物理
下拉
最新专利
-
使用存内处理进行矩阵乘法的装置和方法 公开日期:2025-04-25 公开号:CN114945916A 申请号:CN202080052635.X使用存内处理进行矩阵乘法的装置和方法
- 申请号:CN202080052635.X
- 公开号:CN114945916A
- 公开日期:2025-04-25
- 申请人:北京苹芯科技有限公司
本发明公开了用于使用存内处理(PIM)的矩阵乘法的装置和方法的实施例。在示例中,用于矩阵乘法的设备包括块阵列,所述块每个都包括一个或多个PIM块。PIM块可以包括被配置为数字模式或模拟模式的混合模式PIM块。配置为数字模式的PIM块可以执行与深度(DW)卷积相关联的操作。另一方面,配置为模拟模式的PIM块可以执行与逐点(PW)卷积相关联的操作。根据计算,控制器可用于将PIM模块配置为要么数字模式、要么模拟模式。- 发布时间:2022-10-24 10:20:11
- 1
-
仿真真实世界场景中变形的计算机实现方法、电子装置及计算机可读存储介质 公开日期:2024-12-17 公开号:CN114945950A 申请号:CN202080092160.7仿真真实世界场景中变形的计算机实现方法、电子装置及计算机可读存储介质
- 申请号:CN202080092160.7
- 公开号:CN114945950A
- 公开日期:2024-12-17
- 申请人:OPPO广东移动通信有限公司
本公开提供一种计算机实现方法。所述方法包括:(101)获取用于表示一真实世界场景的3D体积数据;(102)响应于对所述3D体积数据的一激活动作,从所述3D体积数据获取一当前的活动3D体积数据集合;(103)基于所述当前的活动3D体积数据集合更新多个活动3D体积数据集合,所述多个活动3D体积数据集合从所述3D体积数据被获取;(104)基于所述多个被更新的活动3D体积数据集合构建一表面;及(105)基于所述表面仿真所述真实世界场景的一部分的一变形,所述真实世界场景的所述部分对应于所述多个被更新的活动3D体积数据集合。此外,本公开还提供一电子装置及一存储介质。- 发布时间:2022-10-24 10:20:54
- 0
-
用于温度控制组件的独立的热腔室 公开日期:2023-11-24 公开号:CN114945891A 申请号:CN202080092204.6用于温度控制组件的独立的热腔室
- 申请号:CN202080092204.6
- 公开号:CN114945891A
- 公开日期:2023-11-24
- 申请人:美光科技公司
一种热腔室包含多个侧部,例如背侧、前侧、第一端、第二端、顶侧和底侧。电子电路板可调整地安装到所述底侧且定位于所述热腔室的所述底侧上方。在闭合位置中,所述多个侧部形成围封腔室。所述顶侧包含沿着水平轴定向的一或多个端口。所述一或多个端口中的每一个包含暴露所述围封腔室的顶侧开放区域。所述一或多个端口中的每一个被配置成接收温度控制组件,所述温度控制组件局部地传递热能进出耦合到所述电子电路板且定位于所述电子电路板上方的电子系统的多个电子装置。- 发布时间:2022-10-24 10:20:56
- 2
-
执行混洗归约操作的方法、系统和存储介质 公开日期:2025-03-14 公开号:CN114945902A 申请号:CN202080092843.2执行混洗归约操作的方法、系统和存储介质
- 申请号:CN202080092843.2
- 公开号:CN114945902A
- 公开日期:2025-03-14
- 申请人:华为技术有限公司
混洗归约操作接收由不同映射任务排序和写入的文件作为输入,从每个输入文件获取批次数据,将批次数据合并和排序以形成大的统一的数据段。对统一的数据段应用混洗归约操作以产生输出数据。混洗归约操作包括提供显著小于输入数据量的输出数据量的可交换归约操作。输出数据被写入到存储器。对不同批次的数据重复该过程,直到来自每个输入文件中的数据被完全消耗并且输出数据已完全形成。混洗归约操作大大减少了混洗操作中需要由归约任务读取的数据大小,因此显著降低了输入/输出开销和总执行时间。- 发布时间:2022-10-24 10:21:16
- 1
-
基于虹膜大小估计深度 公开日期:2025-05-06 公开号:CN114945943A 申请号:CN202080093126.1基于虹膜大小估计深度
- 申请号:CN202080093126.1
- 公开号:CN114945943A
- 公开日期:2025-05-06
- 申请人:谷歌有限责任公司
示例实施例涉及基于虹膜大小来估计深度信息。计算系统可以获得描绘人的图像,并基于人的面部的特征来确定该面部的面部网格。在一些情况下,面部网格包括面部标志和眼睛标志的组合。因此,计算系统可以基于面部网格的眼睛标志来估计眼睛的虹膜像素尺寸,并且基于虹膜像素尺寸、平均值虹膜尺寸和相机的固有矩阵来估计面部的眼睛相对于相机的距离。计算系统可以基于估计的距离进一步修改图像。- 发布时间:2022-10-24 10:21:28
- 0
-
