一种提取数据特征的方法和相关装置

    公开(公告)号:WO2022001364A1

    公开(公告)日:2022-01-06

    申请号:PCT/CN2021/092073

    申请日:2021-05-07

    Abstract: 本申请提供了人工智能领域中提取数据特征的方法和装置。本申请的技术方案中,采用加法卷积运算,基于量化后的特征提取参数提取量化后的数据中的目标特征,即计算量化后的特征提取参数和量化后的数据的差值的绝对值之和,以根据该和获取目标特征,这样可以在节省存储资源的同时还能节省计算资源,从而可以减小人工智能在资源受限的设备上的应用。此外,本申请还提出了使用相同的量化参数对特征提取参数和数据进行量化,这样,在对提取到的特征数据进行反量化时,可以基于该量化参数对特征数据进行反量化,从而可以在提高特征数据的精准度的同时还能降低计算复杂度,进而节省计算资源。进一步地,本申请还提供了用于实现该加法卷积运算的硬件装置。

    神经网络模型训练、图像分类、文本翻译方法及装置、设备

    公开(公告)号:WO2021253941A1

    公开(公告)日:2021-12-23

    申请号:PCT/CN2021/086589

    申请日:2021-04-12

    Abstract: 本申请涉及人工智能技术领域,公开了一种神经网络模型训练、图像分类、文本翻译方法及装置、设备,神经网络模型的训练方法包括:首先从内存中获取对应于神经网络模型的第一权重矩阵的码字,然后根据码字确定神经网络模型的权重矩阵为第一权重矩阵,并利用训练数据对第一权重矩阵进行训练,在预设停止条件未被满足时,对码字进行更新,得到更新后的码字,并将更新后的码字存储在内存中,接着,利用在内存中获取的更新后的码字确定神经网络模型的权重矩阵为第二权重矩阵,并利用训练数据对第二权重矩阵进行训练,进而在预设停止条件被满足时,停止神经网络模型的训练。由于码字占据的内存空间远小于权重矩阵,从而能够降低从内存中读入的数据量。

    伪3D卷积神经网络与注意力机制结合的驾驶疲劳检测方法及系统

    公开(公告)号:WO2021248687A1

    公开(公告)日:2021-12-16

    申请号:PCT/CN2020/109693

    申请日:2020-08-18

    Inventor: 戚湧 庄员

    Abstract: 本发明公开了一种伪3D卷积神经网络与注意力机制结合的驾驶疲劳检测方法。包括:1)对驾驶视频提取视频帧序列并处理;2)采用伪3D卷积模块进行时空特征学习;3)构建P3D-Attention模块,使用注意力机制在通道与特征图上施加关注;4)使用2D全局平均池化层替代3D全局平均池化层获得更具表达能力的特征,并使用softmax分类层进行分类。本发明能够分析哈欠、眨眼、头部特征运动,很好地将呵欠行为与说话行为动作区分开来;有效地将警戒、低警惕性和困倦三种状态区分开,以提高对疲劳驾驶行为的预测性能。

    模型训练、对象分类方法和装置、电子设备及存储介质

    公开(公告)号:WO2021244521A1

    公开(公告)日:2021-12-09

    申请号:PCT/CN2021/097643

    申请日:2021-06-01

    Abstract: 本申请提供的模型训练、对象分类方法和装置、电子设备及存储介质,涉及深度学习技术领域。在本申请中,首先,获得每一个样本对象对应的对象向量、每一个样本标签对应的标签向量。其次,基于预设的分类算法计算每一个对象向量与每一个标签向量之间的相似概率参数,其中,在分类算法包括的至少部分函数中,函数的值与对象向量和标签向量之间的向量夹角具有线性关系。然后,基于相似概率参数计算得到分类损失,并基于分类损失对预设的神经网络模型进行训练,得到对象分类模型,其中,样本对象为样本图像,对象分类模型用于对目标图像的类型进行分类确定。通过上述方法,可以改善现有技术中训练得到的对象分类模型容易出现分类准确度不高的问题。

Patent Agency Ranking