CN115905363A - 一种数据的实时排序系统 - Google Patents
一种数据的实时排序系统 Download PDFInfo
- Publication number
- CN115905363A CN115905363A CN202211555122.8A CN202211555122A CN115905363A CN 115905363 A CN115905363 A CN 115905363A CN 202211555122 A CN202211555122 A CN 202211555122A CN 115905363 A CN115905363 A CN 115905363A
- Authority
- CN
- China
- Prior art keywords
- data
- sorting
- input
- sequence
- serial number
- 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
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种数据的实时排序系统,其包括控制单元,输入数据预处理单元,排序模块以及数据缓存与输出单元,所述控制单元用于实现所述输入数据预处理单元和排序模块的控制,所述输入数据预处理单元用于确定所述排序模块是否能够接收新的外部数据并用于判定是否将序列数据输入所述排序模块,所述排序模块用于对输入其内的序列数据进行排序,所述数据缓存与输出单元用于对排序后的数据进行信息缓存和输出。其降低了输入数据从外部存储器读取的次数,降低了数据通讯量与数据存取开销,以尽可能小的FPGA资源消耗量,支持任意规模的数据排序操作,大幅压缩了排序运算的耗时,从而降低了排序操作的运算成本并提升了其效率。
Description
技术领域
本发明属于人工智能计算技术领域,涉及一种排序系统,尤其是一种数据的实时排序系统。
背景技术
随着人工智能的快速发展,基于深度学习的目标检测技术已广泛应用于自动驾驶、机器人视觉、视频监控、航空航天等领域。面对特定领域下高可靠、大视场、强实时的需求,目标检测任务大多采用基于锚框的SSD或者YOLO系列网络模型开展算法设计。其均为一阶网络模型,即锚框的选取与对应的置信度计算通过一个网络模块开展处理,处理核心为通过采用滑动窗口或重叠采样等方式设计出大量的候选框(假定数目为M个,M根据图片尺寸确定,通常为十几万到几十万不等),通过模型的前向推理,每个候选框均会输出置信度与坐标尺寸信息,由于图片中目标数量有限,所以有许多候选框是冗余的。需要通过算法保留最佳的框体消除冗余框,从而得到最终的检测结果。
通常使用非最大值抑制NMS算法消除这些冗余框,NMS算法处理的第一步就需要根据候选框的置信度进行排序处理,得到置信度为最大的N个点候选框。基于深度卷积神经网络的目标检测算法内部存在大量的卷积、池化、跳连等运算操作完成置信度与坐标尺寸信息的计算,通常上述计算量为几十个Gop已经消耗大量的处理时间,针对实时处理的需求,需要考虑将排序算法进行优化,迅速开展几十万甚至更多数据的排序处理,达到排序时间的大幅压缩。
鉴于现有技术的缺陷,迫切需要研制一种新型的大规模数据的排序系统。
发明内容
为了克服现有技术的缺陷,本发明提出一种数据的实时排序系统,其能够用很小的硬件资源代价实现排序的加速计算。
为了实现上述目的,本发明提供如下技术方案:
提供了一种数据的实时排序系统,其包括控制单元,输入数据预处理单元,排序模块以及数据缓存与输出单元,其特征在于,所述控制单元用于实现所述输入数据预处理单元和排序模块的控制,所述输入数据预处理单元用于确定所述排序模块是否能够接收新的外部数据并用于判定是否将序列数据输入所述排序模块,所述排序模块用于对输入其内的序列数据进行排序,所述数据缓存与输出单元用于对排序后的数据进行信息缓存和输出。
优选地,待排序N个数据根据外部端口输入的数值S查找并排序输出K*S个极值数据,其中K为内部子排序单元的个数,S为送入排序模块的迭代次数EPOCH_NUM,N为待排序的数据数量DATA_NUM。
优选地,所述排序模块包括多个依次串联的排序子模块,在进行降序排序时,每一个排序子模块都将输入的第一个数据作为其极值数据进行暂存处理,并暂存其对应序号,并对输入的后续数据的处理包括:当后续数据大于其极值数据时,将其极值数据及其对应序号分别作为输出数据及其对应序号输出至后一排序子模块,并将前一排序子模块的极值数据及其对应序号分别更新为所述后续数据及其对应序号;当后续数据小于等于其极值数据时,将所述后续数据及其对应序号作为输出数据及其对应序号输出至后一排序子模块;当某个排序子模块接收的数据数量等于其预设排序数据总量时,将其极值数据及其对应序号作为最大值及其对应序号输出到所述数据缓存与输出单元中。
