JP2020149156A - データ圧縮装置、データ処理装置、データ圧縮方法、プログラム、及び学習済みモデル - Google Patents
データ圧縮装置、データ処理装置、データ圧縮方法、プログラム、及び学習済みモデル Download PDFInfo
- Publication number
- JP2020149156A JP2020149156A JP2019044190A JP2019044190A JP2020149156A JP 2020149156 A JP2020149156 A JP 2020149156A JP 2019044190 A JP2019044190 A JP 2019044190A JP 2019044190 A JP2019044190 A JP 2019044190A JP 2020149156 A JP2020149156 A JP 2020149156A
- Authority
- JP
- Japan
- Prior art keywords
- compression
- data
- control signal
- feature
- layer
- 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.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims abstract description 421
- 238000000034 method Methods 0.000 title claims description 105
- 238000013144 data compression Methods 0.000 title claims description 39
- 238000007906 compression Methods 0.000 claims abstract description 387
- 230000006835 compression Effects 0.000 claims abstract description 287
- 238000013528 artificial neural network Methods 0.000 claims abstract description 70
- 230000008569 process Effects 0.000 claims description 72
- 230000006837 decompression Effects 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 7
- 230000009467 reduction Effects 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 230000015654 memory Effects 0.000 abstract description 47
- 230000006866 deterioration Effects 0.000 abstract description 7
- 238000004364 calculation method Methods 0.000 description 42
- 238000013139 quantization Methods 0.000 description 19
- 238000013500 data storage Methods 0.000 description 12
- 238000013527 convolutional neural network Methods 0.000 description 8
- 238000001994 activation Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000012805 post-processing Methods 0.000 description 6
- 230000004913 activation Effects 0.000 description 5
- 238000011176 pooling Methods 0.000 description 5
- 238000011282 treatment Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
- H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
- H03M7/3059—Digital compression and data reduction techniques where the original information is represented by a subset or similar information, e.g. lossy compression
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
- G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
- H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
- H03M7/46—Conversion to or from run-length codes, i.e. by representing the number of consecutive digits, or groups of digits, of the same kind by a code word and a digit indicative of that kind
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
- H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
- H03M7/60—General implementation details not specific to a particular type of compression
- H03M7/6064—Selection of Compressor
- H03M7/607—Selection between different types of compressors
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
- H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
- H03M7/60—General implementation details not specific to a particular type of compression
