深度图像模型训练方法及装置

    公开(公告)号:CN112232274A

    公开(公告)日:2021-01-15

    申请号:CN202011211822.6

    申请日:2020-11-03

    Abstract: 本说明书实施例提供深度图像模型训练方法及装置,其中所述深度图像模型训练方法包括:从样本视频文件中提取样本对象的第一面部视频帧和第二面部视频帧,根据所述第一面部视频帧确定所述第二面部视频帧对应的位姿变换矩阵,将所述第一面部视频帧输入深度图像模型进行处理,生成所述第一面部视频帧的深度图像,并基于所述深度图像确定所述第一面部视频帧的深度特征信息,基于所述深度特征信息、所述位姿变换矩阵以及预先获取的相机参数生成所述第二面部视频帧对应的虚拟合成图像,计算所述虚拟合成图像与所述第二面部视频帧之间的误差,并根据计算结果对所述深度图像模型进行迭代训练。

    一种通过多图形处理器计算对比损失的方法和装置

    公开(公告)号:CN117556273B

    公开(公告)日:2024-04-05

    申请号:CN202410016072.9

    申请日:2024-01-05

    Abstract: 本说明书实施例提供了一种通过多图形处理器计算对比损失的方法和装置,该方法包括:通过划分为M个处理器组的N个图形处理器处理目标批次样本的特征,其中,每个处理器组包括一至多个图形处理器,每个图形处理器分别处理目标批次样本包含的至少一个样本的特征;各个处理器组分别确定处理器组包含的图形处理器处理的特征之间的局部特征相似度,并将局部特征相似度保存到处理器组包括的图形处理器的对应显存中;分别根据各个处理器组包括的图形处理器的对应显存中保存的局部特征相似度,确定各个处理器组对应的分组对比损失;根据各个处理器组对应的分组对比损失,确定整体对比损失。

    大模型的训练方法和装置
    3.
    发明公开

    公开(公告)号:CN117521759A

    公开(公告)日:2024-02-06

    申请号:CN202410010377.9

    申请日:2024-01-04

    Abstract: 本说明书实施例提供一种大模型的训练方法和装置,所述大模型包括具有相同第一结构的第一数目个第一网络层;方法包括:在第一约束条件下对所述大模型进行初步训练;所述第一约束条件限定,在所述初步训练过程中,不同的第一网络层采用相同的参数;在取消所述第一约束条件限制的情况下,对初步训练后的所述大模型进行继续训练。能够保证模型快速收敛。

    图像生成模型训练方法以及装置

    公开(公告)号:CN112184611A

    公开(公告)日:2021-01-05

    申请号:CN202011211891.7

    申请日:2020-11-03

    Abstract: 本说明书实施例提供图像生成模型训练方法以及装置,其中所述图像生成模型训练方法包括:获取目标对象的至少两张第一样本图像以及第一样本基准图像;计算每张第一样本图像相对于所述第一样本基准图像的第一样本位姿变换矩阵;将所述每张第一样本图像进行深度估计,获得所述每张第一样本图像的第一样本深度图像;基于所述第一样本图像、所述第一样本位姿变换矩阵以及所述第一样本深度图像对初始图像生成模型进行模型训练,获得针对所述目标对象的三维图像的图像生成模型。

    身份识别方法、装置和计算机设备

    公开(公告)号:CN115359575A

    公开(公告)日:2022-11-18

    申请号:CN202210875441.0

    申请日:2022-07-25

    Inventor: 徐富荣 程远 王萌

    Abstract: 本说明书实施例公开了一种身份识别方法、装置和计算机设备。所述方法包括:根据目标生物对象的多种第一图像,获取多种第一生物特征数据;将多种第一生物特征数据与多种第二生物特征数据进行比较,得到多个第一比较结果,所述多种第二生物特征数据对应同一生物对象;将多个第一比较结果进行融合,得到融合后的比较结果;根据融合后的比较结果,确定目标生物对象的身份识别结果。本说明书实施例可以通过多种生物特征数据确定目标生物对象的身份识别结果,从而可以提高身份识别的准确性。

    热力图转换模型训练方法以及装置

    公开(公告)号:CN113011505B

    公开(公告)日:2022-08-05

    申请号:CN202110307949.6

    申请日:2020-11-20

    Inventor: 徐富荣 王萌 程远

    Abstract: 本说明书实施例提供热力图转换模型训练方法以及装置,其中所述热力图转换模型训练方法包括:对目标对象的特征图像进行特征点标注,并生成所述特征图像对应的至少一个特征点坐标,根据所述至少一个特征点坐标确定至少一个第一特征点热力图,将所述特征图像作为样本图像,并将所述至少一个第一特征点热力图作为样本标签输入待训练热力图转换模型进行训练,生成热力图转换模型,所述热力图转换模型使得所述样本标签与所述特征图像相关联。

    图像特征提取模型的训练方法和图像检索方法

    公开(公告)号:CN111242184B

    公开(公告)日:2022-07-26

    申请号:CN202010005761.1

    申请日:2020-01-03

    Inventor: 徐富荣

    Abstract: 本说明书实施例公开了一种图像特征提取模型的训练方法和图像检索方法,图像特征提取模型的训练方法包括:获取样本图像,以及样本图像对应的类型。将样本图像输入图像特征提取模型,以生成样本图像对应的图像特征。其中,图像特征提取模型包括卷积神经网络。根据样本图像对应的图像特征在特征空间中的距离,对卷积神经网络进行训练。当相同类型的样本图像对应的图像特征,在特征空间中的位置重合,并且不同类型的样本图像对应的图像特征,在特征空间中均匀分布时,完成对图像特征提取模型的训练。由此,使得不同类型的图像对应的图像特征,存在较大区别,在进行图像检索时,使用该模型进行图像特征的提取,提升了图像检索的准确度。

Patent Agency Ranking