优选地,所述排序模块包括多个依次串联的排序子模块,在进行升序排序时,每一个排序子模块都将输入的第一个数据作为其极值数据进行暂存处理,并暂存其对应序号,并对输入的后续数据的处理还包括:当后续数据小于其极值数据时,将其极值数据及其对应序号分别作为输出数据及其对应序号输出至后一排序子模块,并将前一排序子模块的极值数据及其对应序号分别更新为所述后续数据及其对应序号;当后续数据大于等于其极值数据时,将所述后续数据及其对应序号作为输出数据及其对应序号输出至后一排序子模块;当某个排序子模块接收的数据数量等于其预设排序数据总量时,将其极值数据及其对应序号作为最大值及其对应序号输出到所述数据缓存与输出单元中。
优选地,所述输入数据预处理单元在确定所述排序模块是否能够接收新的外部数据时针对所述外部数据的输入设计反压机制,即当其内部正在完成其他任务无法实时接收外部数据的输入时,其将排序准备好信号拉低置位无效,通知外部输入数据模块保持数据与数据有效信号直至排序模块准备好信号状态为高。
优选地,所述输入数据预处理单元在判定是否将序列数据输入所述排序模块时判断数据遍历的次数是否为1,当其为1时表明为首次遍历,将序列数据直接送入所述排序模块完成前K个极值数据查找,当遍历次数大于1时,需要通过所述控制单元接收上一轮数据遍历排序时的最小的极值数据与及其对应序号,将其作为所述输入数据预处理单元输入单元的阈值和及其对应序号,当对输入序列数据进行降序排列时,进行如下预处理:当输入的序列数据大于阈值时,表明输入的序列数据已被排序完成并完成了记录,将输入的序列数据赋最小值处理;当输入的序列数据等于阈值并且其对应序号小于阈值的对应序号时,表明输入的序列数据已被排序完成并完成了记录,将输入的序列数据赋最小值处理;当输入数据不属于上述2种情况时,表明输入的序列数据未被排序完成,将其送入所述排序模块中进行排序。
优选地,所述输入数据预处理单元在判定是否将序列数据输入所述排序模块时判断数据遍历的次数是否为1,当其为1时表明为首次遍历,将序列数据直接送入所述排序模块完成前K个极值数据查找,当遍历次数大于1时,需要通过所述控制单元接收上一轮数据遍历排序时的最小的极值数据与及其对应序号,将其作为所述输入数据预处理单元输入单元的阈值和及其对应序号,当对输入序列数据进行升序排列时,进行如下预处理:当输入的序列数据小于阈值时,表明输入的序列数据已被排序完成并完成了记录,将输入的序列数据赋最大值处理;当输入的序列数据等于阈值并且其对应序号小于阈值的对应序号时,表明输入的序列数据已被排序完成并完成了记录,将输入的序列数据赋最大值处理;当输入数据不属于上述2种情况时,表明输入的序列数据未被排序完成,将其送入所述排序模块中进行排序。
与现有技术相比,本发明的数据的实时排序系统具有如下有益技术效果中的一者或多者:其通过例化K个流水线排序子模块与逻辑控制,完成M个数据的前N个极值排序结果,整体排序系统降低了输入数据从外部存储器读取的次数,降低了数据通讯量与数据存取开销,以尽可能小的FPGA资源消耗量,支持任意规模的数据排序操作,大幅压缩排序运算的耗时,从而降低了排序操作的运算成本并提升了其效率。
附图说明
图1是本发明的数据的实时排序系统降序的构成示意图;
图2是本发明的数据的实时排序系统升序的构成示意图;
图3是控制单元的控制逻辑图;
图4是排序模块的降序排序逻辑图;
图5时排序模块的升序排序逻辑图。
具体实施方式
下面结合附图和实施例对本发明进一步说明,实施例的内容不作为对本发明的保护范围的限制。
图1和图2示出了本发明的数据的实时排序系统的构成示意图。如图1所示,本发明的数据的实时排序系统包括Control控制单元,Input_Proc输入数据预处理单元,Sub_sort排序模块和Data_Cache数据缓存与输出单元。
所述Control控制单元的控制逻辑为:内部采用状态机控制整个排序处理流程,该Sub_sort排序模块通过一次数据的遍历输入,即可完成前K个极值数据与对应序号的查找。如果需要完成前个M数据的极值查找,需要完成该组数据的次输入。
具体流程如图2所示:
1、判断外部ap_start状态,当外部ap_start信号有效后,状态机进入从IDLE空闲状态进入DAT_RCV数据接收状态,启动整个排序处理流程;
