-
公开(公告)号：CN116702837A
公开(公告)日：2023-09-05
申请号：CN202310537759.2
申请日：2023-05-12
IPC: G06N3/0464 , G06N3/048 , G06N3/096 , G06N3/091 , G06N3/065 , G06F8/60 , G06V10/774 , G06V10/778 , G06V10/82 , G06V10/94
Abstract: 本申请提供一种模型的部署方法，包括获取待部署的神经网络模型，该神经网络模型包括多个融合层，该融合层依次包括批正则化层、激活层和卷积层；将神经网络模型部署到存在读和/或写错误的计算设备上；将训练样本作为神经网络模型的输入，利用上一层卷积层的输出，校准当前层批正则化层的参数。本申请通过将融合层的融合顺序修改为批正则化层、激活层和卷积层，将卷积层和批正则化层进行解耦，可实现利用上一层卷积层的输出校准当前层批正则化层的均值和方差，大幅度消除计算设备的读写错误对其上部署的神经网络模型的推理结果的影响。
-
公开(公告)号：CN119652311A
公开(公告)日：2025-03-18
申请号：CN202311209872.4
申请日：2023-09-18
Applicant: 华为技术有限公司
Abstract: 本申请提供一种三进制逻辑门电路、计算电路、芯片以及电子设备，本申请提供的三进制逻辑门电路可以实现输入逻辑值的加1、减1。基于该三进制逻辑门电路，利用三值逻辑的27种单变量函数，将该三进制逻辑门电路应用于三进制逻辑电路中，可以实现简化三进制逻辑电路的结构的目的，可以减少三进制逻辑电路中的晶体管数量，降低三进制逻辑电路的功耗，以及提高三进制逻辑电路的计算效率。
-
公开(公告)号：CN116888605A
公开(公告)日：2023-10-13
申请号：CN202180094093.7
申请日：2021-04-30
Applicant: 华为技术有限公司
Abstract: 本申请公开了人工智能领域中的一种神经网络模型的运算方法、训练方法及装置，在该运算方法中，利用winograd变换后的权重矩阵对winograd变换后的输入数据矩阵进行特征提取，得到中间矩阵，中间矩阵中的每个元素是根据变换后的输入数据矩阵与变换后的权重矩阵中对应位置的元素之间的L1距离确定的，通过winograd算法对中间矩阵进行输出数据变换，得到输出数据矩阵。本申请的方案将winograd中的点乘操作替换为计算L1距离的操作等加法操作，减少了特征提取过程的计算量，提高了模型的运行速度，减少了运算开销。
-
公开(公告)号：CN114821096A
公开(公告)日：2022-07-29
申请号：CN202210302717.6
申请日：2022-03-25
Applicant: 华为技术有限公司
Abstract: 本申请实施例公开一种图像处理方法、神经网络的训练方法以及相关设备，该方法可将人工智能技术应用于图像处理领域中，方法包括：通过第一神经网络对待处理图像进行特征提取，得到待处理图像的特征信息；前述通过第一神经网络对待处理图像进行特征提取，包括：获取待处理图像所对应的第一特征信息，待处理图像包括多个图像块，第一特征信息包括图像块的特征信息；将至少两组图像块的特征信息依次输入LIF模块，得到LIF模块生成的目标数据；根据目标数据，获取待处理图像包括图像块的更新后的特征信息。实现了通过LIF模块对单个的图像进行特征提取，进而能够实现将LIF模块应用于执行主流的通用视觉任务。
-
公开(公告)号：CN113065997B
公开(公告)日：2023-11-17
申请号：CN202110221909.X
申请日：2021-02-27
Applicant: 华为技术有限公司
Abstract: 本申请实施例公开一种图像处理方法、神经网络的训练方法以及相关设备，该方法可用于人工智能领域的图像处理领域中，第一神经网络模块包括计算量不同的M个分支，方法包括：从第一图像中获取第一区域的图像，第一图像被分为N个区域，第一区域为N个区域中的一个区域；将第一区域的图像输入第一神经网络模块的目标分支中，得到目标分支生成的处理结果，目标分支为M个分支中与第一区域对应的一个分支；将与N个区域对应的处理结果进行融合，以得到第一神经网络模块生成的处理结果；通过计算量小的分支对图像中部分区域进行处理，以降低处理图像中部分区域的计算功耗，不仅降低整个神经网络的计算功耗，且提高了图像处理过程的灵活性。
-
Patent Agency Ranking
公开(公告)号：CN113065997A
公开(公告)日：2021-07-02
申请号：CN202110221909.X
申请日：2021-02-27
Applicant: 华为技术有限公司