- H03M7/6064—Selection of Compressor
- H03M7/6082—Selection strategies
- H03M7/6094—Selection strategies according to reasons other than compression rate or data type
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Neurology (AREA)
- Compression Of Band Width Or Redundancy In Fax (AREA)
Abstract
Description
ニューラルネットワークに含まれる階層の特徴面データを取得する取得手段と、
第1の圧縮処理を制御するための前記階層に対応する第1の制御信号、及び第2の圧縮処理を制御するための前記階層に対応する第2の制御信号を出力する制御手段と、
前記特徴面データに対して、前記第1の制御信号に応じた前記第1の圧縮処理を行う第1の圧縮手段と、
前記第1の圧縮処理後の前記特徴面データに対して、前記第2の制御信号に応じた、前記第1の圧縮処理とは異なる種類の前記第2の圧縮処理を行う第2の圧縮手段と、
を備えることを特徴とする。
(データ処理装置の構成例)
実施形態1に係るデータ圧縮装置は、ニューラルネットワークを用いた処理において得られる、ニューラルネットワークに含まれる階層の特徴面データ(本明細書において、単に特徴面と呼ぶことがある)を圧縮する構成を有している。より具体的には、本実施形態に係るデータ圧縮装置は、ニューラルネットワークの第1の階層における特徴面を圧縮してからメモリに格納することができる。そして、データ圧縮装置は、メモリに格納された圧縮後の特徴面を用いて、ニューラルネットワークの第2の階層の特徴面を生成するための演算処理を行うことができる。なお、本実施形態に係るデータ圧縮装置は、一階層の特徴面全体を圧縮してメモリに格納する代わりに、一階層の特徴面の一部を圧縮してメモリに格納してもよい。
上述の通り、データ処理部305は、入力データに対してニューラルネットワークを用いた処理を行う。ニューラルネットワークを用いた処理は特に限定されず、公知のニューラルネットワークを用いてもよい。一実施形態に係るニューラルネットワークは、入力層、複数の中間層、及び出力層のような、複数の階層(レイヤ)を有している。このようなニューラルネットワークを用いた処理においては、先行する階層における特徴面を用いた演算処理により、後続する階層の特徴面が得られる。具体例において、第1の階層における特徴面を用いた演算処理により、第1の階層に後続する第2の階層の特徴面が得られる。その後、第2の階層の特徴面を用いた演算処理により、第2の階層に後続する第3の階層の特徴面が得られる。
データ処理部305は、特徴面に対する圧縮処理を行う圧縮処理部101及び圧縮処理部102を有している。また、データ処理部305はさらに、圧縮処理部101,102による圧縮処理を制御する制御部104を有している。これら圧縮処理部101,102及び制御部104で構成される部分を、データ圧縮装置と呼ぶことができる。図1に示す例において、データ圧縮装置はさらに圧縮後の特徴面を格納する記憶部103を有している。記憶部103は、圧縮処理部102により出力された特徴面データを格納することができる。一方で、記憶部103はデータ処理部305の外部にあってもよい。
データ処理部305が行う処理について、図2のフローチャートを参照して説明する。以下では、データ処理部305が図4に示すネットワークに従う処理を行う場合について説明する。ステップS201〜S211によって、図4に示すネットワーク全体に相当するデータ処理を実現することができる。また、階層(レイヤ1〜レイヤ4)のそれぞれに相当するデータ処理は、ステップS203〜S210によって実現される。すなわち、ステップS203〜S210の処理を繰り返すことにより、各階層に相当する処理を順次実現できる。
L’=l’×w ……(3)
L’’=l’×m×(w/n)+n ……(4)
制御パラメータ105の具体例及びその作成方法の例を以下に示す。制御パラメータ105は、記憶部103(特徴面メモリ)におけるメモリ使用量を削減するように作成することができる。以下の例では、図4に示すネットワーク情報と、図3に示すデータ処理装置の制約と、に基づいて予め制御パラメータ105が設定される。図4の例では、ネットワーク情報として、各特徴面のサイズを表す情報が用いられている。図4に示すように、ネットワーク情報は、例えば各階層の特徴面のサイズ(画素数)、各階層の特徴面の数、及び各階層の特徴面のビット幅を含んでいてもよい。このように設定された制御パラメータ105を参照することにより、階層の特徴面のサイズ、階層の特徴面の数、及び階層の特徴面のビット幅に基づいて決定された信号である、第1の制御信号及び第2の制御信号を、制御部104が出力することが可能となる。なお、以下の例においては入力層(レイヤ1)の特徴面及び出力層(レイヤ4)の特徴面も記憶部103に格納されるが、これは必須ではなく、中間層の特徴面のみが記憶部103に格納されてもよい。
第1の圧縮処理及び第2の圧縮処理の種類は特に限定されない。実施形態2では、実施形態1とは異なる圧縮処理の組み合わせにより特徴面が圧縮される。実施形態2に係るデータ処理装置は、図3に示す、実施形態1と同様の構成を有している。一方で、データ処理部305は、実施形態1とは異なり、図8に示す構成を有している。
L’=l’×(w/4) ……(5)
L’’=l’×w’ ……(6)
制御パラメータ805の具体例及びその作成方法の例を以下に示す。以下の例でも、図4に示すネットワーク情報と、図3に示すデータ処理装置の制約と、に基づいて予め制御パラメータ805が設定される。実施形態2においても、記憶部803におけるメモリ使用量の上限は、連続する2階層の特徴面の合計データサイズの最大値に相当する。以下の例では、記憶部803は5KBのメモリ容量を有している。
実施形態1,2においてデータ処理部305は2つの圧縮処理部101,102又は2つの圧縮処理部801,802を有していた。一方、データ処理部305はそれぞれ異なる種類の圧縮処理を行う3以上の圧縮処理部を有していてもよい。
Claims (20)
- ニューラルネットワークに含まれる階層の特徴面データを取得する取得手段と、
第1の圧縮処理を制御するための前記階層に対応する第1の制御信号、及び第2の圧縮処理を制御するための前記階層に対応する第2の制御信号を出力する制御手段と、
前記特徴面データに対して、前記第1の制御信号に応じた前記第1の圧縮処理を行う第1の圧縮手段と、
前記第1の圧縮処理後の前記特徴面データに対して、前記第2の制御信号に応じた、前記第1の圧縮処理とは異なる種類の前記第2の圧縮処理を行う第2の圧縮手段と、