2、判断流水线排序模块是否接收所有数据,当接收的输入数据总量等于DATA_NUM,状态机从DAT_RCV数据接收状态进入SORT排序状态;
3、判断排序模块内部自排序模块Sub_Sort排序状态,当最后一个Sub_Sort完成对应的数据数量后,状态机从SORT数据接收状态进入DUMP数据导出状态;
4、判断一次流水线排序模块完成的K个极值数据是否导出完毕,当导出完毕后,状态机从DUMP数据导出状态进入JUDGE判断状态;
5、判断遍历输入数据的总次数是否等于EPOCH_NUM,由于流水线排序模块内部采用K个Sub_Sort单元,一次数据遍历只能完成K个极值数据查找,遍历EPOCH_NUM次即可实现K*EPOCH_NUM个极值数据的查找;当两者数值相等时,状态机从JUDGE判断状态进入IDLE状态,表明M个极值点与对应的序列号查找完毕,否者进入DAT_RCV数据接收状态,还需要开展后续数据的排序处理。
需要注意流水线排序模块内部例化多个Sub_Sort子排序模块,每个Sub_Sort子排序模块处理数据量总量存在差异,Sub_Sort0处理所有待排序的输入数据DATA_NUM,在进行降序处理时:查找数据中最大值并进行缓存处理,待排序数据中数值最大的数据将不会发送至Sub_Sort1子模块模块,Sub_Sort1处理的数据总量DATA_NUM-1,同理Sub_Sortk-1处理的数据总量DATA_NUM-K。在进行升序处理时:查找数据中最小值并进行缓存处理,待排序数据中数值最小的数据将不会发送至Sub_Sort1子模块模块,Sub_Sort1处理的数据总量DATA_NUM-1,同理Sub_Sortk-1处理的数据总量DATA_NUM-K。
所述Input_Proc输入数据预处理单元存在2部分功能:1)、首先针对外部数据输入设计反压机制,即当内部正在完成其他任务无法实时接收外部数据输入,输入数据预处理单元将排序准备好信号rready拉低置位无效,通知外部输入数据模块保持数据与数据有效信号直至排序模块准备好信号rready状态为高表明可以接收新的外部数据;2)、判断数据遍历的次数是否为1,当其为1时表明为首次遍历,输入数据直接送入排序处理逻辑完成前K个极值数据查找,当数据的遍历次数大于1时,当进行降序情况时,需要接收Control控制单元的上一轮数据遍历排序的最小的极值数据Max_datk-1与对应的序号Max_idxk-1,将其作为Input_Proc输入数据预处理单元的阈值Thvalue和Thidx对输入数据进行如下预处理:
第1:当输入数据大于Thvalue说明在前期排序中对其排序并完成记录,输入数据赋最小值处理;
第2:当输入数据等于Thvalue并且对应的输入序号小于Thidx说明这部分数据已被其排序并完成记录;
第3:当输入数据不属于上述2种情况时,说明这部分数据尚未排序,将其送入后续流水线排序处理逻辑。
具体的预处理如下面的公式所示。
所述Sub_Sort排序模块主要完成排序与信息缓存的功能。如图4所示,所述Sub_Sort排序模块针对Input_Proc数据预处理单元输出的序列数据din进行数值判断,Sub_Sort排序模块将输入的第一个数据作为极值数据regdat进行暂存处理,并暂存对应序号regidx,Sub_Sort排序模块针对后续的序列数据处理存在2种情况:
第1:当后续数据din大于极值数据regdat时,将极值数据regdat与序号regidx分别作为dout与idx_out输出至后一级排序模块,将极值数据regdat与极值数据序号regidx分别更新为din和dinidx,并将早期的最大值与序号进行输出,进入下一级排序子模块;
第2:当后续数据din小于等于极值数据regdat时,将输入数据din与序号dinidx分别作为dout与idx_out输出至后一级排序模块,不更新极值数据regdat与极值数据序号regidx。
当Sub_Sort排序模块接收的数据数量等于其预设排序数据总量din_num时,将极值数据regdat与序号regidx分别作为Max_dat与Max_idx输出。
其具体的过程可以用如下公式表示:
当进行升序情况时,需要接收Control控制单元的上一轮数据遍历排序的最大的极值数据Min_datk-1与对应的序号Min_idxk-1,将其作为Input_Proc输入数据预处理单元的阈值Thvalue和Thidx对输入数据进行如下预处理:
第1:当输入数据小于Thvalue说明在前期排序中对其排序并完成记录,输入数据赋最大值处理;
第2:当输入数据等于Thvalue并且对应的输入序号小于Thidx说明这部分数据已被其排序并完成记录;
