按照全局相似度降序排列的最相似卷积核的列表；S8、删除相似度高的卷积核；S9、对每个卷积层进行剪枝；S10、剪枝完成。与现有技术相比，本发明使卷积神经网络在被剪枝到同等大小时，精度比常规的只计算单个卷积核冗余度指标的方法更高。
一种卷积神经网络剪枝方法装置

[发明专利]用于无人驾驶的目标检测方法、设备及存储介质-CN202010290902.9在审
发明人：周康明;卜德飞 -专利权人：上海眼控科技股份有限公司
申请日： 2020-04-14 - 公布日： 2020-07-31 - 主分类号： G06K9/00 文献下载
摘要：本发明实施例提供一种用于无人驾驶的目标检测方法、设备及存储介质，通过采集无人驾驶车辆所处环境中的原始图像，并对原始图像进行特征提取，生成特征图张量；利用多个卷积层对特征图张量进行卷积运算，依次生成多个第一目标特征图张量，对末次卷积运算对应的第一目标特征图张量分别进行反卷积运算，生成多个反卷积特征图张量；其中，反卷积特征图张量与第一目标特征图张量一一对应，且反卷积特征图张量中特征图的尺寸等于第一目标特征图张量中特征图的尺寸；根据反卷积特征图张量与第一目标特征图张量，生成目标检测结果。
用于无人驾驶目标检测方法设备存储介质

[发明专利]图像放大方法、装置、电子设备及存储介质-CN202111538959.7在审
发明人：肖海勇 -专利权人：深圳云天励飞技术股份有限公司
申请日： 2021-12-15 - 公布日： 2022-04-08 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种图像放大方法、装置、电子设备及存储介质，其中图像放大方法可包括：获取待进行放大处理的第一图像，接收与第一图像对应的放大倍数，基于放大倍数确定用于对第一图像进行至少一次卷积处理的卷积核，利用卷积核对第一图像进行卷积处理，以得到卷积结果；再根据卷积结果生成第二图像，第二图像为通过放大第一图像方式产生的图像。本发明根据放大倍数确定相对应的卷积核，以实现将图像放大处理转换为卷积神经网络的运算，从而既避免了单独设置硬件加速模块带来的芯片面积增加问题、成本增加问题及设备工作效率低等问题，又避免了常规编程策略存在的处理效率较低的问题
图像放大方法装置电子设备存储介质

[发明专利]一种针对神经网络的卷积存储方法-CN202211495386.9在审
发明人：张小军;王正荣;曾庆田;陈达;鲁法明;邱月;宋戈;张德学;郭华 -专利权人：山东海量信息技术研究院;山东科技大学
申请日： 2022-11-27 - 公布日： 2023-03-24 - 主分类号： G06N3/063 文献下载
摘要：本发明公开了一种针对神经网络的卷积存储方法，该方式是将输入数据按照拼接个数的大小进行拼接，将拼接后的数据分别存储到存储器的相应地址中，采用双口RAM可以一次性取出两个地址中的拼接数据。取出两组数据后与卷积核进行卷积运算，重复此步骤得到最终卷积结果。本发明通过将输入数据进行拼接，存储到存储器中，这样一个地址中就可以存储输入数据中的多个数据，较背景技术中一个地址存储一个数据，大大优化了存储时所需要的内存，在进行卷积运算时，存储器中的两个地址中的多个数据可以同时进行卷积运算中的多点运算，这大大提升了输入数据与卷积核进行卷积时的效率。
一种针对神经网络卷积存储方法

[发明专利]一种针对卷积神经元网络进行推理加速的硬件架构及其工作方法-CN201810179570.X有效
发明人：朱顺意 -专利权人：山东领能电子科技有限公司
申请日： 2018-03-05 - 公布日： 2021-03-02 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及一种针对卷积神经元网络进行推理加速的硬件架构及其工作方法，包括预处理单元、硬件加速单元、存储单元；预处理单元用于对原始输入的原始图像帧进行预处理；硬件加速单元用于读入待卷积的预处理后的原始图像帧、卷积核系数、偏移量参数，进行卷积，卷积结束后执行全连接层计算，全连接层计算结束后，输出计算特征判断结果；存储单元用于存储原始输入的原始图像帧、卷积核系数、偏移量参数，以及每一次卷积的输出数据、全连接层的输出数据本发明解决了传统处理器速度慢、延时大、无法实现实时推理等问题，为针对CNN卷积神经元网络进行推理计算的处理器的设计提供新的解决方案。
一种针对卷积神经元网络进行推理加速硬件架构及其工作方法

[发明专利]一种激光干扰图像质量评价方法-CN201910893060.3有效
发明人：胡静;高翔;任立均;蒋侃;熊涛;陈智勇;郑伟萍 -专利权人：华中科技大学
申请日： 2019-09-20 - 公布日： 2022-03-18 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种激光干扰图像质量评价方法，包括：获取激光干扰图像及其对应的参考图像；采用相同卷积网络分别对激光干扰图像和参考图像依次进行多次不同层次特征提取的卷积池化操作；计算激光干扰图像和参考图像经相同次卷积池化时得到的特征向量之间的相似度本发明在激光干扰图像质量评估中引入卷积网络，利用参考图像和干扰图像在卷积网络各卷积层输出特征的相识度，度量干扰图像的失真程度，充分利用卷积网络提取特征的层次性和对遮挡的敏感性。另外，将所有卷积池化对应的相似度值作加权计算，最终评价得分符合实际人眼主观感知，可靠性高，不需要检测目标和光斑的位置，应用场景较广。
一种激光干扰图像质量评价方法

