-
公开(公告)号：CN109190499B
公开(公告)日：2021-08-17
申请号：CN201810903741.9
申请日：2018-08-09
申请人： 百度在线网络技术(北京)有限公司
摘要： 本发明提供一种图像处理方法、装置、设备及计算机可读存储介质，方法包括：获取待学习数据的先验特征；根据所述先验特征为神经网络模型设置初始化参数；根据所述待学习数据对所述神经网络模型进行训练，获得训练后的神经网络模型。通过采用待学习数据的先验特征为神经网络模型设置初始化参数，从而能够有效提高神经网络模型的学习效率，进而能够提高神经网络模型的训练效率。
-
公开(公告)号：CN109241998A
公开(公告)日：2019-01-18
申请号：CN201810887705.8
申请日：2018-08-06
申请人： 百度在线网络技术(北京)有限公司
摘要： 本申请实施例提供一种模型训练方法、装置、设备及存储介质，通过获取目标图像样本数据集，所述目标图像数据集中包括包含目标物体的第一图像样本，以及不包括目标物体的第二图像样本；基于所述第一图像样本和所述第二图像样本训练获得用于识别所述目标物体，以及识别图像中是否包括所述目标物体的目标模型。本申请实施例能够提升模型检测物体的准确性。
-
公开(公告)号：CN109102017B
公开(公告)日：2021-08-03
申请号：CN201810903730.0
申请日：2018-08-09
申请人： 百度在线网络技术(北京)有限公司
IPC分类号： G06K9/62
摘要： 本发明提供一种神经网络模型处理方法、装置、设备及可读存储介质，方法包括：获取神经网络模型至少一轮历史学习过程中的历史学习数据，所述历史学习数据包括至少一组权重值以及与所述权重值对应的收敛损失值；根据所述历史学习数据中的最优权重为所述神经网络模型的下一轮学习过程设置初始权重；通过训练集中的待训练图像数据对已设置初始权重的所述神经网络模型进行训练，获得训练完毕的神经网络模型。通过至少一轮历史学习过程中的历史学习数据中的最优权重为下一轮学习过程设置权重，从而能够提高神经网络模型的学习效率。
-
公开(公告)号：CN109190504B
公开(公告)日：2020-12-22
申请号：CN201810910923.9
申请日：2018-08-10
申请人： 百度在线网络技术(北京)有限公司
摘要： 本发明提供的汽车图像数据的处理方法、装置及可读存储介质，通过根据采集获得的汽车图像样本数据和预设的随机噪音信息对预设的对抗网络进行训练，以获得用于生成汽车图像数据的训练完毕的对抗网络；根据预设生成目标，将所述汽车图像样本数据输入所述训练完毕的对抗网络，生成包括有多种随机噪音信息的汽车图像数据，其中，所述汽车图像数据用于训练汽车图像识别神经网络进行汽车图像识别，从而利用对抗网络生成可用于训练汽车图像识别神经网络的汽车图像数据，扩增了数据量也降低了数据获取成本。
-
公开(公告)号：CN109614848A
公开(公告)日：2019-04-12
申请号：CN201811245356.6
申请日：2018-10-24
申请人： 百度在线网络技术(北京)有限公司
IPC分类号： G06K9/00
摘要： 本公开提供一种人体识别方法、装置、设备及计算机可读存储介质。方法包括：获取拍摄的第一张原始图片；根据获取的图片进行分辨率调整，得到目标图片；基于预设人体特征点检测模型对目标图片进行处理，确定目标图片中是否包括人体信息；若包括，则根据人体信息在原始图片中确定出人体区域信息，并将人体区域信息输入滤波器，以使滤波器根据人体区域信息确定目标人体区域信息；获取拍摄的下一张原始图片；根据目标人体区域信息，在下一张原始图片中确定可能人体区域，并根据可能人体区域执行分辨率调整的步骤，本公开提供的方案，能够根据图片中随着时间变化，人体区域的关联关系对原始图片进行处理，从而准确且快速的在图片中对人体进行定位。
-
公开(公告)号：CN109242001A
公开(公告)日：2019-01-18
申请号：CN201810903034.X
申请日：2018-08-09
申请人： 百度在线网络技术(北京)有限公司