第3:当输入数据不属于上述2种情况时,说明这部分数据尚未排序,将其送入后续流水线排序处理逻辑。
具体的预处理如下面的公式所示。
所述Sub_Sort排序模块主要完成排序与信息缓存的功能。如图5所示,所述Sub_Sort排序模块针对Input_Proc数据预处理单元输出的序列数据din进行数值判断,Sub_Sort排序模块将输入的第一个数据作为极值数据regdat进行暂存处理,并暂存对应序号regidx,Sub_Sort排序模块针对后续的序列数据处理存在2种情况:
第1:当后续数据din小于极值数据regdat时,将极值数据regdat与序号regidx分别作为dout与idx_out输出至后一级排序模块,将极值数据regdat与极值数据序号regidx分别更新为din和dinidx,并将早期的最小值与序号进行输出,进入下一级排序子模块;
第2:当后续数据din大于等于极值数据regdat时,将输入数据din与序号dinidx分别作为dout与idx_out输出至后一级排序模块,不更新极值数据regdat与极值数据序号regidx。
当Sub_Sort排序模块接收的数据数量等于其预设排序数据总量din_num时,将极值数据regdat与序号regidx分别作为Min_dat与Min_idx输出。
其具体的过程可以用如下公式表示:
为了使本发明的目的、技术方案及优点更加清楚,下面以一个具体的例子对本发明进行进一步详细说明。
对于该具体的实施例,设定本项目的应用场景为:输入图像尺寸为2048×2048,采用YOLO-V3目标检测算法时。根据上述约束条件,算法经过前期卷积跳连等计算密集型运算后,在待排序的总量为258048个数据中,需要完成最大的50个值的索引查找。
根据上述需求,设定本实施例中共有10个子排序模块(K=10)的实时排序结构,将258048个数据重复5次输入至排序模块,即可完成50个最大值的索引查找。
第1轮数据遍历输入排序模块,可以完成前1~10个最大值的数据查找,分别记录为(Dat0,idx0)(Dat1,idx1)(Dat2,idx2)~(Dat9,idx9)串行输出至所述数据缓存与输出单元,并将第一组数据中最小的一个数据(Dat9,idx9)送入所述输入数据预处理单元作为阈值数据。
第2轮数据遍历输入排序模块,根据数据比对,当数据大于Dat9时直接赋值为最小值向后传递,当数据等于Dat9且对应的数据序号大于idx9直接赋值为最小值向后传递,通过上述方式即可完成小于Dat9或者尚未出现数据中等于Dat9的10个最大值的数据查找,可以完成总数据中前11~20个最大值的数据查找,为分别记录为(Dat10,idx10)(Dat11,idx11)(Dat12,idx12)~(Dat19,idx19)串行输出至所述数据缓存与处理单元,并将第2组数据中最小的一个数据(Dat19,idx19)送入所述输入数据预处理单元作为阈值数据。
重复第2轮操作3次即可完成前50个最大值与所对应的数据与序号的输出(Dat0,idx0)(Dat1,idx1)~(Dat49,idx49)。
本发明通过例化K个流水线排序子模块与逻辑控制,完成M个数据的前N个极值排序结果,整体排序系统降低了输入数据从外部存储器读取的次数,降低了数据通讯量与数据存取开销,以尽可能小的FPGA资源消耗量,支持任意规模的数据排序操作,大幅压缩排序运算的耗时,从而降低了排序操作的运算成本并提升了其效率。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制。本领域的技术人员,依据本发明的思想,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (7)
1.一种数据的实时排序系统,其包括控制单元,输入数据预处理单元,排序模块以及数据缓存与输出单元,其特征在于,所述控制单元用于实现所述输入数据预处理单元和排序模块的控制,所述输入数据预处理单元用于确定所述排序模块是否能够接收新的外部数据并用于判定是否将序列数据输入所述排序模块,所述排序模块用于对输入其内的序列数据进行排序,所述数据缓存与输出单元用于对排序后的数据进行信息缓存和输出。
2.根据权利要求1所述的数据的实时排序系统,其特征在于,待排序N个数据根据外部端口输入的数值S查找并排序输出K*S个极值数据,其中K为内部子排序单元的个数,S为送入排序模块的迭代次数EPOCH_NUM,N为待排序的数据数量DATA_NUM。
3.根据权利要求1所述的数据的实时排序系统,其特征在于,所述排序模块包括多个依次串联的排序子模块,在进行降序排序时,每一个排序子模块都将输入的第一个数据作为其极值数据进行暂存处理,并暂存其对应序号,并对输入的后续数据的处理包括:
当后续数据大于其极值数据时,将其极值数据及其对应序号分别作为输出数据及其对应序号输出至后一排序子模块,并将前一排序子模块的极值数据及其对应序号分别更新为所述后续数据及其对应序号;
当后续数据小于等于其极值数据时,将所述后续数据及其对应序号作为输出数据及其对应序号输出至后一排序子模块;
当某个排序子模块接收的数据数量等于其预设排序数据总量时,将其极值数据及其对应序号作为最大值及其对应序号输出到所述数据缓存与输出单元中。
4.根据权利要求1所述的数据的实时排序系统,其特征在于,所述排序模块包括多个依次串联的排序子模块,在进行升序排序时,每一个排序子模块都将输入的第一个数据作为其极值数据进行暂存处理,并暂存其对应序号,并对输入的后续数据的处理还包括:
当后续数据小于其极值数据时,将其极值数据及其对应序号分别作为输出数据及其对应序号输出至后一排序子模块,并将前一排序子模块的极值数据及其对应序号分别更新为所述后续数据及其对应序号;
当后续数据大于等于其极值数据时,将所述后续数据及其对应序号作为输出数据及其对应序号输出至后一排序子模块;
当某个排序子模块接收的数据数量等于其预设排序数据总量时,将其极值数据及其对应序号作为最大值及其对应序号输出到所述数据缓存与输出单元中。
5.根据权利要求2所述的数据的实时排序系统,其特征在于,所述输入数据预处理单元在确定所述排序模块是否能够接收新的外部数据时针对所述外部数据的输入设计反压机制,即当其内部正在完成其他任务无法实时接收外部数据的输入时,其将排序准备好信号拉低置位无效,通知外部输入数据模块保持数据与数据有效信号直至排序模块准备好信号状态为高。
6.根据权利要求2所述的数据的实时排序系统,其特征在于,所述输入数据预处理单元在判定是否将序列数据输入所述排序模块时判断数据遍历的次数是否为1,当其为1时表明为首次遍历,将序列数据直接送入所述排序模块完成前K个极值数据查找,当遍历次数大于1时,需要通过所述控制单元接收上一轮数据遍历排序时的最小的极值数据与及其对应序号,将其作为所述输入数据预处理单元输入单元的阈值和及其对应序号,当对输入序列数据进行降序排列时,进行如下预处理:
当输入的序列数据大于阈值时,表明输入的序列数据已被排序完成并完成了记录,将输入的序列数据赋最小值处理;
当输入的序列数据等于阈值并且其对应序号小于阈值的对应序号时,表明输入的序列数据已被排序完成并完成了记录,将输入的序列数据赋最小值处理;
当输入数据不属于上述2种情况时,表明输入的序列数据未被排序完成,将其送入所述排序模块中进行排序。
7.根据权利要求2所述的数据的实时排序系统,其特征在于,所述输入数据预处理单元在判定是否将序列数据输入所述排序模块时判断数据遍历的次数是否为1,当其为1时表明为首次遍历,将序列数据直接送入所述排序模块完成前K个极值数据查找,当遍历次数大于1时,需要通过所述控制单元接收上一轮数据遍历排序时的最小的极值数据与及其对应序号,将其作为所述输入数据预处理单元输入单元的阈值和及其对应序号,当对输入序列数据进行升序排列时,进行如下预处理:
当输入的序列数据小于阈值时,表明输入的序列数据已被排序完成并完成了记录,将输入的序列数据赋最大值处理;
当输入的序列数据等于阈值并且其对应序号小于阈值的对应序号时,表明输入的序列数据已被排序完成并完成了记录,将输入的序列数据赋最大值处理;
当输入数据不属于上述2种情况时,表明输入的序列数据未被排序完成,将其送入所述排序模块中进行排序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211555122.8A CN115905363A (zh) | 2022-12-05 | 2022-12-05 | 一种数据的实时排序系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211555122.8A CN115905363A (zh) | 2022-12-05 | 2022-12-05 | 一种数据的实时排序系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115905363A true CN115905363A (zh) | 2023-04-04 |
Family
ID=86486696
