本公開的實施例公開了一種用于采集信號的電路。該電路包括：第一開關組件的第一端用于接收輸入信號；第二開關組件的第二端與參考電壓端連接；第一采樣電容器的第一端與第一開關組件的第二端連接；第三開關組件的第一端與第一采樣電容器的第二端連接；第四...

本公開的實施例公開了便攜式溫度巡檢的測溫方法和系統。該方法的具體實施方式包括：獲取巡檢線路中的多幀熱圖像；對多幀熱圖像進行篩選操作，提取包括黑體對象和/或自動選取的參照物對象的熱圖像信息，其中，多個黑體以預設間隔分布到巡檢路線上，多個參...

本公開的實施例公開了圖片生成方法、裝置、電子設備和計算機可讀介質。該方法的一具體實施方式包括：獲取目標型號全景相機的原始魚眼圖像；將該原始魚眼圖像劃分成至少一個魚眼圖像塊，其中，該至少一個魚眼圖像塊中的每個魚眼圖像塊在緩存中的占用空間相...

本公開的實施例公開了可配置多端口的FIFO存儲器。該存儲器的一具體實施方式包括：多個讀端口和寫端口；存儲體分為多個子存儲體；每個子存儲體的一端與多個寫端口連接，每個子存儲體的另一端與多個讀端口連接；多個寫入選擇器組件中的每個寫入選擇器組...

本發明提供了一種基于卷積神經網絡識別單詞的方法和裝置。該方法包括采用卷積神經網絡模型對原始圖像進行特征提取以輸出第一特征圖；將第一特征圖在高度維度上切片以得到多個第二特征圖；分別自上而下、自下而上對多個第二特征圖進行卷積和相加運算以得到...

本發明提供了一種行人重識別方法及系統，該行人重識別方法包括：通過行人分析網絡對輸入圖像進行行人分析，提取輸入圖像中的行人的細粒度特征；將細粒度特征與行人重識別網絡模型的卷積層輸出的輸入圖像的行人特征融合；根據融合后的行人特征，識別輸入圖...

本發明提供了一種定位芯片運行錯誤的方法及裝置，其中，定位芯片運行錯誤的方法包括：在開發板生成神經網絡模型；通過開發板上的芯片運行的第一程序加載神經網絡模型，得到第一測試模型，在第一程序運行第一測試模型對輸入數據進行預測時，生成第一運行日...

本發明提供了一種神經網絡模型的調整方法和調整裝置。神經網絡模型的調整方法包括在利用訓練樣本對神經網絡模型進行訓練過程中，對神經網絡模型的多個層中的每層的至少一個神經元的第一輸出數據進行定點化以得到至少一個神經元對應的第一定點化方案；在通...

本發明提供了一種人頭人體聯合檢測方法、裝置和電子設備，方法包括：獲取多個人頭候選框和多個人體候選框；利用至少一個神經網絡模型對多個人頭候選框和多個人體候選框進行檢測，分別得到至少一個人頭檢測框和至少一個人體檢測框；利用至少一個人頭檢測框...

本發明實施例提供了一種神經網絡模型的剪枝方法、裝置、設備和人工智能芯片。神經網絡模型的剪枝方法包括：獲取對第一神經網絡模型中的多個層進行訓練過程中逐層分析時每層所使用的第一功耗；根據第一功耗分別制定每層對應的第一剪枝策略；根據第一剪枝策...

本發明提供了一種配置模塊的參數的方法和配置模塊的參數的裝置。該方法包括：獲取芯片的第N個模塊的參數配置信息，其中，芯片的多個模塊的參數配置信息和參數以鏈表形式存儲，第N個模塊的參數配置信息用于指示第N個模塊的參數的存儲地址；根據第N個模...

本發明實施例提供了一種調試芯片的方法及裝置，用于解決芯片內部模塊在線功能調試和檢測的問題。該方法包括：接收JTAG控制器發送的第一控制指令，第一控制指令包括接口選擇信息；根據接口選擇信息選擇與總線連接的芯片的多個測試接口中的第一測試接口...

本發明實施例提供了用于數據處理的方法和裝置。該方法包括：從上層神經網絡接收輸入數據；利用ELU激活函數對輸入數據進行處理，以獲得輸出結果，其中，在輸入數據小于0的情況下，ELU激活函數被擬合為三段式分段線性函數；將輸出結果傳輸給下層神經...

本發明實施例的深度學習模型的高效轉換方法，用于解決深度學習模型開發效率和運算效率較低的技術問題。方法包括：根據通用深度學習框架建立與NPU模型對應的數據標準化框架；利用所述數據標準化框架將深度學習模型的參數轉換為所述數據標準化框架的標準...

本發明提供了一種基于深度學習的激活函數的實現方法及裝置。該激活函數的實現方法包括：將激活函數的區間劃分為多個子區間；根據多個子區間中的每個子區間的梯度，確定每個子區間的區間類型，其中不同區間類型的子區間的采樣點具有不同的步進值；根據每個...

本發明提供了一種基于深度卷積神經網絡的人臉識別方法、裝置、存儲介質及設備。該方法包括：獲取歸一化的人臉圖塊數據；將所述歸一化的人臉圖塊數據輸入深度卷積神經網絡模型進行數據處理，并獲得人臉的特征映射；其中所述數據處理包括對所述深度卷積神經...

本發明提供了一種基于深度學習神經網絡的對象識別方法及裝置。該對象識別方法包括：獲取圖像數據，該圖像數據為對象所處場景的圖像數據；利用場景識別模型確定圖像數據對應的場景；利用場景對應的對象識別模型對對象進行識別。通過采用本發明的對象識別方...

本發明提供了一種應用于神經網絡芯片的預測方法和裝置、服務器及可讀存儲介質。該方法包括：對當前層的M個輸出數據進行劃分，得到當前層的M個輸出數據分布區間；對M個輸出數據分布區間中的每個輸出數據分布區間內的輸出數據進行統計，得到每個輸出數據...

本發明提供了一種基于卷積神經網絡的圖像分類方法和裝置、服務器及可讀存儲介質。該方法包括：對待識別的圖像進行卷積，得到特征圖；對特征圖進行特征提取，得到特征向量；基于特征向量的稀疏性對特征向量和權重矩陣進行乘加運算，得到輸出結果；以及基于...

本發明提出一種監控圖像相關信息傳輸方法，包括以下步驟：前端設備采集監控圖像，并獲取與所述監控圖像相關聯的監控圖像相關信息；所述前端設備將所述監控圖像和所述監控圖像相關信息分別封裝在相應的傳輸單元中發送給監控中心，并在攜帶有所述監控圖像相...