应用切换方法、装置、终端及存储介质 公开日期:2025-02-18 公开号:CN114942802A 申请号:CN202110169218.X应用切换方法、装置、终端及存储介质
- 申请号:CN202110169218.X
- 公开号:CN114942802A
- 公开日期:2025-02-18
- 申请人:OPPO广东移动通信有限公司
本申请实施例公开了一种应用切换方法、装置、终端及存储介质,属于人机交互技术领域。该方法包括:在共享浮窗中显示第一应用程序的第一应用界面,第一应用程序属于采用浮窗显示的n个前台应用程序,n为大于等于2的整数;接收应用切换操作;响应于应用切换操作,将共享浮窗中显示的第一应用界面切换为第二应用程序的第二应用界面,第二应用程序属于n个前台应用程序。采用本申请实施例提供的方案,由于采用浮窗显示的前台应用程序使用同一共享浮窗进行界面展示,因此能够避免因同时显示多个浮窗导致浮窗间相互遮挡的问题,并能够降低浮窗对背景界面造成的遮挡。- 发布时间:2022-10-24 10:21:47
- 2
-
一种神经网络模型的训练方法、装置、设备及存储介质 公开日期:2025-05-06 公开号:CN114943330A 申请号:CN202110172561.X一种神经网络模型的训练方法、装置、设备及存储介质
- 申请号:CN202110172561.X
- 公开号:CN114943330A
- 公开日期:2025-05-06
- 申请人:广州视源电子科技股份有限公司|||广州视源人工智能创新研究院有限公司
本发明公开了一种神经网络模型的训练方法、装置、设备及存储介质。本发明实施例提供的神经网络模型的训练方法,基于训练样本的特征向量的L2范数挖掘训练数据中的难样本,为该难样本的交叉熵损失值配置相应的权重,让模型在训练过程中更多地关注到难样本的学习,进而提高神经网络模型在实际应用过程中的泛化性。此外,基于训练样本的特征向量的L2范数挖掘训练数据中的难样本,无需计算训练样本间的相似度和排序操作,节省了计算资源,提高了训练效率。- 发布时间:2022-10-24 10:21:49
- 0
-
图像识别方法及装置、终端、存储介质 公开日期:2025-01-21 公开号:CN114943886A 申请号:CN202110172587.4图像识别方法及装置、终端、存储介质
- 申请号:CN202110172587.4
- 公开号:CN114943886A
- 公开日期:2025-01-21
- 申请人:北京小米移动软件有限公司
本公开是关于一种图像识别方法及装置、终端、存储介质,所述方法包括:获取待识别图像在预定色彩空间的统计值;确定所述统计值中,属于预定统计范围内的目标统计值;其中,所述预定统计范围表征待识别的目标场景在所述预定色彩空间的取值范围;基于所述目标统计值在所述预定色彩空间的分布形态,确定所述待识别图像是否为包括所述目标场景的图像。通过该方法,能有效降低计算量,提升识别速度,且能提升对目标场景识别的精准度。- 发布时间:2022-10-24 10:21:50
- 0
-
事件检测方法及装置、电子设备、存储介质 公开日期:2024-11-19 公开号:CN114943242A 申请号:CN202110172631.1事件检测方法及装置、电子设备、存储介质
- 申请号:CN202110172631.1
- 公开号:CN114943242A
- 公开日期:2024-11-19
- 申请人:北京小米移动软件有限公司
本公开是关于一种事件检测方法及装置、电子设备、存储介质。所述方法包括:发射检测信号;接收所述检测信号的回波信号;获取所述回波信号的特征值;基于所述特征值计算判决参数,基于所述判决参数确定发生的事件。本公开发射两条检测信号,同时接收端接收两条检测信号的回波信号,通过提取两条回波信号的特定频段周围的频谱信息而构成频移谱,频移谱在手机等移动终端设备发生接近远离事件时,会有明显的条纹出现,本申请通过对频移信息的有效利用,从而提升了接近远离事件的识别效果。- 发布时间:2022-10-24 10:21:50
- 0
-
图像处理方法、装置、系统及电子设备 公开日期:2025-03-14 公开号:CN114943642A 申请号:CN202110175794.5图像处理方法、装置、系统及电子设备
- 申请号:CN202110175794.5
- 公开号:CN114943642A
- 公开日期:2025-03-14
- 申请人:华为技术有限公司
本申请提供了一种图像处理方法、装置、系统及电子设备,涉及人工智能技术领域,尤其涉及图像处理领域。本方案中是采用卷积神经网络分阶段的将RGB图像融入到该RGB图像对应的深度图中,对深度图进行重建,从而得到高分辨率的深度图,进而提升图像虚化、物体建模、手势识别精度和指令数以及3D动态图片中的效果。其中,第一阶段是将RGB图像融入到该RGB图像对应的深度图中,第二阶段是将该RGB图像的边缘图像融入到第一阶段获得的图像中,进而得到高分辨率的深度图。- 发布时间:2022-10-24 10:21:52
- 0