公开(公告)号：CN118135182A

公开(公告)日：2024-06-04

申请号：CN202211494931.2

申请日：2022-11-26

Applicant: 华为云计算技术有限公司

Inventor： 孙若禹 ,  张晓鹏 ,  王子辰 ,  田奇

IPC: G06V10/25 ,  G06V10/44 ,  G06V10/774 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 本申请公开了一种目标检测方法、装置及计算设备集群，该方法包括：基于模板在输入图像中进行匹配，确定第一区域，其中，模板为样本图像中的第一目标的部分或者全部，或者，为样本图像中除第一目标外的部分或者全部，第一区域包括第一目标的部分或者全部；根据第一区域生成多个第一候选区域；利用目标检测模型根据多个第一候选区域，生成第一检验结果。通过上述过程，服务器将模板匹配和深度目标检测模型相结合，根据模板匹配，确定第一区域，再根据第一区域生成多个第一候选区域，利用目标检测模型根据多个候选区域生成检验结果，可以优化目标检测性能，对新颖样本等实现更加准确的目标检测。

公开(公告)号：CN111382781B

公开(公告)日：2023-09-12

申请号：CN202010109046.2

申请日：2020-02-21

Applicant: 华为云计算技术有限公司

Inventor： 李昊 ,  张晓鹏 ,  田奇 ,  王子辰 ,  唐福辉 ,  韩建华 ,  钮敏哲

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/40

Abstract: 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：CN113688851B

公开(公告)日：2023-09-15

申请号：CN202010418518.2

申请日：2020-05-18

Applicant: 华为云计算技术有限公司

Inventor： 王子辰 ,  张晓鹏 ,  田奇

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本申请提供了一种数据标注方法，采用至少两个结构不同的分类模型，预训练其中之一作为初始分类模型，且将待标注的源数据集的数据通过该预训练的分类模型标注标签作为初始数据；控制各所述分类模型执行一定次数的交替训练与数据标注，当前训练与当前数据标注的步骤包括：获取前一训练的分类模型所重新标注标签的数据，并从中选择一部分数据训练当前分类模型，通过经训练后的当前分类模型对未被选择的另一部分数据重新标注标签。还相应提供了数据标注装置、精细粒度识别模型训练方法和装置、精细粒度识别方法和装置，计算设备及介质，实现通过人工智能的方式自动标注数据，减少因数据标注困难、标注样本少带来的分类模型训练时的过拟合问题。

公开(公告)号：CN116310614A

公开(公告)日：2023-06-23

申请号：CN202111571041.2

申请日：2021-12-21

Applicant: 华为云计算技术有限公司

Inventor： 王子辰 ,  史博文 ,  张晓鹏 ,  谢凌曦 ,  田奇

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06V10/26 ,  G06V20/70

Abstract: 本申请涉及一种基于多数据集的预训练方法、装置及存储介质,其中，所述方法包括：对第一样本图像进行跨数据集混合，得到第一目标图像，第一样本图像为训练集中的任一样本图像，训练集由多个数据集合并而成,每个数据集包括多个具有像素级标注信息的样本图像；对第一样本图像进行数据增强，得到第二目标图像；根据第一目标图像及第二目标图像，对第一特征提取网络进行预训练，第一特征提取网络应用于语义分割任务。本申请实施例的预训练基于像素级分类，与下游的语义分割任务之间不存在任务差距，从而能够提高语义分割模型在预训练阶段的性能。

公开(公告)号：CN115965828A

公开(公告)日：2023-04-14

申请号：CN202110529942.9

申请日：2021-05-14

Applicant: 华为云计算技术有限公司

Inventor： 王子辰 ,  张晓鹏 ,  张宇航 ,  田奇

IPC: G06V10/774 ,  G06V10/82 ,  G06V10/764 ,  G06V10/77 ,  G06N3/0464

Abstract: 本申请实施例提供了一种图像分类方法和电子设备。本申请实施例提供的技术方案中，通过编码器对有监督训练集和无监督测试集进行特征提取，得到所述有监督训练集在隐层空间的第一低维特征和所述无监督测试集在所述隐层空间的第二低维特征；根据所述第一低维特征得到每个类别的中心原型向量；根据所述中心原型向量和所述第二低维特征得到所述第二低维特征与所述中心原型向量的相似性；根据所述相似性挑选出正样本；通过将所述正样本与所述无监督测试集进行对比学习，得到图像分类模型。本申请实施例通过将对比学习引入半监督学习领域，能够利用少量的标签对数据进行分类，并达到良好的分类效果。

公开(公告)号：CN115187826A

公开(公告)日：2022-10-14

申请号：CN202110359699.0

申请日：2021-04-02

Applicant: 华为云计算技术有限公司

Inventor： 王子辰 ,  张晓鹏 ,  徐浩航 ,  田奇

IPC: G06V10/774 ,  G06V10/82 ,  G06V10/762 ,  G06V10/26 ,  G06N3/08 ,  G06N3/04

Abstract: 本申请实施例提供一种自监督训练方法及装置，涉及人工智能领域，该方法包括：获取图片样本数据集；对所述图片样本数据集进行近邻样本搜索，得到近邻样本集合；基于所述图片样本数据集及所述近邻样本集合进行近邻样本扩充，得到扩充样本；基于所述图片样本数据集、所述近邻样本集合及所述扩充样本进行训练模型的高层语义聚集；基于高层语义聚集结果进行迭代训练。本申请实施例提供的方法，能够提高对比学习的表达能力，进而提高训练任务的性能。