一种提升卷积神经网络可靠性的方法、系统及设备
授权
摘要
本申请公开了一种提升卷积神经网络可靠性的方法，包括：根据输入的图像处理命令确定待处理图像数据、卷积神经网络模型及校验码；利用校验码对卷积神经网络模型进行软错误校验；若卷积神经网络模型未出现软错误，则利用卷积神经网络模型对待处理图像数据进行图像处理。本申请通过在利用卷积神经网络模型对待处理图像数据进行图像处理之前，先对卷积神经网络模型进行软错误校验，进而降低了计算机系统发生软错误的概率。同时，利用校验码进行软错误校验，极大地降低了校验后的卷积神经网络模型出现的概率，提高了利用CNNs得到的图像处理结果精度。本申请同时还提供了一种提升卷积神经网络可靠性的系统、设备及可读存储介质，具有上述有益效果。
基本信息
专利标题 ：
一种提升卷积神经网络可靠性的方法、系统及设备
专利标题（英）：
暂无
公开（公告）号 ：
CN112965854A
申请号 ：
CN202110411945.2
公开（公告）日 ：
2021-06-15
申请日 ：
2021-04-16
授权号 ：
CN112965854B
授权日 ：
2022-04-29
发明人 ：
谭婧炜佳王麒翔平丽琪阎凯歌
申请人 ：
吉林大学
申请人地址 ：
吉林省长春市前进大街2699号
代理机构 ：
北京集佳知识产权代理有限公司
代理人 ：
王晓坤
优先权 ：
CN202110411945.2
主分类号 ：
G06F11/10
IPC分类号 ：
G06F11/10 G06N3/04
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F11/00
错误检测；错误校正；监控
G06F11/07
响应错误的产生，例如，容错
G06F11/08
用数据表示中的冗余码作错误检测或校正，例如，应用校验码
G06F11/10
对编码信息添加特定的码或符号，例如，奇偶校验、除9或除11校验
法律状态
2022-04-29 ：
授权
2021-07-02 ：
实质审查的生效
IPC(主分类) : G06F 11/10
申请日 : 20210416
申请日 : 20210416
2021-06-15 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
