【专利解密】清华大学多阵列忆阻器存算一体系统
清华大学的钱鹤、吴华强教授团队搭建的这一基于多个忆阻器阵列的全硬件完整存算一体系统,并能够高效的运行卷积神经网络算法,并验证了图像识别功能,证明了存算一体架构全硬件实现的可行性,对今后AI算力瓶颈的突破有着极大意义。关于嘉德深圳市嘉德知识产权服务有限公司由曾在华为等世界500强企业工作多年的知识产权专家、...
双元科技:公司自主研发的机器视觉软件算法融合了基于卷积神经网络...
公司回答表示:公司自主研发的机器视觉的软件算法既包含传统的图像解码、缺陷定位融合特征提取和缺陷过滤筛选等图像处理算法等,还融合了基于卷积神经网络的表面缺陷检测方法等,完成对被测物复杂的表面缺陷类型识别,避免了传统方法漏检率高、检测精度低和适应性差的问题。本文源自:金融界AI电报作者:公告君...
...能够充分利用现有硬件资源实现加速算法对卷积神经网络运算的加速
专利摘要显示,本申请实施例提供一种神经网络运算方法及相关设备,通过利用现有卷积运算硬件中的A个第一加法器、A个乘法器和B个第二加法器对输入卷积核运算的A个第一目标数据执行一维加速算法运算,得到第一运算周期的卷积运算结果;将A个第一目标数据进行右移,移出2个第一目标数据的同时移入2个新的目标数据,得到A个...
卷积神经网络CNN架构实现细胞生长和作用机制的数据提取
基于神经网络算法,生成卷积神经网络CNN架构(convolutionalneuralnetwork)来评估数据量巨大的细胞开启静态的图像,人工处理的工作量是非常艰辛和枯燥的。然而用传统的图像处理方法,当活体的细胞出现与时空位次存在差异的时候,很难保留原始图像特征。因此生成卷积神经网络CNN架构(convolutionalneuralnetwork),它的两大工作特...
基于卷积神经网络的目标跟踪算法
基于卷积神经网络的目标跟踪算法通常包括两个关键步骤:目标检测和目标跟踪。首先,通过卷积神经网络对视频帧进行目标检测,确定目标的位置和大小;接着,在后续的视频帧中利用卷积神经网络进行目标跟踪,通过对目标特征的提取和匹配来实现目标的连续跟踪。在目标检测阶段,通常会使用一些流行的卷积神经网络架构,如FasterR-CNN...
【深度学习】6种卷积神经网络压缩方法
简单理解就是,卷积神经网络的权重矩阵往往稠密且巨大,从而计算开销大,有一种办法是采用低秩近似的技术将该稠密矩阵由若干个小规模矩阵近似重构出来,这种方法归类为低秩近似算法(www.e993.com)2024年10月23日。一般地,行阶梯型矩阵的秩等于其“台阶数”-非零行的行数。低秩近似算法能减小计算开销的原理如下:...
十三项作物信息监测技术研究进展|水稻|小麦|菌草|玉米|鲁棒性...
6个品种的菌草植株,设置低温胁迫组与常温对照组,获取菌草苗期的可见/近红外光谱数据与叶片MDA含量信息,分析低温胁迫条件下菌草MDA含量及其光谱反射率均相应增加的变化趋势;为提升模型的检测效果,提出了改进的一维深度卷积生成式对抗网络用于样本数量增广,并建立基于随机森林、偏最小二乘回归以及卷积神经网络算法的MDA光谱...
抛弃高精度地图旧模式,走向视觉感知新时代?
1.深度学习算法卷积神经网络(CNN)卷积神经网络是深度学习的核心技术之一,广泛应用于图像识别和分类任务。CNN通过卷积层、池化层和全连接层的组合,能够有效地提取图像中的特征,实现目标检测、物体识别和语义分割等任务。??目标检测:识别并定位图像中的特定物体,如行人、车辆、交通标志等。常用的目标检测模型包括...
基于改进YOLOv5s模型的风电叶片内腔缺陷检测 | 科技导报
其中卷积神经网络(convolutionalneuralnetwork,CNN)作为一种较强的目标检测算法,在风电叶片内腔缺陷检测中得到了广泛应用。该算法可有效提取图像特征,实现对叶片内部裂纹、鼓包、褶皱、脱胶等缺陷的定位和识别。基于深度学习的目标检测算法主要有2种类型,单阶段算法和二阶段算法。单阶段算法的特点在于不需要生成候选框,...
云顶财说 | 产业变迁与企业成长:英伟达奇迹的秘密
(三)大模型的出现—从“算法为王”到“算力为王”1980s开始,机器学习成为现代人工智能的核心,并发展出决策树、支持向量机、神经网络、随机森林等算法。2000s后,人工智能进入深度学习时代,卷积神经网络(CNN)、循环神经网络(RNN)、长短时记忆网络(LSTM)等深度学习算法在图像识别、语音识别、自然语言处理等领域取得了...