-
公开(公告)号：CN118842909A
公开(公告)日：2024-10-25
申请号：CN202310956879.6
申请日：2023-07-28
申请人： 华为技术有限公司
发明人： 于德权 , 赵寅 , 伊蕾娜·亚历山德罗夫娜·阿尔希娜
IPC分类号： H04N19/124 , H04N19/85 , G06T9/00
摘要： 一种图像编码、解码方法及装置，涉及人工智能领域和图像压缩领域，用以提供一种编解码方案，以满足不同的应用场景的需求。通过本申请所提供的编码、解码方法，可以根据档次信息(或标识信息)来确定所使用的编解码网络。即编解码器可根据解码设备的能力来选择对应的档次信息，以选择或者指示不同的编解码网络，这样既可以具备适配到低算力端侧的能力，也可以具备适配需要更高算力端侧的能力。
-
公开(公告)号：CN117409091A
公开(公告)日：2024-01-16
申请号：CN202210796212.X
申请日：2022-07-07
申请人： 华为技术有限公司
IPC分类号： G06T9/00
摘要： 本申请实施例提供了一种编解码方法及电子设备。该编码方法包括：首先，获取待编码图像；接着，基于待编码图像，生成C个通道的特征图，特征图包括多个特征点的特征值；基于C个通道的特征图，生成C个通道的估计信息矩阵；随后，将C个通道划分为N个通道组；针对N个通道组中至少一个目标通道组：基于目标通道组对应已编码特征点的特征值和目标通道组对应的估计信息矩阵，确定目标通道组对应待编码特征点对应的概率分布参数；然后，基于待编码特征点对应的概率分布参数，确定待编码特征点对应的概率分布；基于待编码特征点对应的概率分布对待编码特征点进行编码。这样，通过采用部分通道的信息确定概率分布参数，能够提高编码效率。
-
公开(公告)号：CN112529146B
公开(公告)日：2023-10-17
申请号：CN201910883124.1
申请日：2019-09-18
申请人： 华为技术有限公司
IPC分类号： G06N3/0464 , G06V10/25 , G06V10/82 , G06N3/084
摘要： 本申请提供了人工智能领域中的一种神经网络模型训练的方法，包括：获取神经网络模型、第一训练数据和第一训练数据的类别，神经网络模型是根据第二训练数据训练得到的，第一训练数据包括支持数据和查询数据，支持数据包括第一训练数据中的每一类的全部或部分数据，查询数据包括第一训练数据中每一类的全部或部分数据；利用神经网络模型对于第一训练数据进行特征提取，以得到第一训练数据的特征；根据每一类的类中心特征与查询数据特征的特征距离，调整神经网络模型中部分层的参数，以得到调整后的神经网络模型。通过对训练得到的神经网络模型的部分层的参数进行调整，从而得到具有良好精度和泛化能力的神经网络模型。
-
公开(公告)号：CN114363693B
公开(公告)日：2023-05-12
申请号：CN202011092293.2
申请日：2020-10-13
申请人： 华为技术有限公司
IPC分类号： H04N21/44 , H04N21/4402
摘要： 本申请提供一种画质调整方法及装置，能够解决图像优化时针对的场景有限的问题，从而提高画质优化的适应性，可应用于电子设备中。该方法包括：获取第一画质调整参数；根据第一画质调整参数调整第一图像的画质；其中，第一画质调整参数根据第一图像的第一画质特征确定；或者，第一画质调整参数根据第一图像的第一画质特征和第二图像的第二画质特征确定。其中，所述第一图像与所述第二图像位于同一视频流中，所述第二图像为所述第一图像的上一个视频帧。
-
公开(公告)号：CN114331810A
公开(公告)日：2022-04-12
申请号：CN202011063094.9
申请日：2020-09-30
申请人： 华为技术有限公司
摘要： 本申请实施例公开了一种图像处理方法，本申请实施例方法包括：数据处理设备获取原始图像后，对原始图像进行下采样，通过深度网络计算后生成深度双边网格，通过对深度双边网格中的原始仿射变换矩阵进行修正，得到新仿射变换矩阵，数据处理设备根据新仿射变换矩阵进行仿射滤波，生成增强后的图像。根据修正后的新仿射变换矩阵得到的增强后的图像，有效的减少了负优化的现象。
-
公开(公告)号：CN114363693A
公开(公告)日：2022-04-15
申请号：CN202011092293.2
申请日：2020-10-13
申请人： 华为技术有限公司
IPC分类号： H04N21/44 , H04N21/4402