を備えることを特徴とするデータ圧縮装置。 - 前記第1の圧縮手段及び前記第2の圧縮手段は、前記特徴面データに対して固定長圧縮を行うことを特徴とする、請求項1に記載のデータ圧縮装置。
- 前記制御手段は、前記固定長圧縮により得られるデータサイズを前記階層ごとに切り替えるように、前記第1の制御信号及び前記第2の制御信号を出力することを特徴とする、請求項2に記載のデータ圧縮装置。
- 前記第1の圧縮処理及び前記第2の圧縮処理は、空間方向の配列に対する圧縮処理、チャネル方向の配列に対する圧縮処理、及び値のビット幅を削減する処理、のうちの2つであることを特徴とする、請求項1から3のいずれか1項に記載のデータ圧縮装置。
- 前記第1の圧縮処理と前記第2の圧縮処理の少なくとも一方が、空間方向又はチャネル方向の配列に対する圧縮処理であり、
前記第1の制御信号と前記第2の制御信号の少なくとも一方が、前記配列に対する圧縮処理の処理パラメータを規定することを特徴とする、請求項1から3のいずれか1項に記載のデータ圧縮装置。 - 前記配列に対する圧縮処理が、前記配列を複数の分割データへと分割する処理と、前記複数の分割データの一部を欠落させる処理と、欠落させた分割データの前記配列中の位置を示す情報を生成する処理と、を含むことを特徴とする、請求項5に記載のデータ圧縮装置。
- 前記第1の圧縮処理と前記第2の圧縮処理の少なくとも一方が、値のビット幅を削減する処理であり、
前記第1の制御信号と前記第2の制御信号の少なくとも一方が、ビット幅の削減量又は削減後のビット幅を指定することを特徴する、請求項1から3のいずれか1項に記載のデータ圧縮装置。 - 前記第1の圧縮処理と前記第2の圧縮処理の少なくとも一方が非可逆圧縮処理であることを特徴とする、請求項1から7のいずれか1項に記載のデータ圧縮装置。
- 前記制御手段は、前記第1の圧縮処理を行うか否かを前記階層ごとに切り替えるように前記第1の制御信号を生成し、前記第2の圧縮処理を行うか否かを前記階層ごとに切り替えるように前記第2の制御信号を生成することを特徴とする、請求項1から8のいずれか1項に記載のデータ圧縮装置。
- 前記第1の圧縮手段及び前記第2の圧縮手段は、前記特徴面データを分割することにより得られた複数の処理単位のそれぞれに対して、前記第1の圧縮処理及び前記第2の圧縮処理を行うことを特徴とする、請求項1から9のいずれか1項に記載のデータ圧縮装置。
- 前記制御手段が出力する前記第1の制御信号及び前記第2の制御信号は、前記階層の特徴面のサイズ、前記階層の特徴面の数、及び前記階層の特徴面のビット幅に基づいて決定された信号であることを特徴とする、請求項1から10のいずれか1項に記載のデータ圧縮装置。
- 前記第2の圧縮手段により出力された特徴面データを格納する記憶手段をさらに備え、
前記制御手段が出力する前記第1の制御信号及び前記第2の制御信号は、前記記憶手段の容量に基づいて決定された信号であることを特徴とする、請求項1から11のいずれか1項に記載のデータ圧縮装置。 - 前記制御手段が出力する前記第1の制御信号及び前記第2の制御信号は、前記ニューラルネットワークを用いた処理により得られるデータの目標品質に応じて決定された信号であることを特徴とする、請求項1から12のいずれか1項に記載のデータ圧縮装置。
- ニューラルネットワークを用いた演算処理を行うデータ処理装置であって、
請求項1から13のいずれか1項に記載のデータ圧縮装置と、
前記データ圧縮装置が有する前記第2の圧縮手段により出力された特徴面データを格納する記憶手段と、
前記記憶手段に格納された前階層の特徴面データを用いて、次階層の特徴面データを生成する演算処理を行う演算手段と、
を備えることを特徴とする、データ処理装置。 - 前記記憶手段に格納されている圧縮された前記特徴面データを展開して前記演算手段に供給する展開手段をさらに備えることを特徴とする、請求項14に記載のデータ処理装置。
- 前記展開手段は、展開処理を前記階層ごとに切り替えることを特徴とする、請求項15に記載のデータ処理装置。
- 前記データ処理装置は、入力データに対して前記ニューラルネットワークを用いた演算処理を行うことにより、前記入力データに対応する出力データを生成するデータ処理装置であり、
学習用の入力データに対して前記ニューラルネットワークを用いた演算処理を行うことにより得られた出力データと、学習用の入力データに対応する教師データと、を用いて、前記ニューラルネットワークの学習を行う学習手段をさらに備えることを特徴とする、請求項14から16のいずれか1項に記載のデータ処理装置。 - 請求項14から16のいずれか1項に記載のデータ処理装置が行う処理を規定する、前記階層ごとの前記第1の制御信号及び前記第2の制御信号を特定する制御パラメータと、前記ニューラルネットワークと、を含む学習済みモデル。
- データ圧縮装置が行うデータ圧縮方法であって、
ニューラルネットワークに含まれる階層の特徴面データを取得する取得工程と、
第1の圧縮処理を制御するための前記階層に対応する第1の制御信号、及び第2の圧縮処理を制御するための前記階層に対応する第2の制御信号を出力する制御工程と、
前記特徴面データに対して、前記第1の制御信号に応じた前記第1の圧縮処理を行う第1の圧縮工程と、
前記第1の圧縮処理後の前記特徴面データに対して、前記第2の制御信号に応じた、前記第1の圧縮処理とは異なる種類の前記第2の圧縮処理を行う第2の圧縮工程と、
を備えることを特徴とするデータ圧縮方法。 - コンピュータを、請求項1から13のいずれか1項に記載のデータ圧縮装置又は請求項14から17のいずれか1項に記載のデータ処理装置の各手段として機能させるための、プログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019044190A JP7345262B2 (ja) | 2019-03-11 | 2019-03-11 | データ圧縮装置、データ処理装置、データ圧縮方法、プログラム、及び学習済みモデル |
US16/810,057 US11574188B2 (en) | 2019-03-11 | 2020-03-05 | Data processing apparatus, data processing method, medium, and trained model |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019044190A JP7345262B2 (ja) | 2019-03-11 | 2019-03-11 | データ圧縮装置、データ処理装置、データ圧縮方法、プログラム、及び学習済みモデル |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020149156A true JP2020149156A (ja) | 2020-09-17 |
