CN110221924A - 数据处理的方法及装置 - Google Patents

数据处理的方法及装置 Download PDF

Info

Publication number
CN110221924A
CN110221924A CN201910356310.XA CN201910356310A CN110221924A CN 110221924 A CN110221924 A CN 110221924A CN 201910356310 A CN201910356310 A CN 201910356310A CN 110221924 A CN110221924 A CN 110221924A
Authority
CN
China
Prior art keywords
target detection
image data
data
platform
input data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910356310.XA
Other languages
English (en)
Inventor
应甫臣
李梦男
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Yunji Technology Co Ltd
Original Assignee
Beijing Yunji Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Yunji Technology Co Ltd filed Critical Beijing Yunji Technology Co Ltd
Priority to CN201910356310.XA priority Critical patent/CN110221924A/zh
Publication of CN110221924A publication Critical patent/CN110221924A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/54—Interprogram communication
    • G06F9/544—Buffers; Shared memory; Pipes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/54—Interprogram communication
    • G06F9/545—Interprogram communication where tasks reside in different layers, e.g. user- and kernel-space
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/20—Processor architectures; Processor configuration, e.g. pipelining

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本申请公开了一种数据处理的方法及装置。该申请的方法包括获取图像数据，所述图像数据为用于进行检测的目标图像数据；根据多线程异步方式对图像数据进行处理，得到与目标检测模型匹配的输入数据；将所述输入数据发送到异构检测平台以进行目标检测，所述异构检测平台中包含目标检测模型。本申请解决如何提高目标检测的速度的问题。