IPC分类号： G06K9/62
摘要： 本发明提供的图像数据处理方法、装置及可读存储介质，通过根据预设的至少两个超参数集建立用于待训练的至少两个机器学习算法模型；根据获取的同一图像数据训练集，对各待训练的机器学习算法模型进行训练，获得训练完毕的各机器学习算法模型并确定对应的收敛损失值；根据各机器学习算法模型的超参数集和对应的收敛损失值，确定最优超参数集，建立对应的待训练的最优机器学习算法模型；根据图像数据训练集对待训练的最优机器学习算法模型进行训练，获得训练完毕的最优机器学习算法模型并对待识别图像进行识别，获得图像识别结果，从而有效避免现有技术中根据经验值确定超参数而导致机器学习算法模型对图像识别的识别准确率不高的问题。
-
公开(公告)号：CN109117897A
公开(公告)日：2019-01-01
申请号：CN201810902229.2
申请日：2018-08-09
申请人： 百度在线网络技术(北京)有限公司
摘要： 本发明提供的基于卷积神经网络的图像处理方法、装置及可读存储介质，通过采用构建卷积神经网络的网络架构，所述架构包括依次连接的卷积层、采用中值池化算法的池化层、全连接层和分类器层；根据采集获得的图像样本集对构建的卷积神经网络进行训练，获得训练完毕的卷积神经网络模型；根据训练完毕的卷积神经网络模型对待识别的图像进行识别；其中，所述训练完毕的卷积神经网络模型中的池化层采用中值池化算法，以使将待识别图像的各区块对应特征值中的中值作为最佳特征值输出至全连接层。从而可利用中值池化算法对卷积神经网络模型进行处理，有效解决了现有技术中由于采用最大值池化算法和均值池化算法而使得图像识别的准确率受到影响的问题。
-
公开(公告)号：CN109614848B
公开(公告)日：2021-07-20
申请号：CN201811245356.6
申请日：2018-10-24
申请人： 百度在线网络技术(北京)有限公司
IPC分类号： G06K9/00
摘要： 本公开提供一种人体识别方法、装置、设备及计算机可读存储介质。方法包括：获取拍摄的第一张原始图片；根据获取的图片进行分辨率调整，得到目标图片；基于预设人体特征点检测模型对目标图片进行处理，确定目标图片中是否包括人体信息；若包括，则根据人体信息在原始图片中确定出人体区域信息，并将人体区域信息输入滤波器，以使滤波器根据人体区域信息确定目标人体区域信息；获取拍摄的下一张原始图片；根据目标人体区域信息，在下一张原始图片中确定可能人体区域，并根据可能人体区域执行分辨率调整的步骤，本公开提供的方案，能够根据图片中随着时间变化，人体区域的关联关系对原始图片进行处理，从而准确且快速的在图片中对人体进行定位。
-
公开(公告)号：CN109190757B
公开(公告)日：2021-05-04
申请号：CN201810893099.0
申请日：2018-08-07
申请人： 百度在线网络技术(北京)有限公司
IPC分类号： G06N3/063
摘要： 本发明提供一种任务处理方法、装置、设备及计算机可读存储介质，方法包括：接受待处理任务；通过神经网络模型中的每一分支同时处理所述待处理任务，所述神经网络模型包括至少一个分支；接收每一所述分支输出的处理结果；根据预设的投票规则对每一所述分支输出的处理结果进行投票，获得最终处理结果。通过神经网络模型中的不同分支同时处理同样的任务，从而能够提高神经网络模型处理任务的精准度。
-
公开(公告)号：CN109190676A
公开(公告)日：2019-01-11
申请号：CN201810886239.1
申请日：2018-08-06
申请人： 百度在线网络技术(北京)有限公司
IPC分类号： G06K9/62
摘要： 本申请实施例提供一种模型训练方法、装置、设备及存储介质，通过获取样本数据集和预设模型，其中，样本数据集中包括N类特征数据，预设模型至少包括N个部分；针对所述N类特征数据，基于一类特征数据训练预设模型的一个部分，得到能够识别全部N类特征数据的目标模型。本发明实施例能够充分不完整的样本来训练模型，避免数据浪费，降低了模型的训练成本，提高模型训练效率。
-
-
-
-
-
-
-
-
-
搜索结果
21 条记录 (耗时 0.039 秒)