JP7345262B2 JP7345262B2 (ja) | 2023-09-15 |
Family
ID=72423025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019044190A Active JP7345262B2 (ja) | 2019-03-11 | 2019-03-11 | データ圧縮装置、データ処理装置、データ圧縮方法、プログラム、及び学習済みモデル |
Country Status (2)
Country | Link |
---|---|
US (1) | US11574188B2 (ja) |
JP (1) | JP7345262B2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200394505A1 (en) * | 2019-06-13 | 2020-12-17 | Canon Kabushiki Kaisha | Data processing apparatus and control method |
KR102360116B1 (ko) * | 2021-03-26 | 2022-02-08 | 세종대학교산학협력단 | 압축 모듈을 포함하는 인공지능 가속기 및 이를 이용한 데이터 전달 방법 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018123801A1 (ja) * | 2016-12-28 | 2018-07-05 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 三次元モデル配信方法、三次元モデル受信方法、三次元モデル配信装置及び三次元モデル受信装置 |
CN113383496A (zh) * | 2019-04-23 | 2021-09-10 | 西门子股份公司 | 数据处理系统和方法 |
JP2022022876A (ja) | 2020-07-09 | 2022-02-07 | キヤノン株式会社 | 畳み込みニューラルネットワーク処理装置 |
US20220121397A1 (en) * | 2020-10-16 | 2022-04-21 | Western Digital Technologies, Inc. | Internal Compression Storage Devices |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018092560A (ja) * | 2016-12-01 | 2018-06-14 | ヴィア アライアンス セミコンダクター カンパニー リミテッド | 効率的な3次元畳み込みを行うニューラルネットワークユニット |
JP2018520404A (ja) * | 2015-04-28 | 2018-07-26 | クゥアルコム・インコーポレイテッドQualcomm Incorporated | ニューラルネットワークのためのトレーニング基準としてのフィルタ特異性 |
WO2019008752A1 (ja) * | 2017-07-07 | 2019-01-10 | 三菱電機株式会社 | データ処理装置、データ処理方法および圧縮データ |
JP2019036899A (ja) * | 2017-08-21 | 2019-03-07 | 株式会社東芝 | 情報処理装置、情報処理方法およびプログラム |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2679738B2 (ja) * | 1989-03-01 | 1997-11-19 | 富士通株式会社 | ニューロコンピュータにおける学習処理方式 |
US7539549B1 (en) * | 1999-09-28 | 2009-05-26 | Rockwell Automation Technologies, Inc. | Motorized system integrated control and diagnostics using vibration, pressure, temperature, speed, and/or current analysis |
JP4891197B2 (ja) | 2007-11-01 | 2012-03-07 | キヤノン株式会社 | 画像処理装置および画像処理方法 |
US10268881B2 (en) | 2015-09-30 | 2019-04-23 | Canon Kabushiki Kaisha | Pattern classifying apparatus, information processing apparatus, pattern classifying method, and non-transitory computer readable storage medium |
JP6700712B2 (ja) | 2015-10-21 | 2020-05-27 | キヤノン株式会社 | 畳み込み演算装置 |
GB201607713D0 (en) | 2016-05-03 | 2016-06-15 | Imagination Tech Ltd | Convolutional neural network |
US11327475B2 (en) * | 2016-05-09 | 2022-05-10 | Strong Force Iot Portfolio 2016, Llc | Methods and systems for intelligent collection and analysis of vehicle data |
-
2019
- 2019-03-11 JP JP2019044190A patent/JP7345262B2/ja active Active
-
2020
- 2020-03-05 US US16/810,057 patent/US11574188B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018520404A (ja) * | 2015-04-28 | 2018-07-26 | クゥアルコム・インコーポレイテッドQualcomm Incorporated | ニューラルネットワークのためのトレーニング基準としてのフィルタ特異性 |
JP2018092560A (ja) * | 2016-12-01 | 2018-06-14 | ヴィア アライアンス セミコンダクター カンパニー リミテッド | 効率的な3次元畳み込みを行うニューラルネットワークユニット |
WO2019008752A1 (ja) * | 2017-07-07 | 2019-01-10 | 三菱電機株式会社 | データ処理装置、データ処理方法および圧縮データ |