摘要： 本申请提供一种画质调整方法及装置，能够解决图像优化时针对的场景有限的问题，从而提高画质优化的适应性，可应用于电子设备中。该方法包括：获取第一画质调整参数；根据第一画质调整参数调整第一图像的画质；其中，第一画质调整参数根据第一图像的第一画质特征确定；或者，第一画质调整参数根据第一图像的第一画质特征和第二图像的第二画质特征确定。其中，所述第一图像与所述第二图像位于同一视频流中，所述第二图像为所述第一图像的上一个视频帧。
-
公开(公告)号：CN113052870A
公开(公告)日：2021-06-29
申请号：CN201911369688.X
申请日：2019-12-26
申请人： 华为技术有限公司
摘要： 本申请公开了一种目标跟踪方法、目标检测方法和装置，涉及人工智能(artificialintelligence，AI)领域，用于解决多目标跟踪中跟踪框显示不稳定问题，和计算机视觉、目标检测与跟踪等相关。目标跟踪方法包括：对一帧目标图像进行目标检测以得到至少一个检测框，对目标图像进行跟踪检测以得到至少一个跟踪框；根据历史检测框和历史跟踪框，确定至少一个检测框的稳定度等级，历史检测框是对其他一帧或多帧图像进行目标检测得到的检测框，历史跟踪框是对其他一帧或多帧图像进行跟踪检测得到的跟踪框；将第一检测框与至少一个跟踪框分别进行匹配，根据匹配结果更新目标图像中显示的目标跟踪框，其中，第一检测框不包括至少一个检测框中稳定度等级为第一等级的检测框。
-
公开(公告)号：CN110865896B
公开(公告)日：2021-03-23
申请号：CN201810980255.7
申请日：2018-08-27
申请人： 华为技术有限公司
IPC分类号： G06F11/07
摘要： 本申请公开了一种慢盘检测方法及装置、计算机可读存储介质，属于云存储安全领域。包括：获取包括硬盘的多个IO数据的训练集；对训练集执行x次训练过程，训练过程包括：从训练集获取m个IO数据，对于每个IO数据，从第一搜索空间获取与IO数据中的目标IO值距离最近的k个IO值，基于目标IO值对应的目标时延值以及k个IO值对应的k个时延值确定IO数据对应的目标统计值，根据m个IO数据对应的m个目标统计值确定m个IO数据对应的累积分布函数；基于x次训练过程得到的x个累积分布函数确定目标阈值；基于目标阈值和训练集，根据硬盘的实时IO数据对硬盘进行慢盘检测。本申请通过IO数据中的IO值和时延值确定目标阈值，解决了慢盘检测的精确度较低的问题。
-
公开(公告)号：CN112529146A
公开(公告)日：2021-03-19
申请号：CN201910883124.1
申请日：2019-09-18
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的一种神经网络模型训练的方法，包括：获取神经网络模型、第一训练数据和第一训练数据的类别，神经网络模型是根据第二训练数据训练得到的，第一训练数据包括支持数据和查询数据，支持数据包括第一训练数据中的每一类的全部或部分数据，查询数据包括第一训练数据中每一类的全部或部分数据；利用神经网络模型对于第一训练数据进行特征提取，以得到第一训练数据的特征；根据每一类的类中心特征与查询数据特征的特征距离，调整神经网络模型中部分层的参数，以得到调整后的神经网络模型。通过对训练得到的神经网络模型的部分层的参数进行调整，从而得到具有良好精度和泛化能力的神经网络模型。
-
公开(公告)号：CN117474045A
公开(公告)日：2024-01-30
申请号：CN202210832123.6
申请日：2022-07-15
申请人： 华为技术有限公司
IPC分类号： G06N3/0464 , G06N3/084 , G06F18/214
摘要： 本申请公开了一种模型训练方法。该方法可以适用于动态计算图场景，也可以适用于静态计算图场景。该方法包括：获取训练数据；将训练数据作为模型的输入，在模型训练过程中使用第一精度范围进行参数的计算以得到计算值；若计算值溢出第一精度范围，则使用第二精度范围重新计算参数，并使用重新计算后的参数对模型进行一次或多次迭代训练，第二精度范围包括第一精度范围，或者第二精度范围与第一精度范围部分重叠。通过在参数的计算值溢出精度范围的情况下，对训练模型过程中使用的精度范围进行实时调整。可以有效解决低精度训练面临的溢出所导致的训练停滞问题。另外，不依赖人工经验定制初始化方案，可实时自动逐层调整训练精度。
-
-
-
-
-
-
-
-
-
搜索结果
23 条记录 (耗时 0.057 秒)