Description

数据处理的方法及装置
技术领域
本申请涉及计算机应用技术领域，具体而言，涉及一种数据处理的方法及装置。
背景技术
在实际的工业应用项目中，经常需要进行目标检测。传统的目标检测方式是基于传统图像特征点的目标检测算法，随着神经网络的应用，基于深度学习的目标检测算法比基于传统图像特征点的目标检测算法在各指标上都更加精准，因此收到了更广泛的关注和应用。但是，在实际的使用中，发明人发现，这种基于深度学习的目标检测模型的精度挺高，但是将其直接应用到项目中运行速度慢。
发明内容
本申请的主要目的在于提供一种数据处理的方法，以解决如何提高目标检测的运行速度的问题。
为了实现上述目的，根据本申请的第一方面，提供了一种数据处理的方法。
根据本申请的数据处理的方法包括：
获取图像数据，所述图像数据为用于进行目标检测的图像数据；
根据多线程异步方式对图像数据进行处理，得到与目标检测模型匹配的输入数据；
将所述输入数据发送到异构检测平台以进行目标检测，所述异构检测平台中包含目标检测模型。
进一步的，所述根据多线程异步方式对图像数据进行处理，得到与目标检测模型匹配的输入数据包括：
将所述图像数据通过第一线程进行图像格式的转化，得到格式化图像数据；
将格式化图像数据通过第二线程进行封装准备，得到与目标检测模型匹配的输入数据。
进一步的，所述将所述输入数据发送到异构检测平台进行目标检测包括：
获取所述异构平台中每个硬件加速平台的任务执行状况；
将所述输入数据发送给当前无任务状态的硬件加速平台，以使用其中的目标检测模型进行目标检测。
进一步的，所述根据多线程异步的执行方式对图像数据进行处理还包括：
将格式化图像数据填充到图像缓存队列中，以使第二线程从图像缓存队列中获取格式化图像数据；
将所述输入数据填充到模型输入缓存队列中，以使目标检测模型从模型缓存队列中获取输入数据。
进一步的，所述方法还包括：
在获取图像数据之前，创建第一线程和第二线程。
为了实现上述目的，根据本申请的第二方面，提供了一种数据处理的装置。
根据本申请的数据处理的装置包括：
图像获取单元，用于获取图像数据，所述图像数据为用于进行目标检测的图像数据；
输入数据获取单元，用于根据多线程异步方式对图像数据进行处理，得到与目标检测模型匹配的输入数据；
检测单元，用于将所述输入数据发送到异构检测平台以进行目标检测，所述异构检测平台中包含目标检测模型。
进一步的，所述输入数据获取单元，包括：
转化模块，用于将所述图像数据通过第一线程进行图像格式的转化，得到格式化图像数据；
封装模块，用于将格式化图像数据通过第二线程进行封装准备，得到与目标检测模型匹配的输入数据。
进一步的，所述检测单元包括：
获取模块，用于获取所述异构平台中每个硬件加速平台的任务执行状况；
检测模块，用于将所述输入数据发送给当前无任务状态的硬件加速平台，以使用其中的目标检测模型进行目标检测。
进一步的，所述输入数据获取单元还包括：
第一填充模块，用于将格式化图像数据填充到图像缓存队列中，以使第二线程从图像缓存队列中获取格式化图像数据；
第二填充模块，用于将所述输入数据填充到模型输入缓存队列中，以使目标检测模型从模型缓存队列中获取输入数据。
进一步的，所述装置还包括：
创建单元，用于在获取图像数据之前，创建第一线程和第二线程。
为了实现上述目的，根据本申请的第三个方面，提供了一种电子设备，其特征在于，包括：
至少一个处理器；
以及与所述处理器连接的至少一个存储器、总线；其中，
所述处理器、存储器通过所述总线完成相互间的通信；
所述处理器用于调用所述存储器中的程序指令，以执行第一方面中任一项所述的数据处理的方法。
为了实现上述目的，根据本申请的第四个方面，提供了一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述第一方面中任一项所述的数据处理的方法。
在本申请实施例中，数据处理的方法和装置能够首先获取图像数据；然后根据多线程异步方式对图像数据进行处理，得到与目标检测模型匹配的输入数据；最后将所述输入数据发送到异构检测平台进行目标检测。由于使用了多线程异步的方式处理图像数据，实现了图像数据的异步并行处理，因此能够大大提高运行的速度。另外，目标检测模型同时分布部署在异构平台上，并行进行目标检测，也能进一步的提高运行的速度。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请一种实施例的数据处理的方法流程图；
图2是根据本申请另一种实施例的数据处理的方法流程图；
图3是根据本申请一种实施例的数据处理的方法的结构示意图；
图4是根据本申请一种实施例的数据处理的装置的组成框图；
图5是根据本申请另一种实施例的数据处理的装置的组成框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
根据本申请实施例，提供了一种数据处理的方法，如图1所示，该方法包括如下的步骤S101至步骤S103：
S101.获取图像数据。
其中，图像数据为用于通过目标检测模型进行目标检测的图像数据。通常获取图像数据是通过外部的输入获取的。获取到的图像数据是原始图像数据，通常目标检测模型对于模型的输入有格式等的要求，因此获取的图像数据还需要依据目标检测模型的输入要求进行图像数据的转化，具体的转化方式见下述步骤S102。
S102.根据多线程异步方式对图像数据进行处理，得到与目标检测模型匹配的输入数据。
对图像数据的处理包括格式的转化以及封装准备，最终得到符合目标检测模型的输入要求的输入数据。通常的用一个线程进行图像数据处理的方式容易造成线程的阻塞，因此本申请实施例采用多线程异步的方式进行图像数据的处理，这样可以有效避免单线程的阻塞，提高图像数据处理的速度。在实际应用中，线程的个数可以根据图像数据处理的过程进行建立，比如若图像数据处理有两个过程，即可以建立两个线程，若有更多的过程可以创建更多的线程。