JP2019036899A (ja) * | 2017-08-21 | 2019-03-07 | 株式会社東芝 | 情報処理装置、情報処理方法およびプログラム |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200394505A1 (en) * | 2019-06-13 | 2020-12-17 | Canon Kabushiki Kaisha | Data processing apparatus and control method |
US11636321B2 (en) * | 2019-06-13 | 2023-04-25 | Canon Kabushiki Kaisha | Data processing apparatus and control method |
KR102360116B1 (ko) * | 2021-03-26 | 2022-02-08 | 세종대학교산학협력단 | 압축 모듈을 포함하는 인공지능 가속기 및 이를 이용한 데이터 전달 방법 |
Also Published As
Publication number | Publication date |
---|---|
US20200293885A1 (en) | 2020-09-17 |
JP7345262B2 (ja) | 2023-09-15 |
US11574188B2 (en) | 2023-02-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2020149156A (ja) | データ圧縮装置、データ処理装置、データ圧縮方法、プログラム、及び学習済みモデル | |
US11481613B2 (en) | Execution method, execution device, learning method, learning device, and recording medium for deep neural network | |
JP6789894B2 (ja) | ネットワーク係数圧縮装置、ネットワーク係数圧縮方法およびプログラム | |
JP7091521B2 (ja) | 情報処理装置、情報処理方法およびプログラム | |
JP2017085603A (ja) | 領域ベースの画像圧縮 | |
JP2020109647A (ja) | 多層ニューラルネットワークモデルの学習及び適用方法、装置、並びに記憶媒体 | |
US20220138992A1 (en) | Image encoding/decoding method and apparatus based on wavelet transform | |
KR102152346B1 (ko) | 이미지 파일의 블록 간 차이를 통한 압축율 향상 방법 및 시스템 | |
JP7189865B2 (ja) | モデル圧縮装置及びプログラム | |
CN109978144B (zh) | 一种模型压缩方法和系统 | |
CN107547773B (zh) | 一种图像处理方法、装置及设备 | |
KR20210031296A (ko) | 전자 장치 및 그 제어 방법 | |
KR101591472B1 (ko) | 점진적 메쉬 복호화 방법과 장치 | |
JP6763442B2 (ja) | パターン生成装置、画像処理装置、パターン生成方法、及びプログラムを記憶した記憶媒体 | |
US20220405561A1 (en) | Electronic device and controlling method of electronic device | |
TWI708196B (zh) | 使用基於累積計數分佈之函數之用於模型參數之解壓縮之方法及處理器 | |
US10938412B2 (en) | Decompression of model parameters using functions based upon cumulative count distributions | |
TWI729939B (zh) | 使用基於累積計數分佈之函數之用於模型參數之解壓縮之方法及處理器 | |
JP6303636B2 (ja) | 画像処理装置及び画像処理方法 | |
US20240048703A1 (en) | Encoding device, decoding device, encoding method, decoding method, and program | |
US11853864B2 (en) | Data processing apparatus and data processing method for executing processing using neural network | |
JP2024008194A (ja) | オートエンコーダ学習システム及び方法 | |
KR20230000686A (ko) | 전자 장치 및 전자 장치의 제어 방법 | |
WO2022268236A1 (en) | Image compression and associated color approximation | |
KR20240025629A (ko) | 광학 흐름를 이용한 비디오 압축 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20210103 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210113 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220311 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221227 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230120 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230317 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230515 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230620 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230807 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230905 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7345262 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |