-
公开(公告)号：CN112561028A
公开(公告)日：2021-03-26
申请号：CN201910914033.X
申请日：2019-09-25
申请人： 华为技术有限公司
摘要： 本申请属于人工智能领域的计算机视觉领域。本申请提供了一种训练神经网络模型的方法，包括：获取多个构建单元以及待训练数据；堆叠多个构建单元得到初始神经网络模型，初始神经网络模型的参数包括结构参数以及权重参数；将待训练数据输入初始神经网络模型，并根据第一损失函数对权重参数求二阶梯度得到的梯度值，对结构参数进行更新，以得到满足预设要求、用于识别多媒体数据的神经网络模型，第一损失函数用于对权重参数更新。本申请提供一种训练神经网络模型的方法、数据处理的方法及设备，目的在于提供一种精确识别多媒体数据的方法。
-
公开(公告)号：CN112307826A
公开(公告)日：2021-02-02
申请号：CN201910697411.3
申请日：2019-07-30
申请人： 华为技术有限公司
摘要： 本申请提供了行人检测方法、装置、计算机可读存储介质和芯片。涉及人工智能领域，具体涉及计算机视觉领域。该方法包括：对图像进行特征提取，得到图像的基础特征图；根据该基础特征图确定可能存在行人区域的候选框；对图像的基础特征图进行处理，以得到对行人可见部分的响应大于对行人遮挡部分和背景部分响应的物体可见度图；接下来，再对基础特征图和物体可见度图进行加权求和处理，得到图像的增强特征图，最后再根据图像的候选框和图像的增强特征图确定图像中存在行人的包围框和图像中存在行人的包围框的置信度。本申请能够提高行人检测的准确性。
-
公开(公告)号：CN112070664A
公开(公告)日：2020-12-11
申请号：CN202010762144.6
申请日：2020-07-31
申请人： 华为技术有限公司
IPC分类号： G06T3/40
摘要： 本申请公开了人工智能领域的一种图像处理方法以及装置，用于对输入图像进行超分辨率处理，高效准确地得到更高清的图像。该方法包括：对第一图像进行分解，得到第一结构子图和第一细节子图，第一图像为视频数据中的除第一帧外的任意一帧图像；对第一隐状态信息和第一结构子图进行融合，得到第二结构子图，以及对第一隐状态信息和第一细节子图进行拼接，得到第二细节子图，第一隐状态信息包括从第二图像中提取到的特征，第二图像包括视频数据与第一图像相邻的至少一帧图像；基于第二结构子图和第二细节子图进行特征提取，得到结构特征和细节特征；根据结构特征和细节特征，得到输出图像，输出图像的分辨率高于第一图像的分辨率。
-
公开(公告)号：CN111931901A
公开(公告)日：2020-11-13
申请号：CN202010626911.0
申请日：2020-07-02
申请人： 华为技术有限公司
摘要： 本申请公开了人工智能领域的一种神经网络构建方法以及装置，用于准确高效地构建目标神经网络，构建出的输出网络输出的准确度高，还可以应用于不同的应用场景中，泛化能力强。该方法包括：获取初始超网络，初始超网络包括多个节点，多个节点之间通过至少一种基础运算连接；通过预设的训练集对超网络进行至少一次迭代更新，得到至少一个输出网络，其中，在至少一次迭代更新中的任意一次迭代更新中，通过预设的训练集更新上一次迭代更新得到的输出网络的权重参数和结构参数，得到更新后的网络，删除更新后的网络中低于预设值的结构参数对应的基础运算，得到当前次迭代的输出网络。
-
公开(公告)号：CN111428854A
公开(公告)日：2020-07-17
申请号：CN202010055831.4
申请日：2020-01-17
申请人： 华为技术有限公司
摘要： 本申请公开了人工智能领域的一种结构搜索方法及结构搜索装置，用于神经网络构建，以构建单元在硬件上的预测延迟作为约束条件，确定出符合时延要求的神经网络，实现人工智能中的神经网络构建。该方法包括：获取用于请求创建在预设硬件上运行的神经网络的目标任务；随后根据目标任务获取超级单元，该超级单元包括多个节点，该多个节点中的任意两个节点之间通过多种基础运算连接；随后延迟预测模型的输出作为约束条件对超级单元进行搜索，确定出至少一个第一构建单元，该延迟预测模型用于输出预测延迟，该预测延迟为超级单元所包括的构建单元在预设硬件上运行时的预测延迟；对至少一个第一构建单元进行堆叠，得到神经网络。
-
公开(公告)号：CN111382839A
公开(公告)日：2020-07-07
申请号：CN202010109980.4
申请日：2020-02-23
申请人： 华为技术有限公司
摘要： 本申请提供了人工智能领域中一种剪枝神经网络的方法，包括：根据目标神经网络的参数去除比例确定第一剪枝阈值，所述第一剪枝阈值用于剪枝目标神经网络中的第一子网络；根据所述目标神经网络的参数去除比例确定第二剪枝阈值，所述第二剪枝阈值用于剪枝所述目标神经网络中的第二子网络，所述第二子网络的功能与所述第一子网络的功能不同，其中，所述目标神经网络的参数去除比例与目标设备的资源大小负相关，所述目标设备为剪枝后的所述目标神经网络部署的设备；根据所述第一剪枝阈值和所述第二剪枝阈值对所述目标神经网络进行剪枝。基于不同的剪枝阈值进行剪枝能够减小剪枝处理对多任务神经网络的性能的负面影响。
-
公开(公告)号：CN111382782A
公开(公告)日：2020-07-07
申请号：CN202010109899.6
申请日：2020-02-23
申请人： 华为技术有限公司
摘要： 本申请提供了一种训练分类器的方法，包括：获取第一训练样本，所述第一训练样本包括相应的语义标签；获取多个第二训练样本，每个所述第二训练样本包括相应的语义标签；根据所述第一训练样本和所述多个第二训练样本的语义相似度从所述多个第二训练样本中确定目标样本；根据所述第一训练样本、所述目标样本、所述第一训练样本和所述目标样本的语义相似度训练分类器。基于语义相似度训练分类器能够提高分类器的训练效率和性能。此外，由于上述方法在特征提取时未使用语义标签进行学习，无需改变特征提取器的网络结构，从而能够提高神经网络的训练效率。
-
公开(公告)号：CN111292331A
公开(公告)日：2020-06-16
申请号：CN202010110152.2
申请日：2020-02-23
申请人： 华为技术有限公司
IPC分类号： G06T7/10
摘要： 本申请提供一种图像处理的方法与装置。涉及人工智能领域，具体涉及计算机视觉领域。该方法包括：基于第一种图像处理任务的原始特征数据获取第一空间特征信息；根据第二种图像处理任务的原始特征数据与第一空间特征信息，获取第二特征数据；对第二特征数据进行第二种图像处理，获得第二种图像处理任务的处理结果；第一种图像处理任务与第二种图像处理任务分别为目标检测任务与实例分割任务中的一种与另一种。通过目标检测与实例分割中一方给另一方提供空间特征信息，目标检测和/或实例分割的特征数据可以得到校正，可以提高实例分割任务的预测准确度。
-
公开(公告)号：CN110175671A
公开(公告)日：2019-08-27
申请号：CN201910351894.1
申请日：2019-04-28
申请人： 华为技术有限公司
摘要： 本申请公开了人工智能领域中计算机视觉领域的一种神经网络的构建方法、图像处理方法及装置。其中，该神经网络的构建方法包括：确定搜索空间和多个构建单元；堆叠所述多个构建单元，以得到搜索网络，所述搜索网络是用于搜索神经网络结构的神经网络；在所述搜索空间内对所述搜索网络中的构建单元的网络结构进行优化，以得到优化后的构建单元，其中，在优化过程中搜索空间逐渐减小，构建单元数量逐渐增加，搜索空间的减小和构建单元数量的增加使得所述优化过程中产生的显存消耗在预设范围内；根据所述优化后的构建单元搭建所述目标神经网络。本申请能够在显存资源一定的情况下，构建出较好地满足应用需求的神经网络。
-
公开(公告)号：CN113159081A
公开(公告)日：2021-07-23
申请号：CN202010085440.7
申请日：2020-01-23
申请人： 华为技术有限公司
摘要： 本申请实施例公开一种图像处理方法以及相关设备，该方法可用于人工智能领域的图像处理领域中，方法可以包括：获取第一待处理图像，以及第一数据分布特性，第一数据分布特性包括与第一图像集合中图像对应的特征图的数据分布特性，第一待处理图像与第一图像集合的数据分布规律相同；对第一待处理图像进行特征提取，并根据第一数据分布特性，在进行特征提取过程中对第一特征图进行数据分布对齐，第一特征图为对第一待处理图像进行特征提取过程中生成的，执行过数据分布对齐后的特征图有着相似的数据分布，利用第一数据分布特性进行数据分布对齐，大跨度的将第一特征图的数据分布向神经网络的敏感数据区域拉近，提升对跨场景图像的特征提取性能。
-
-
-
-
-
-
-
-
-
搜索结果
44 条记录 (耗时 0.041 秒)
