用于监测物理信号时间序列中的至少一个元素的过程制造技术

本公开涉及用于监测物理信号时间序列中的至少一个元素的过程。一种用于通过实现人工神经网络来检测物理信号中的事件或特征的方法包括通过实现所述人工神经网络来评估所述事件或特征存在的概率。所述方法包括以标称模式实现所述人工神经网络，并且只要所述事件或特征的存在的概率低于阈值，就向所述人工神经网络馈送具有第一所谓标称分辨率的物理信号。所述方法还包括以具有减小的分辨率的减小消耗模式实现所述人工神经网络，只要所述事件或特征的存在的概率高于所述阈值即可。所述减小的分辨率低于所述第一分辨率。的分辨率低于所述第一分辨率。的分辨率低于所述第一分辨率。

【技术实现步骤摘要】
用于监测物理信号时间序列中的至少一个元素的过程
[0001]相关申请的交叉引用
[0002]本申请要求2021年10月25日提交的法国专利申请号2111302的优先权，该申请在此通过引用将其整体并入本文。


[0003]本公开整体涉及人工神经网络，并且在特定实施例中，涉及被配置为跟踪物理信号时间序列中的特征的人工神经网络。

技术介绍

[0004]某些神经网络适于跟踪物理信号时间序列中的特征。例如，某些神经网络适于跟踪形成视频的场景的图像序列中的对象或人的位置。
[0005]这些神经网络被配置为被馈送物理信号作为输入并且输出检测数据。检测数据可包括关于所检测的特征的大小、该特征的中心的位置、或该特征的类别的信息。具体地，神经网络可被配置为生成围绕要在图像中检测的对象或人的边框。
[0006]具体地，人工神经网络通常包括一系列神经元层。每个神经元层接收向其馈送的数据或从连续层中的前一层接收的数据，并且将权重应用于这些数据以获得层输出数据，该层输出数据可被传输到连续层中的后续层或由人工神经网络输出。<br/>[0007]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种方法，包括：使用具有单个权重集的人工神经网络来确定要在物理信号时间序列中的物理信号中被跟踪的特征的存在的概率，所述物理信号是所述人工神经网络的输入并且能够具有不同分辨率；响应于所述特征的存在的概率小于阈值，以标称操作模式执行所述人工神经网络，所述标称模式中的所述物理信号是具有标称分辨率的物理信号；以及响应于所述特征的存在的概率大于所述阈值，以加速处理操作模式执行所述人工神经网络，与所述标称模式相比，所述物理信号的处理速率在所述加速处理模式中增加，所述加速处理模式中的所述物理信号是具有比所述标称分辨率更低的减小的分辨率的物理信号。2.根据权利要求1所述的方法，其中所述减小的分辨率是所述标称分辨率与基于具有所述标称分辨率的输入的输出分辨率之间的比率的倍数。3.根据权利要求2所述的方法，其中所述阈值基于所述人工神经网络的期望调用。4.根据权利要求2所述的方法，其中所述阈值基于所述人工神经网络的期望精确度。5.根据权利要求2所述的方法，其中所述物理信号是由相机获取的场景的图像、由麦克风递送的音频信号，或由加速度计、陀螺仪、磁力计或飞行时间传感器递送的信号。6.根据权利要求5所述的方法，还包括：将在所述物理信号时间序列的第一物理信号中检测到的每个特征的位置与在所述物理信号时间序列的第二物理信号中检测到的每个特征的位置进行比较，在所述物理信号时间序列中，所述第二物理信号直接在所述第一物理信号的前面；以及在所述加速处理模式中滤掉由所述人工神经网络进行的对特征的错误检测。7.根据权利要求1所述的方法，其中所述人工神经网络在微控制器中实现。8.一种存储计算机指令的非暂态计算机可读介质，所述计算机指令在由处理器执行时致使所述处理器：使用具有单个权重集的人工神经网络来确定要在物理信号时间序列中的物理信号中被跟踪的特征的存在的概率，所述物理信号是所述人工神经网络的输入并且能够具有不同分辨率；响应于所述特征的存在的概率小于阈值，以标称操作模式执行所述人工神经网络，所述标称模式中的所述物理信号是具有标称分辨率的物理信号；以及响应于所述特征的存在的概率大于所述阈值，以加速处理操作模式执行所述人工神经网络，与所述标称模式相比，所述物理信号的处理速率在所述加速处理模式中增加，所述加速处理模式中的所述物理信号是具有比所述标称分辨率更低的减小的分辨率的物理信号。9.根据权利要求8所述的非暂态计算机可读介质，其中所述减小的分辨率是所述标称分辨率与基于具有所述标称分辨率的输入的输出分辨率之间的比率的倍数。10.根据权利要求9所述的非暂态计算机可读介质，其中所述阈值基于所述人工神经网络的期望调用。11.根据权利要求9所述的非暂态计算机可读介质，其中所述阈值基于所述人工神经网络的期望精确度。12.根据权利要求9所述的非暂态计算机可读介质，其中所述物理信号是由相机获取的场景的图像、由麦克风递送的音频信号，或由加速度计、陀螺仪、磁力计或飞行时间传感器
递送的信号。13.根据权利要求12所述的非暂态计算机可读介质，其中所述计算机指令在由所述处理器执行时致使所述处理器：将在所述物理信号时间序列的第一物理信号中检测到的每个特征的位置与在所述物理信号时间序列的第二物理信号中检测到的每个特征的位置进行比较，在所述物理信号时间序列中，所述第二物理信号直接在所述第一物理信号的前面；以及在所述加速处理模式中滤掉由所述人工神经网络进行的对特征的错误检测。14.根据权利要求8所述的非暂态计算机可读介质，其中所述人工神经网络在微控制器中实现。15.一种微控制器，包括：非暂态存储器存储装置，所述非暂态存储器存储装置包括指令；以及处理器，所述处理器与所述非暂态存储器存储装置通信，由所述处理器进行的对所述指令的所述执行致使所述处理器：使用具有单个权重集的人工神经网络来确定要在物理信号时间序列中的物理信号中被跟踪的特征的存在的概率，所述物理信号是所述人工神经网络的输入并且能够具有不同分辨率；响应于所述特征的存在的概率小于阈值，以标称操作模式执行所述人工神经网络，所述标称模式中的所述物理信号是具有标称分辨率的物理信号；以及响应于所述特征的存在的概率大于所述阈值，以加速处理操作模式执行所述人工神经网络，与所述标称模式相比，所述物理信号的处理速率在所述加速处理模式中增加，所述加速处理模式中的所述物理信号是具有比所述标称分辨率更低的减小的分辨率的物理信号。16.根据权利要求15所述的微控制器，其中所述减小的分辨率是所述标称分辨率与基于具有所述标称分辨率的输入的输出分辨率之间的比率的倍数。17.根据权利要求16所述的微控制器，其中所述阈值是基于所述人工神经网络的期望调用。18.根据权利要求16所述的微控制器，其中所述阈值是基于所述人工神经网络的期望精确度。19.根据权利要求16所述的微控制器，其中所述物理信号是由相机获取的场景的图像、由麦克风递送的音频信号，或由加速度计、陀螺仪、磁力计或飞行时间传感器递送的信号。20.根据权利要求19所述的微控制器，其中由所述处理器进行的对所述指令的所述执行致使所述处理器：将在所述物理信号时间序列的第一物理信号中检测到的每个特征的位置与在所...

【专利技术属性】
技术研发人员：P，
申请(专利权)人：意法半导体鲁塞公司，
类型：发明
国别省市：