Abstract: 本申请实施例公开一种图像处理方法、神经网络的训练方法以及相关设备，该方法可用于人工智能领域的图像处理领域中，第一神经网络模块包括计算量不同的M个分支，方法包括：从第一图像中获取第一区域的图像，第一图像被分为N个区域，第一区域为N个区域中的一个区域；将第一区域的图像输入第一神经网络模块的目标分支中，得到目标分支生成的处理结果，目标分支为M个分支中与第一区域对应的一个分支；将与N个区域对应的处理结果进行融合，以得到第一神经网络模块生成的处理结果；通过计算量小的分支对图像中部分区域进行处理，以降低处理图像中部分区域的计算功耗，不仅降低整个神经网络的计算功耗，且提高了图像处理过程的灵活性。
-
公开(公告)号：CN113065575A
公开(公告)日：2021-07-02
申请号：CN202110221928.2
申请日：2021-02-27
Applicant: 华为技术有限公司
Abstract: 本申请实施例公开了一种图像处理方法，应用于人工智能领域，包括：获取待处理图像的输入特征图，所述输入特征图包括第一输入子特征图和第二输入子特征图，所述第一输入子特征图的分辨率高于所述第二输入子特征图的分辨率；通过目标网络对所述输入特征图进行特征融合处理，得到输出特征图，在该目标网络中采用从低层往高层的方式将第一输入子特征图的特征往第二输入子特征图的特征中进行融合；根据所述输出特征图对所述待处理图像进行目标检测，得到目标检测结果。本方案中，采用从低层往高层的方式将低层特征往高层特征进行融合，弥补高层特征的稀疏问题，从而提高目标检测精度，解决加法神经网络无法应用于目标检测的问题。
-
公开(公告)号：CN113065575B
公开(公告)日：2025-03-04
申请号：CN202110221928.2
申请日：2021-02-27
Applicant: 华为技术有限公司
IPC: G06V10/82 , G06V10/80 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本申请实施例公开了一种图像处理方法，应用于人工智能领域，包括：获取待处理图像的输入特征图，所述输入特征图包括第一输入子特征图和第二输入子特征图，所述第一输入子特征图的分辨率高于所述第二输入子特征图的分辨率；通过目标网络对所述输入特征图进行特征融合处理，得到输出特征图，在该目标网络中采用从低层往高层的方式将第一输入子特征图的特征往第二输入子特征图的特征中进行融合；根据所述输出特征图对所述待处理图像进行目标检测，得到目标检测结果。本方案中，采用从低层往高层的方式将低层特征往高层特征进行融合，弥补高层特征的稀疏问题，从而提高目标检测精度，解决加法神经网络无法应用于目标检测的问题。
-
公开(公告)号：CN115984963A
公开(公告)日：2023-04-18
申请号：CN202211716276.0
申请日：2022-12-29
Applicant: 华为技术有限公司
Abstract: 本申请公开了一种动作计数方法及其相关设备，可融合多种信息来完成目标动作的技术，有利于提高最终所得到的目标动作的计数结果的准确度。本申请的方法包括：在获取目标视频后，可先对目标视频进行第一处理，从而得到目标物体在目标视频中的位置信息。接着，可将目标物体在目标视频中的位置信息添加至目标视频，从而得到处理后的目标视频。然后，可对处理后的目标视频进行第二处理，从而得到目标物体的动作序列，动作序列可包含多个动作，这多个动作通常包含目标动作以及其余动作，且这多个动作按照在处理后的目标视频中的出现时间进行排序。最后，可对多个动作进行处理，从而得到目标物体的目标动作的次数。
-
公开(公告)号：CN115712828A
公开(公告)日：2023-02-24
申请号：CN202110950638.1
申请日：2021-08-18
Applicant: 华为技术有限公司
IPC: G06F18/214 , G06F18/213 , G06F18/241
Abstract: 本申请提供一种图像分类方法及其相关设备，该方法包括：在获取目标图像后，transformer网络可基于目标图像进行线性变换处理，得到Q特征、K特征和V特征。接着，transformer网络计算Q特征和K特征之间的距离，从而得到注意力特征。然后，transformer网络将注意力特征和V特征进行融合处理，并基于融合后的特征获取目标图像的分类结果。前述过程中，由于Q特征和K特征之间的距离的计算主要涉及加法运算，故transformer网络获取注意力特征的操作，不再包含大量的乘法运算，而是被计算开销较小的加法运算所代替，可使得transformer网络广泛应用在算力有限的终端设备上。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.036 seconds)