[发明专利]基于轻量化卷积神经网络的无线信号自动调制识别方法-CN202110575130.8有效
发明人：王忠勇;孙冬哲;巩克现;孙鹏;江桦;王玮 -专利权人：郑州大学
申请日： 2021-05-26 - 公布日： 2022-09-30 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了基于轻量化卷积神经网络的无线信号自动调制识别方法，包括如下步骤：步骤A、对于待识别接收信号，进行一次含多个卷积核的标准卷积运算，以从原始信号中获取充足的信息；步骤B、使用深度可分离卷积设计了深度可分离卷积残差单元和深度可分离卷积残差栈用于特征提取；步骤C、使用一层线性激活的点卷积层进行特征升维；步骤D、针对最后一层特征图，使用非线性激活的全局深度卷积进行特征重构；步骤E、针对判别特征向量，使用一层全连接层完成信号分类。
基于量化卷积神经网络无线信号自动调制识别方法

[发明专利]数据分类模型优化方法及分类方法-CN201810431983.2在审
发明人：严寒 -专利权人：西北大学
申请日： 2018-05-08 - 公布日： 2018-11-16 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种数据分类模型优化方法及分类方法，通过遗传算法对卷积神经网络中的每一层权重进行迭代更新，能够更快的找到卷积神经网络的最优权重；经过实验验证，本发明提供分类模型在训练次数达到500次左右即可达到最优，有效改善了卷积神经网络在分类时陷入局部极小、收敛速度慢的问题；并且本发明提供的分类方法的分类精度相比较传统卷积神经网络具有更高的准确率。
卷积神经网络分类模型优化数据分类迭代更新分类模型实验验证遗传算法准确率权重优权收敛

[发明专利]视频中的目标对象的识别方法、装置及设备-CN201910783927.X有效
发明人：柴鑫刚 -专利权人：中移雄安信息通信科技有限公司;中国移动通信集团有限公司
申请日： 2019-08-23 - 公布日： 2023-04-07 - 主分类号： G06V20/40 文献下载
摘要：本发明的实施例提供一种视频中的目标对象的识别方法、装置及设备，方法包括：获取第一视频数据以及第二视频数据；分别对第一视频数据和第二视频数据进行处理，得到第一视频数据的多个第一特征图以及第二视频数据的多个第二特征图；对多个第一特征图进行至少一次的3D卷积、合并和池化处理，得到卷积处理后的第一高纬度特征图，以及对多个第二特征图进行至少一次3D卷积、合并和池化处理，得到第二高纬度特征图；3D卷积包括至少2个卷积核；根据第一高纬度特征图以及第二高纬度特征图本发明的方案利用3D卷积在时间和空间上提取视频特征来进行目标对象识别，识别更加准确以及更加高效。
视频中的目标对象识别方法装置设备

[发明专利]一种面向天文图像解卷积的结构学习方法-CN202011186703.X在审
发明人：马龙;杨薮博;舒聪;黄姗姗;李彦龙;段笑晗;李世飞;喻钧 -专利权人：西安工业大学
申请日： 2020-10-30 - 公布日： 2021-02-05 - 主分类号： G06T5/00 文献下载
摘要：本发明提出一种面向天文图像解卷积的结构学习方法，所述方法包括如下步骤：天文图像输入步骤，接收天文图像输入网络的输入，并将其输入主干网络；主干网络处理步骤，包括特征提取步骤和信号估计步骤；特征提取步骤：通过两次卷积层运算和叠加的残差学习进行特征提取；信号估计步骤：将所述特征提取结果输入至两个支路分别计算；将第一支路计算结果和第二支路计算结果的输出信号进行融合，再次进行两次卷积层运算，得到最终结果。
一种面向天文图像卷积结构学习方法

[发明专利]无人机图传视频近景远景切换技术-CN201811517916.9在审
发明人：李百傲 -专利权人：深圳慧源创新科技有限公司
申请日： 2018-12-12 - 公布日： 2019-05-10 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了无人机图传视频近景远景切换技术，涉及近景远景切换技术领域，包括CNN超分辨率重建图像；建立训练模型；验证模型以及得到Model，选取一张低分辨率图像，将该低分辨率图像使用双三次差值算法放大至目标尺寸；将低分辨率图像输入三层卷集神经网络，第一层卷积：卷积核尺寸为9x9，卷积核数目64，输出64张特征图；第二层卷积：卷积核尺寸1x1，卷积核数目32，输出32张特征图；第三层卷积：卷积核尺寸5x5，卷积核数目
卷积核近景低分辨率图像远景特征图卷积输出放大视频超分辨率重建图像高分辨率图像图像差值算法局部细节神经网络视频图像训练模型第三层第一层三层验证模糊重建

[发明专利]卷积神经网络计算的方法和装置-CN201811455555.X在审
发明人：王明书;何占盈;张佳 -专利权人：深圳市海思半导体有限公司
申请日： 2018-11-30 - 公布日： 2020-06-09 - 主分类号： G06N3/04 文献下载
摘要：本申请提供一种卷积神经网络计算的方法和装置，卷积神经网络的第i层卷积层包括K个卷积核，每个卷积核有M个权值通道，M个输入数据矩阵的数据变换矩阵的每一行有X个非零元素，该方法包括：将第j个输入数据矩阵的卷积数据框中的X行数据进行winograd变换，X小于第j个输入数据矩阵的卷积数据框的行数；将经过winograd变换后的变换结果与经过winograd变换后的第j个卷积核矩阵中的一行权重进行点乘运算，得到中间结果；将M个权值通道对应的中间结果进行累加，得到累加结果；将累加结果进行winograd反变换，得到卷积数据框的计算结果，本申请提供的方法，降低了单次计算所需的资源和计算量，提高计算速率。
卷积神经网络计算方法装置