检索结果-内蒙古大学图书馆

作者：赵芮王震宇 100089 北京市海淀区彩和坊路11号12层1303室

本申请提供了一种AI算法架构的实现装置、卷积计算单元及相关方法与设备，AI算法架构的实现装置包括：权重预处理单元，用于将权重掩码转换为两个3bit的权重掩码mask_l和mask_h，且两个权重掩码中均最多有1bit的1；卷积计算单元，包括... 详细信息

标准号: CN115796239A

本申请提供了一种AI算法架构的实现装置、卷积计算单元及相关方法与设备，AI算法架构的实现装置包括：权重预处理单元，用于将权重掩码转换为两个3bit的权重掩码mask_l和mask_h，且两个权重掩码中均最多有1bit的1；卷积计算单元，包括数据选择器，用于根据两个权重掩码从4个待选数据中选出2个目标。本申请可以将spasity4：2的数据选择逻辑优化成两个基于3bits的权重掩码进行C31数据选择(即从3个数据中选择一个数据)的逻辑，由于2个C31数据选择的逻辑复杂度小于C42(即从4个数据中选择一个数据)的逻辑，因此简化了稀疏卷积中的数据选择逻辑，降低了稀疏数据选择电路关键路径上的延时。

关键词：权重掩码卷积计算单元数据选择逻辑实现装置数据选择算法架构逻辑复杂度数据选择器预处理单元关键路径稀疏卷积稀疏数据选择电路延时申请转换优化

来源：评论

学校读者我要写书评

暂无评论

AI算法架构的实现装置、卷积计算装置及相关方法与设备

AI算法架构的实现装置、卷积计算装置及相关方法与设备

引用

作者：赵芮王震宇 100089 北京市海淀区彩和坊路11号12层1303室

本申请提供了一种AI算法架构的实现装置、卷积计算装置及相关方法与设备，AI算法架构的实现装置包括：权重预处理单元，用于将权重掩码转换为两个3bit的权重掩码mask_l和mask_h，且两个权重掩码中均最多有1bit的1；卷积计算装置，包括... 详细信息

标准号: CN115796239B

本申请提供了一种AI算法架构的实现装置、卷积计算装置及相关方法与设备，AI算法架构的实现装置包括：权重预处理单元，用于将权重掩码转换为两个3bit的权重掩码mask_l和mask_h，且两个权重掩码中均最多有1bit的1；卷积计算装置，包括数据选择器，用于根据两个权重掩码从4个待选数据中选出2个目标。本申请可以将spasity4：2的数据选择逻辑优化成两个基于3bits的权重掩码进行C31数据选择(即从3个数据中选择一个数据)的逻辑，由于2个C31数据选择的逻辑复杂度小于C42(即从4个数据中选择一个数据)的逻辑，因此简化了稀疏卷积中的数据选择逻辑，降低了稀疏数据选择电路关键路径上的延时。

关键词：权重掩码数据选择逻辑卷积计算实现装置数据选择算法架构逻辑复杂度数据选择器预处理单元关键路径稀疏卷积稀疏数据选择电路延时申请转换优化

来源：评论

学校读者我要写书评

暂无评论

基于激光雷达和相机融合的目标检测算法

引用

牡丹江师范学院学报（自然科学版） 2024年第4期 17-21页

作者：李梦楠徐晓光高端装备先进感知与智能控制教育部重点实验室安徽芜湖241000 安徽工程大学电气工程学院安徽芜湖241000 安徽工程大学产业创新技术研究有限公司安徽芜湖241000

基于多模态焦点稀疏卷积的目标检测算法对小尺寸目标检测精度不足的问题,提出一种多尺度特征提取网络.算法融合多尺度特征,提取网络优化原始算法中的特征提取部分,提升行人和自行车类别的定位精度,加入多模态焦点稀疏卷积目标检测网络.... 详细信息

基于多模态焦点稀疏卷积的目标检测算法对小尺寸目标检测精度不足的问题,提出一种多尺度特征提取网络.算法融合多尺度特征,提取网络优化原始算法中的特征提取部分,提升行人和自行车类别的定位精度,加入多模态焦点稀疏卷积目标检测网络.结果表明,改进后的目标检测模型提升了小目标“Pedestrians”类和“Cyclist”类检测的mAP(mean Average Precision)百分比,提升了小尺度目标的定位精度.

