文档详情

一种卷积神经网络输入层装置及其工作方法.pdf

发布：2023-06-09约5.98千字共6页下载文档

文本预览下载声明

(19)国家知识产权局 (12)发明专利 (10)授权公告号 CN 112966813 B (45)授权公告日 2023.04.07 (21)申请号 202110273669.8 (56)对比文件 (22)申请日 2021.03.15

显示全部

相似文档

一种神经网络结构确定方法及其装置.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114565092 A (43)申请公布日 2022.05.31 (21)申请号 202011268949.1 (22)申请日 2020.11.13 (71)申请人华为技术有限公司地址 51812
2023-05-08 约6.58万字 50页立即下载
卷积神经网络的处理方法及装置.docx PAGE 1- 卷积神经网络的处理方法及装置一、卷积神经网络的基本原理 卷积神经网络（ConvolutionalNeuralNetworks，CNN）是一种特殊的神经网络架构，它在图像、语音和其他信号处理领域中具有广泛的应用。卷积神经网络的核心思想是利用卷积层对输入数据进行特征提取，通过权值共享减少模型参数，从而降低计算复杂度。在卷积层中，每个神经元只关注输入数据的局部区域，通过对局部区域进行特征提取，可以捕捉到图像中的边缘、纹理等局部特征。 卷积层的基本操作是将一个小的滤波器（也称为卷积核或滤波器）在输入数据上滑动，每次滑动都会产生一个特征图。这种操作称为局部连接或共享权重连接，即同一滤波
2025-01-18 约2.95千字 6页立即下载
基于卷积神经网络的帧内编码优化方法及装置.docx PAGE 1- 基于卷积神经网络的帧内编码优化方法及装置第一章帧内编码技术概述 (1)帧内编码技术是视频压缩领域的一项关键技术，其主要目的是减少视频数据中冗余信息，从而降低数据传输和存储的负担。帧内编码通过去除帧内像素之间的空间冗余性来实现压缩，它不依赖于帧与帧之间的时间冗余信息。这种编码方式在视频编码标准如H.264/AVC和HEVC中扮演着重要角色，对于提高视频传输效率和质量具有显著影响。 (2)帧内编码技术主要包括预测编码和变换编码两个主要步骤。预测编码通过分析帧内像素间的空间相关性，预测当前像素值；而变换编码则将预测误差或残差进行变换，以提取能量集中的系数，进一步实现压缩。随着深度学
2025-01-21 约2.95千字 6页立即下载
用于训练卷积神经网络的方法和装置.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号CN107609645A (43)申请公布日 2018.01.19 (21)申请号20171
2024-03-30 约2.28万字 19页立即下载
用于对神经网络中卷积层进行剪枝的方法和装置.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113392953 A (43)申请公布日 2021.09.14 (21)申请号 20201
2023-06-19 约2.09万字 20页立即下载
基于卷积神经网络的信息隐藏方法及装置.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113393359 A (43)申请公布日 2021.09.14 (21)申请号 202110539518.2 (22)申请日 2021.05.18 (71)申请人杭州电子科技大学地址
2023-06-17 约1万字 10页立即下载
卷积神经网络模型的压缩方法及装置.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112990458 A (43)申请公布日 2021.06.18 (21)申请号 202110402597.2 (22)申请日 2021.04.14 (71)申请人北京灵汐科技有限公司
2023-06-09 约4.55万字 37页立即下载
一种卷积神经网络生成方法、年龄识别方法及相关装置.docx PAGE 1- 一种卷积神经网络生成方法、年龄识别方法及相关装置一、卷积神经网络生成方法 (1)卷积神经网络（CNN）在图像识别和图像生成领域得到了广泛应用。CNN通过学习图像中的局部特征，能够有效提取图像中的重要信息。在生成方法方面，CNN可以采用多种架构，如VGG、ResNet等。VGG结构简单，参数较少，适用于小规模数据集；而ResNet则引入了残差学习，能够在深层网络中减少梯度消失问题。此外，生成对抗网络（GAN）作为一种新型生成模型，结合了CNN的强大特征提取能力和对抗性训练，能够生成高质量、具有多样性的图像。 (2)在CNN生成方法的具体实现上，通常会采用迁移学习。首先，在大量的
2025-01-20 约2.07千字 4页立即下载
一种基于卷积神经网络的焊点检测方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113409250 A (43)申请公布日 2021.09.17 (21)申请号 202110579200.7 (22)申请日 2021.05.26 (71)申请人杭州
2023-06-21 约1.8万字 17页立即下载
一种基于宽卷积神经网络的图像去噪方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112801897 A (43)申请公布日 2021.05.14 (21)申请号 202110071024.6 (22)申请日 2021.01.19 (71)申请人西安理工大学地址
2023-06-05 约1.75万字 18页立即下载
一种卷积神经网络模型的压缩方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112836817 A (43)申请公布日 2021.05.25 (21)申请号 20191
2023-06-03 约8.67千字 8页立即下载
一种用于卷积神经网络模型的剪枝方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112990420 A (43)申请公布日 2021.06.18 (21)申请号 20191
2023-06-07 约7.35千字 9页立即下载
一种卷积神经网络模型构建方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112819252 A (43)申请公布日 2021.05.18 (21)申请号 202110224274.9 G06F 119/02 (2020.01) (22)申请日
2023-06-06 约7.76千字 7页立即下载
一种预测卷积神经网络训练时间的方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114548379 A (43)申请公布日 2022.05.27 (21)申请号 202210196122.7 (22)申请日 2022.03.01 (71)申请人杭州电子科技大学地址 31001
2023-05-08 约9.97千字 12页立即下载
一种基于卷积神经网络的物品检测方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号CN117541558A (43)申请公布日2024.02.09 (21)申请号202311543186.0G06V10/764(2022.01)
2024-02-08 约6.41千字 6页立即下载