S103.将输入数据发送到异构检测平台以进行目标检测。
具体的将输入数据发送到异构检测平台，以进行目标检测的过程为：先向异构检测平台发送目标检测请求，当异构平台接收到请求后，根据目标请求获取与目标请求对应的输入数据，然后根据其包含的目标检测模型进行目标的检测，得到检测结果输出。需要说明的是本实例中异构检测平台中多种硬件加速平台，每种硬件加速平台都部署有目标检测模型。具体的本实施例中硬件加速平台包含图形处理器(Graphics Processing Unit，GPU)、中央处理器(CentralProcessing Unit，CPU)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)等结构的加速平台。
从以上的描述中，可以看出，本申请实施例中数据处理的方法能够首先获取图像数据；然后根据多线程异步方式对图像数据进行处理，得到与目标检测模型匹配的输入数据；最后将所述输入数据发送到异构检测平台进行目标检测。由于使用了多线程异步的方式处理图像数据，实现了图像数据的异步并行处理，因此能够大大提高运行的速度。另外，目标检测模型同时分布部署在异构平台上，并行进行目标检测，也能进一步的提高运行的速度。
根据本申请另一实施例，提供了一种数据处理的方法，如图2所示，该方法包括：
S201.获取图像数据。
本步骤的实现方式与图1中步骤S101的实现方式相同，此处不再赘述。
S202.将图像数据通过第一线程进行图像格式的转化，得到格式化图像数据。
第一线程为图像格式转化线程，当获取到图像数据后，第一线程会将图像数据进行格式的转化，转化为目标检测模型所需要的数据格式，得到格式化图像数据；转化完成后，将格式化图像数据填充到图像缓存队列，以使第二线程从图像缓存队列中获取格式化图像数据，来进行后续的封装处理。
S203.将格式化图像数据通过第二线程进行封装准备，得到与目标检测模型匹配的输入数据。
第二线程为模型检测准备线程，具体的执行过程为从图像缓存队列中依次获取到格式化图像数据，对格式化图像数据进行模型检测前的封装准备，得到与目标检测模型匹配的输入数据。并把输入数据填充到模型输入缓存队列中，以使目标检测模型从模型缓存队列中获取输入数据，并进行目标检测。
需要说明的是上述第一线程和第二线程需要在获取图像数据之前就创建好。
S204.将输入数据发送给异构平台中当前无任务状态的硬件加速平台。
其中，异构平台中包含多种硬件加速平台，每种硬件加速平台都部署有目标检测模型。具体的实施例中硬件加速平台包含GPU、CPU、FPGA等结构的加速平台。为了能够实时并快速地使用目标检测模型进行目标检测，则需要选择当前无任务状态的硬件加速平台进行目标检测。若所有的硬件加速平台都有任务，则选择任务量最少的硬件加速平台进行目标检测。具体的实现过程为：获取异构平台中每个硬件加速平台的任务执行状况(当前需要执行的任务量)；根据每个硬件加速平台的任务执行状况，选择无任务量或者任务量最少的硬件加速平台，并向其发送目标检测请求；当硬件加速平台接收到请求后，根据目标检测请求从模型输入缓存队列中获取对应的输入数据，然后根据其包含的目标检测模型进行目标的检测，得到检测结果输出。
对应于上述数据处理的方法，本实施例给出一种与数据处理的方法对应的结构示意图，如图3所示：包含图像处理CPU，图像处理CPU中包含图像格式转化线程以及模型检测准备线程两个线程，还包含图像缓存队列以及模型输入缓存队列两个缓存队列，异构平台中包含GPU、CPU、FPGA三种结构的加速平台。具体的运行过程为：图像处理CPU获取图像数据，然后通过图像格式转化线程后得到格式化图像数据并将其填充到图像缓存队列中；然后第二线程从图像缓存队列中取出格式化图像数据进行目标模型检测前的封装准备，然后得到与目标检测模型匹配的输入数据，并将其填充到模型输入缓存队列中；然后异构平台获取模型输入缓存队列中的输入数据进行目标检测。整个过程中，两个线程异步执行，大大的提高了图像处理的速度。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
根据本申请实施例，还提供了一种用于实施上述图1和图2所述方法的数据处理的装置，如图4所示，该装置包括：
图像获取单元31，用于获取图像数据，所述图像数据为用于进行目标检测的图像数据；
其中，图像数据为用于通过目标检测模型进行目标检测的图像数据。通常获取图像数据是通过外部的输入获取的。获取到的图像数据是原始图像数据，通常目标检测模型对于模型的输入有格式等的要求，因此获取的图像数据还需要依据目标检测模型的输入要求进行图像数据的转化。
输入数据获取单元32，用于根据多线程异步方式对图像数据进行处理，得到与目标检测模型匹配的输入数据；
对图像数据的处理包括格式的转化以及封装准备，最终得到符合目标检测模型的输入要求的输入数据。通常的用一个线程进行图像数据处理的方式容易造成线程的阻塞，因此本申请实施例采用多线程异步的方式进行图像数据的处理，这样可以有效避免单线程的阻塞，提高图像数据处理的速度。在实际应用中，线程的个数可以根据图像数据处理的过程进行建立，比如若图像数据处理有两个过程，即可以建立两个线程，若有更多的过程可以创建更多的线程。
检测单元33，用于将所述输入数据发送到异构检测平台以进行目标检测，所述异构检测平台中包含目标检测模型。
具体的将输入数据发送到异构检测平台，以进行目标检测的过程为：先向异构检测平台发送目标检测请求，当异构平台接收到请求后，根据目标请求获取与目标请求对应的输入数据，然后根据其包含的目标检测模型进行目标的检测，得到检测结果输出。需要说明的是本实例中异构检测平台中多种硬件加速平台，每种硬件加速平台都部署有目标检测模型。
