-
公开(公告)号：CN113673533A
公开(公告)日：2021-11-19
申请号：CN202010412910.6
申请日：2020-05-15
申请人： 华为技术有限公司
摘要： 本申请实施例提供一种模型训练方法及相关装置，可用于人工智能、计算机视觉等领域，用来进行图像检测，该方法包括：分别通过第一网络的特征提取层和第二网络的特征提取层提取目标图像中的特征信息；并分别通过高斯掩膜进一步提取特征信息中关于目标物体的特征，得到第一局部特征和第二局部特征；再通过第一局部特征和第二局部特征确定特征损失；并且通过第一网络和第二网络基于同样的区域提议集合进行预测得到第一分类预测值和第二分类预测值，再根据第一分类预测值和第二分类预测值得到分类损失；之后根据分类损失和特征损失对第二网络训练，得到目标网络。采用本申请实施例，能够使得用于检测图像的目标网络的预测速度更快、预测准确度更高。
-
公开(公告)号：CN112183577A
公开(公告)日：2021-01-05
申请号：CN202010899716.5
申请日：2020-08-31
申请人： 华为技术有限公司
摘要： 本申请实施例公开了一种半监督学习模型的训练方法、图像处理方法及设备，可应用于人工智能领域的计算机视觉领域，该方法包括：首先通过训练后的第一半监督学习模型对一部分无标签样本的分类类别进行预测，得到预测标签，并通过一比特标注的方式判断各预测标签是否正确，如果预测正确则获得该样本的正确标签(即正标签)，否则可排除掉该样本的一个错误标签(即负标签)，之后，在下一训练阶段，利用上述信息重新构建训练集(即第一训练集)，并根据第一训练集重新训练初始半监督学习模型，从而提高模型的预测准确率，由于一比特标注只需标注者针对预测标签回答“是”或“否”，该标注方式能缓解机器学习中需要大量有正确标签数据的人工标注压力。
-
公开(公告)号：CN111507378A
公开(公告)日：2020-08-07
申请号：CN202010214454.4
申请日：2020-03-24
申请人： 华为技术有限公司
摘要： 本申请中的技术方案可以应用于人工智能领域中的计算机视觉领域。本申请提供的训练图像处理模型的技术方案中，获得增强图像之后，获取增强图像的软标签，并基于该软标签指导图像处理模型的训练，以提高图像处理模型的性能。此外，本申请的技术方案中，可以从增强图像的软标签中选出较高的分值来指导图像处理模型的训练，从而进一步提高图像处理模型的性能。
-
公开(公告)号：CN111402146A
公开(公告)日：2020-07-10
申请号：CN202010107896.9
申请日：2020-02-21
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图像处理方法以及图像处理装置，该图像处理方法包括：获取待处理原始raw域图像对应的通道图像，其中，该通道图像包括至少两个第一通道图像；对该第一通道图像进行图像修复处理，得到修复后的第一通道图像；根据该修复后的第一通道图像对该待处理raw域图像进行图像修复处理，得到联合去马赛克和去噪处理后的raw域图像。本申请的技术方案能够提升联合去马赛克和去噪后的raw域图像的图像质量。
-
公开(公告)号：CN111401516A
公开(公告)日：2020-07-10
申请号：CN202010109184.0
申请日：2020-02-21
申请人： 华为技术有限公司
摘要： 本申请实施例公开了一种神经网络通道参数的搜索方法及相关设备，首次提出一种基于算力(如FLOPs)的使用效率的神经网络通道参数搜索方法，其应用于人工智能领域，首先计算网络各层对算力的使用效率，然后增加算力的使用效率高的层的通道数，减少算力的使用效率低的层的通道数，该过程可迭代进行，最终获得对算力的使用效率非常高效的神经网络，缓解了目前神经网络通道参数搜索方法没有充分考虑到复杂度、使用效率低、搜索速度慢等问题。本申请还提出了一种计算神经网络各层对算力的使用效率的方法，该方法以一定比例随机丢弃部分通道并测试其对网络性能的影响，丢弃的通道对于不同测试样例是随机的，以此计算神经网络每层对算力的使用效率。