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211555122.8A Pending CN115905363A (zh) | 2022-12-05 | 2022-12-05 | 一种数据的实时排序系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115905363A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116303140A (zh) * | 2023-05-19 | 2023-06-23 | 珠海妙存科技有限公司 | 一种基于硬件的排序算法优化方法及其装置 |
-
2022
- 2022-12-05 CN CN202211555122.8A patent/CN115905363A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116303140A (zh) * | 2023-05-19 | 2023-06-23 | 珠海妙存科技有限公司 | 一种基于硬件的排序算法优化方法及其装置 |
CN116303140B (zh) * | 2023-05-19 | 2023-08-29 | 珠海妙存科技有限公司 | 一种基于硬件的排序算法优化方法及其装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112749626B (zh) | 一种面向dsp平台的快速人脸检测与识别方法 | |
CN110633747A (zh) | 目标检测器的压缩方法、装置、介质以及电子设备 | |
CN111368878B (zh) | 一种基于ssd目标检测的优化方法、计算机设备和介质 | |
CN115905363A (zh) | 一种数据的实时排序系统 | |
CN111709371A (zh) | 基于人工智能的分类方法、装置、服务器和存储介质 | |
CN114826885B (zh) | 一种基于数据分析的设备故障监测系统及方法 | |
US20240135698A1 (en) | Image classification method, model training method, device, storage medium, and computer program | |
CN115423084A (zh) | 脉动阵列、脉动阵列系统及其运算方法、装置、存储介质 | |
CN112288700A (zh) | 一种铁轨缺陷检测方法 | |
CN110782430A (zh) | 一种小目标的检测方法、装置、电子设备及存储介质 | |
CN111104855B (zh) | 一种基于时序行为检测的工作流识别方法 | |
CN113378969A (zh) | 一种目标检测结果的融合方法、装置、设备及介质 | |
CN115170988A (zh) | 基于深度学习的电网线路故障识别方法及系统 | |
CN114821154A (zh) | 一种基于深度学习的粮库通风窗状态检测算法 | |
CN114842371A (zh) | 一种无监督视频异常检测方法 | |
Ye et al. | Light-YOLOv5: A lightweight algorithm for improved YOLOv5 in PCB defect detection | |
CN112395952A (zh) | 一种用于铁轨缺陷检测的无人机 | |
CN111507396A (zh) | 缓解神经网络对未知类样本产生错误分类的方法及装置 | |
CN115984207A (zh) | 车辆缺陷检测方法、装置、系统及介质 | |
CN111814813A (zh) | 神经网络训练和图像分类方法与装置 | |
CN114973152A (zh) | 基于神经网络的小分子可循环压裂液储存罐的监控方法、装置、介质 | |
CN116484513A (zh) | 基于多级抽象时间特征融合的滚动轴承故障诊断方法 | |
CN111428224A (zh) | 基于人脸识别的电脑账户登录的方法 | |
EP4345638A1 (en) | Systolic array, systolic array system, computiation method, device, and storage medium | |
CN117454957B (zh) | 一种用于图像处理神经网络模型的推理训练系统 |
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 |