关键词：多尺度卷积网络特征提取点云稀疏卷积

来源：评论

学校读者我要写书评

暂无评论

一种基于注意力机制的三维点云物体识别方法

引用

计算机技术与发展 2020年第4期30卷 41-45页

作者：钟诚周浩杰韦海亮数学工程与先进计算国家重点实验室江苏无锡214000

三维点云数据通常具备无序排列的结构。在三维点云数据处理领域,深度学习模型通常会利用最大池化等对称操作来处理点云的排列不变性。最大池化方法一方面会破坏点云的信息结构,使得局部信息与全局信息难以交互。另一方面,最大池化方法... 详细信息

三维点云数据通常具备无序排列的结构。在三维点云数据处理领域,深度学习模型通常会利用最大池化等对称操作来处理点云的排列不变性。最大池化方法一方面会破坏点云的信息结构,使得局部信息与全局信息难以交互。另一方面,最大池化方法对点云信息过度压缩,得到的特征对局部细节描述不足。针对上述问题,提出了AttentionPointNet的网络结构。该网络利用注意力机制,使每个点与点云其余部分进行特征交互,实现了局部与全局信息的综合。为降低最大池化造成的信息损失,提出了一种稀疏卷积方法来替代池化操作。这种方法利用大步长的稀疏卷积实现全局信息的提取。在ModelNet40数据集上,AttentionPointNet取得了87.2%的准确率。不使用池化层,完全采用卷积层实现的模型取得了86.2%的分类准确率。

关键词：注意力机制点云物体识别池化稀疏卷积

来源：评论

学校读者我要写书评

暂无评论

改进的多尺度点云自编码器网络

引用

电视技术 2023年第11期47卷 22-25,48页

作者：朱映韬陈建万杰黄炜杜天放福州大学先进制造学院福建泉州362200 福州大学物理与信息工程学院福建福州350108

三维数据的应用场景持续发展,对点云数据高效传输的需求不断增加。然而,如何压缩稀疏、非结构化、高精度的三维点以实现高效通信,仍是一个具有挑战性的问题。为此,通过改进多尺度自编码网络框架以优化局部特征提取,控制模型复杂度和计... 详细信息

三维数据的应用场景持续发展,对点云数据高效传输的需求不断增加。然而,如何压缩稀疏、非结构化、高精度的三维点以实现高效通信,仍是一个具有挑战性的问题。为此,通过改进多尺度自编码网络框架以优化局部特征提取,控制模型复杂度和计算开销;通过引入多尺度特征提取块,将潜在表征自适应地分解为多个不同尺度的局部特征;通过残差级联结构减小全局特征损失,实现特征的多尺度融合。

关键词：点云压缩细粒度稀疏卷积端到端学习

来源：评论

学校读者我要写书评

暂无评论

一种基于深度交错融合分组卷积网络的图像分类方法

一种基于深度交错融合分组卷积网络的图像分类方法

引用

作者：王雪松吕恩辉程玉虎 221116 江苏省徐州市大学路1号中国矿业大学科研院

本发明公开了一种基于深度交错融合分组卷积网络的图像分类方法，首先选择需要进行分类的图像数据，并进行图像预处理，得到扩增后的图像数据；然后使用相同的拓扑结构以及交错融合策略，构建出模板模块；再使用小卷积核以及分组卷积策... 详细信息

标准号: CN110197217A

本发明公开了一种基于深度交错融合分组卷积网络的图像分类方法，首先选择需要进行分类的图像数据，并进行图像预处理，得到扩增后的图像数据；然后使用相同的拓扑结构以及交错融合策略，构建出模板模块；再使用小卷积核以及分组卷积策略，构建出结构化稀疏卷积核；最后通过堆叠若干模板模块并和结构化稀疏卷积核形成深度交错融合分组卷积网络。采用带有动量系数的小批次随机梯度下降法对深度交错融合分组卷积网络进行训练，分析得到网络参数，完成图像分类。本方法能够在无损性能的前提下，缩减模型、提升计算效率。

关键词：卷积交错分组模板模块图像分类图像数据稀疏卷积结构化构建融合随机梯度下降法图像预处理动量系数计算效率融合策略拓扑结构网络参数网络卷积核再使用堆叠扩增无损分类分析

来源：评论

学校读者我要写书评

暂无评论

卷积神经网络的压缩和移植方法、装置、设备及存储介质

卷积神经网络的压缩和移植方法、装置、设备及存储介质

引用

作者：章金龙李合青陈小彪李建超孙璆琛 310051 浙江省杭州市滨江区滨安路1187号

本申请公开了一种卷积神经网络的压缩和移植方法、装置、设备及存储介质。卷积神经网络的压缩方法包括：获取待压缩的初始卷积神经网络，将所述初始卷积神经网络中每个待压缩的卷积层之后添加一层稀疏卷积层；获取到各所述稀疏卷积层的... 详细信息