-
公开(公告)号：CN111382781A
公开(公告)日：2020-07-07
申请号：CN202010109046.2
申请日：2020-02-21
申请人： 华为技术有限公司
摘要： 本申请提供利用人工智能技术的图像处理领域中的获取图像标签的方法、训练图像识别模型的方法、图像识别方法和相关装置。本申请提供的方法中，获取到一般类别图像属于多种精细粒度类别中每种精细粒度类别的概率之后，计算这些类别基于对应的概率的熵信息，并在熵小于或等于预设的阈值时，根据这些精细粒度类别对应的概率确定该一般类别图像的精细粒度类别，以便于使用该一般类别图像和其精细粒度类别对精细图像识别模型进行训练。本申请的技术方案可以提高精细图像识别模型的性能。
-
公开(公告)号：CN112508801B
公开(公告)日：2024-08-02
申请号：CN202011133364.9
申请日：2020-10-21
申请人： 华为技术有限公司
IPC分类号： G06T5/00 , G06F3/08 , G06N3/0464 , G06T7/10
摘要： 本申请涉及图像处理方法及计算设备，所述图像处理方法包括获取针对被摄体的聚焦图像和散焦图像；将所述聚焦图像输入到图像处理机器学习模型组件中，获取相较于所述聚焦图像已被去除摩尔纹且模糊化处理的合成图像，其中，所述图像处理机器学习模型组件设置有全网络参数；通过利用所述合成图像与散焦图像之间的对应关系调整所述全网络参数，直至达到预设要求，生成所述全网络参数被调整完成的所述图像处理机器学习模型组件。采用本申请，不需要获取大量的训练图像并对训练图像执行标注即可确定其使用的全网络参数。
-
公开(公告)号：CN112215332B
公开(公告)日：2024-05-14
申请号：CN201910627480.7
申请日：2019-07-12
申请人： 华为技术有限公司
IPC分类号： G06N3/0464 , G06N3/063 , G06N3/084
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结构的搜索方法、图像处理方法及装置。其中，该神经网络结构的搜索方法包括：确定搜索空间和多个构建单元，并将多个构建单元堆叠得到搜索网络，然后在搜索空间内对搜索网络中的构建单元的网络架构进行优化，得到优化后的构建单元，最后再根据优化后的构建单元搭建目标神经网络。其中，在每个构建单元中，每个节点的输出特征图的部分通道经过待选操作处理，得到处理后的特征图，该处理后的特征图与剩余特征图拼接后输入到下一个节点。在本申请中，由于特征图只有部分通道送入待选操作处理，因此，可以降低搜索开销。
-
公开(公告)号：CN111402130B
公开(公告)日：2023-07-18
申请号：CN202010110945.4
申请日：2020-02-21
申请人： 华为技术有限公司
IPC分类号： G06T3/40
摘要： 本申请实施例公开了一种数据处理方法，应用于人工智能领域，具体为图像处理技术，包括：获取帧序列，帧序列中的帧具有第一分辨率；从帧序列中确定至少两个帧组，帧组包括第一目标帧和第一目标帧的至少两个邻近帧，第一目标帧为帧序列中的任意一帧，邻近帧为帧序列中除第一目标帧以外的帧；通过三维卷积神经网络确定至少两个帧组中每个帧组的特征，三维卷积神经网络中卷积核在时间维度的尺寸与帧组中帧的数量正相关；融合至少两个帧组中每个帧组的特征，以确定第一目标帧的细节特征；根据细节特征和第一目标帧，获取具有第二分辨率的第一目标帧，第二分辨率大于第一分辨率。
-
公开(公告)号：CN110175671B
公开(公告)日：2022-12-27
申请号：CN201910351894.1
申请日：2019-04-28
申请人： 华为技术有限公司
IPC分类号： G06N3/04 , G06N3/08 , G06V10/764 , G06V10/82 , G06V20/56
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。
-
-
-
-
-
-
-
-
-
搜索结果
44 条记录 (耗时 0.041 秒)