从以上的描述中，可以看出，本申请实施例中数据处理的方法能够首先获取图像数据；然后根据多线程异步方式对图像数据进行处理，得到与目标检测模型匹配的输入数据；最后将所述输入数据发送到异构检测平台进行目标检测。由于使用了多线程异步的方式处理图像数据，实现了图像数据的异步并行处理，因此能够大大提高运行的速度。另外，目标检测模型同时分布部署在异构平台上，并行进行目标检测，也能进一步的提高运行的速度。
进一步的，如图5所示，所述输入数据获取单元32，包括：
转化模块321，用于将所述图像数据通过第一线程进行图像格式的转化，得到格式化图像数据；
封装模块322，用于将格式化图像数据通过第二线程进行封装准备，得到与目标检测模型匹配的输入数据。
进一步的，如图5所示，所述检测单元33包括：
获取模块331，用于获取所述异构平台中每个硬件加速平台的任务执行状况；
检测模块332，用于将所述输入数据发送给当前无任务状态的硬件加速平台，以使用其中的目标检测模型进行目标检测。
进一步的，如图5所示，所述输入数据获取单元32还包括：
第一填充模块323，用于将格式化图像数据填充到图像缓存队列中，以使第二线程从图像缓存队列中获取格式化图像数据；
第二填充模块324，用于将所述输入数据填充到模型输入缓存队列中，以使目标检测模型从模型缓存队列中获取输入数据。
进一步的，如图5所示，所述装置还包括：
创建单元34，用于在获取图像数据之前，创建第一线程和第二线程。
根据本申请实施例，还提供了一种电子设备，该电子设备包括：
至少一个处理器；
以及与所述处理器连接的至少一个存储器、总线；其中，
所述处理器、存储器通过所述总线完成相互间的通信；
所述处理器用于调用所述存储器中的程序指令，以执行上述图1或图2中所述的数据处理的方法。
根据本申请实施例，还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行图1或图2所述的数据处理的方法。
具体的，本申请实施例的装置中各模块实现其功能的具体过程可参见方法实施例中的相关描述，此处不再赘述。
显然，本领域的技术人员应该明白，上述的本申请的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本申请不限制于任何特定的硬件和软件结合。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种数据处理的方法，其特征在于，所述方法包括：
获取图像数据，所述图像数据为用于进行目标检测的图像数据；
根据多线程异步方式对图像数据进行处理，得到与目标检测模型匹配的输入数据；
将所述输入数据发送到异构检测平台以进行目标检测，所述异构检测平台中包含目标检测模型。
2.根据权利要求1所述的数据处理的方法，其特征在于，所述根据多线程异步方式对图像数据进行处理，得到与目标检测模型匹配的输入数据包括：
将所述图像数据通过第一线程进行图像格式的转化，得到格式化图像数据；
将格式化图像数据通过第二线程进行封装准备，得到与目标检测模型匹配的输入数据。
3.根据权利要求2所述的数据处理的方法，其特征在于，所述将所述输入数据发送到异构检测平台以进行目标检测包括：
获取所述异构平台中每个硬件加速平台的任务执行状况；
将所述输入数据发送给当前无任务状态的硬件加速平台，以使用其中的目标检测模型进行目标检测。
4.根据权利要求3所述的数据处理的方法，其特征在于，所述根据多线程异步的执行方式对图像数据进行处理还包括：
将格式化图像数据填充到图像缓存队列中，以使第二线程从图像缓存队列中获取格式化图像数据；
将所述输入数据填充到模型输入缓存队列中，以使目标检测模型从模型缓存队列中获取输入数据。
5.根据权利要求4所述的数据处理的方法，其特征在于，所述方法还包括：
在获取图像数据之前，创建第一线程和第二线程。
6.一种数据处理的装置，其特征在于，所述装置包括：
图像获取单元，用于获取图像数据，所述图像数据为用于进行目标检测的图像数据；
输入数据获取单元，用于根据多线程异步方式对图像数据进行处理，得到与目标检测模型匹配的输入数据；
检测单元，用于将所述输入数据发送到异构检测平台以进行目标检测，所述异构检测平台中包含目标检测模型。
7.根据权利要求6所述的数据处理的装置，其特征在于，所述输入数据获取单元，包括：
转化模块，用于将所述图像数据通过第一线程进行图像格式的转化，得到格式化图像数据；
封装模块，用于将格式化图像数据通过第二线程进行封装准备，得到与目标检测模型匹配的输入数据。
8.根据权利要求7所述的数据处理的装置，其特征在于，所述检测单元包括：
获取模块，用于获取所述异构平台中每个硬件加速平台的任务执行状况；
检测模块，用于将所述输入数据发送给当前无任务状态的硬件加速平台，以使用其中的目标检测模型进行目标检测。
9.一种电子设备，其特征在于，包括：
至少一个处理器；
以及与所述处理器连接的至少一个存储器、总线；其中，
所述处理器、存储器通过所述总线完成相互间的通信；
所述处理器用于调用所述存储器中的程序指令，以执行权利要求1至权利要求5中任一项所述的数据处理的方法。
10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行权利要求1至权利要求5中任一项所述的数据处理的方法。
CN201910356310.XA 2019-04-29 2019-04-29 数据处理的方法及装置 Pending CN110221924A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910356310.XA CN110221924A (zh) 2019-04-29 2019-04-29 数据处理的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910356310.XA CN110221924A (zh) 2019-04-29 2019-04-29 数据处理的方法及装置