标准号: CN113850365A

本申请公开了一种卷积神经网络的压缩和移植方法、装置、设备及存储介质。卷积神经网络的压缩方法包括：获取待压缩的初始卷积神经网络，将所述初始卷积神经网络中每个待压缩的卷积层之后添加一层稀疏卷积层；获取到各所述稀疏卷积层的权重参数，基于所述权重参数对所述各所述待压缩的卷积层进行剪枝与分解处理，得到稀疏化后的卷积神经网络；对所述稀疏化后的卷积神经网络进行训练，将训练完成的卷积神经网络作为压缩后的卷积神经网络。上述方案，能够有效减少模型参数。

关键词：卷积神经网络压缩初始卷积权重参数神经网络稀疏卷积卷积稀疏存储介质分解处理模型参数有效减少剪枝移植申请

来源：评论

学校读者我要写书评

暂无评论

一种基于FPGA的分组卷积硬件加速器及其方法

一种基于FPGA的分组卷积硬件加速器及其方法

引用

作者：岳涛解文建王宇宣潘红兵闫锋 210046 江苏省南京市栖霞区仙林大道163号

本发明公开了一种基于FPGA的分组卷积硬件加速器及其方法。该加速器包括：顶层控制器，用于对输入数据进行处理和分组存放并将权重和激励数据传递给数据分发模块；数据分发模块，用于根据输入特征图尺寸进行数据选择和分组存放并将权重... 详细信息

标准号: CN111445012A

本发明公开了一种基于FPGA的分组卷积硬件加速器及其方法。该加速器包括：顶层控制器，用于对输入数据进行处理和分组存放并将权重和激励数据传递给数据分发模块；数据分发模块，用于根据输入特征图尺寸进行数据选择和分组存放并将权重和激励数据分发给卷积运算阵列；卷积运算阵列，用于分组完成稀疏卷积的乘加运算操作；结果控制模块，用于对卷积运算阵列输出的部分和的结果进行累加缓存并进行通道随机混合操作；线性激活函数单元，用于对结果控制模块输出的结果加偏置和激活函数操作；存储器DDR，用于存储原始输入图像数据、卷积运算阵列的中间结果和最终输出的特征图。本发明可以对特征图进行快速卷积操作，并且获得更多的特征图信息。

关键词：卷积运算特征图分组结果控制模块数据分发模块激活函数激励数据权重和卷积缓存原始输入图像硬件加速器存储器乘加运算混合操作输入特征数据选择稀疏卷积阵列输出中间结果控制器输出累加加速器顶层偏置分发存储传递

来源：评论

学校读者我要写书评

暂无评论

一种基于深度交错融合分组卷积网络的图像分类方法

一种基于深度交错融合分组卷积网络的图像分类方法

引用

作者：王雪松吕恩辉程玉虎 221116 江苏省徐州市大学路1号中国矿业大学科研院

标准号: CN110197217B

来源：评论

学校读者我要写书评

暂无评论

一种基于空间相关区分卷积神经网络的CT图像分类方法

一种基于空间相关区分卷积神经网络的CT图像分类方法

引用

作者：袭肖明于治楼 250100 山东省济南市高新区孙村镇科航路2877号研发楼一楼

本发明公开一种基于空间相关区分卷积神经网络的CT图像分类方法,涉及数据处理技术领域；构造三维稀疏卷积核，针对CT图像数据，在卷积过程中获取CT图像数据各个切片的空间信息及各个切片空间信息之间的空间相关性，在每个卷积层后利用so... 详细信息

标准号: CN110321922A

本发明公开一种基于空间相关区分卷积神经网络的CT图像分类方法,涉及数据处理技术领域；构造三维稀疏卷积核，针对CT图像数据，在卷积过程中获取CT图像数据各个切片的空间信息及各个切片空间信息之间的空间相关性，在每个卷积层后利用softmax损失函数对CT图像数据的特征图的学习进行区分性特征学习约束，约束每个特征图的相关特征点符合对应的CT图像的类别，利用每个卷积层的softmax损失函数之和获得空间相关区分卷积神经网络的优化函数，待分类的CT图像输入空间相关区分卷积神经网络后，利用优化函数对待分类的CT图像进行分类。

关键词：神经网络分卷卷积分类空间相关空间信息损失函数优化函数特征图切片数据处理技术空间相关性输入空间特征学习稀疏卷积区分性特征点三维学习

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：