Publications (1)

Publication Number Publication Date
CN110221924A true CN110221924A (zh) 2019-09-10

Family

ID=67820288

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910356310.XA Pending CN110221924A (zh) 2019-04-29 2019-04-29 数据处理的方法及装置

Country Status (1)

Country Link
CN (1) CN110221924A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114490092A (zh) * 2022-04-06 2022-05-13 北京中科慧眼科技有限公司 基于机器视觉算法的软件系统及构建方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070248288A1 (en) * 2006-04-20 2007-10-25 Fuji Xerox Co., Ltd. Image processing device, and recording medium
CN104850457A (zh) * 2015-05-27 2015-08-19 北京航天理想科技股份有限公司 一种关联图中海量图像的快速加载显示方法及系统
CN106358003A (zh) * 2016-08-31 2017-01-25 华中科技大学 一种基于线程级流水线的视频分析加速方法
CN107256180A (zh) * 2017-05-19 2017-10-17 腾讯科技（深圳）有限公司 数据处理方法、装置及终端
CN108062763A (zh) * 2017-12-29 2018-05-22 纳恩博（北京）科技有限公司 目标跟踪方法及装置、存储介质
CN109636709A (zh) * 2018-11-28 2019-04-16 华中科技大学 一种适用于异构平台的图计算方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070248288A1 (en) * 2006-04-20 2007-10-25 Fuji Xerox Co., Ltd. Image processing device, and recording medium
CN104850457A (zh) * 2015-05-27 2015-08-19 北京航天理想科技股份有限公司 一种关联图中海量图像的快速加载显示方法及系统
CN106358003A (zh) * 2016-08-31 2017-01-25 华中科技大学 一种基于线程级流水线的视频分析加速方法
CN107256180A (zh) * 2017-05-19 2017-10-17 腾讯科技（深圳）有限公司 数据处理方法、装置及终端
CN108062763A (zh) * 2017-12-29 2018-05-22 纳恩博（北京）科技有限公司 目标跟踪方法及装置、存储介质
CN109636709A (zh) * 2018-11-28 2019-04-16 华中科技大学 一种适用于异构平台的图计算方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114490092A (zh) * 2022-04-06 2022-05-13 北京中科慧眼科技有限公司 基于机器视觉算法的软件系统及构建方法

Similar Documents

Publication Publication Date Title
CN108122032A (zh) 一种神经网络模型训练方法、装置、芯片和系统
CN108647104A (zh) 请求处理方法、服务器及计算机可读存储介质
CN104899085B (zh) 一种数据处理方法和装置
US20210056416A1 (en) Distributed Deep Learning System
CN110401720A (zh) 信息处理方法、装置、系统、应用服务器和介质
CN108243012A (zh) 在线计费系统ocs中计费应用处理系统、方法及装置
CN110908789B (zh) 面向多源数据处理的可视化数据配置方法及系统
CN110221924A (zh) 数据处理的方法及装置
CN111897660A (zh) 模型部署方法、模型部署装置及终端设备
JPH10111858A (ja) グラフィクス・パイプラインを並列化する方法及び装置
CN114841371A (zh) 基于特征的分箱处理方法、装置、设备及介质
CN102073467A (zh) 分布式显示矢量数据的方法、装置及系统
CN106802865A (zh) 用于软件测试的应答模拟装置及方法
CN112199407B (zh) 一种数据分组排序方法、装置、设备及存储介质
CN101634939B (zh) 一种快速寻址装置和方法
CN113128696A (zh) 分布式机器学习通信优化方法、装置、服务器及终端设备
EP4328748A1 (en) Data processing method and apparatus, computer device, computer-readable storage medium, and computer program product
CN109658261A (zh) 保单处理方法、装置、设备及存储介质
CN112328532B (zh) 多gpu通信的方法及装置、存储介质、电子装置
Araújo et al. Accelerating VNF-based Deep Packet Inspection with the use of GPUs
CN115328457A (zh) 基于参数配置的表单页面实现方法和装置
CN103699104A (zh) 一种死锁避免控制方法、装置和自动化生产系统
KR20160072851A (ko) 대용량 고해상도 위성영상 분석 시스템 및 방법
CN103051528B (zh) 一种用于总线的报文快速分发方法及装置
US11264120B2 (en) Suppressing interaction between bonded particles

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20190910

RJ01 Rejection of invention patent application after publication