-
公开(公告)号：CN111373336A
公开(公告)日：2020-07-03
申请号：CN201780096950.0
申请日：2017-11-25
Applicant: 华为技术有限公司
IPC: G05D1/02
Abstract: 一种状态感知方法以及相关设备，该方法包括：采集当前帧点云数据(S101)；从历史点云库中抽取N个历史帧点云数据(S102)，该N个历史帧的采集时间均在该当前帧的采集时间之前，其中，N为大于或等于1的正整数；将该当前帧点云数据和该N个历史帧点云数据分别进行点云配准，获得该当前帧点云数据的N个状态估计值(S103)；将该N个状态估计值进行叠加，得到该当前帧点云数据的状态估计结果(S104)。该方法及设备能够实现在不需要回环运动的情况下也能过滤无规则噪音，得到较准确的状态感知结果，提高SLAM系统定位建图精度。
-
公开(公告)号：CN110959160A
公开(公告)日：2020-04-03
申请号：CN201780093539.8
申请日：2017-08-01
Applicant: 华为技术有限公司
IPC: G06K9/00
Abstract: 本申请提供了一种手势识别方法，涉及人机交互技术领域，所述方法包括：从视频流中的第一视频段中提取出的M幅图像；通过深度学习算法对该M幅图像进行手势识别，获得该第一视频段对应的手势识别结果，对包含第一视频段在内的连续N个视频段的手势识别结果进行结果融合，获得融合后的手势识别结果。在上述识别过程中，不需要对视频流中的手势进行分割和跟踪，而是通过计算速度较快的深度学习算法来识别各个阶段动作，再将各个阶段动作融合，从而达到提高手势识别的速度，降低手势识别的延迟的效果。
-
公开(公告)号：CN107665290A
公开(公告)日：2018-02-06
申请号：CN201610601815.4
申请日：2016-07-27
Applicant: 华为技术有限公司
IPC: G06F19/20
Abstract: 本发明实施例提供一种数据处理方法，应用于数据处理系统，数据处理系统包含参考样本和第一样本集合，包括：遍历第一样本集合中的全部样本片断，统计参考样本的每个基本元素包含于样本片断的第一统计量，确定第一统计量小于第一阈值的基本元素在参考样本中的位置为间隔位置；将参考样本划分成至少两个子参考样本，划分的划分点包括不与其它间隔位置相邻的间隔位置以及相邻的至少两个间隔位置中的任一间隔位置；遍历第一样本集合中的全部样本片断，统计参考样本的每个子参考样本包含样本片断的第二统计量；当任意相邻的子参考样本的第二统计量之和小于第二阈值时，合并相邻的子参考样本。
-
公开(公告)号：CN119494958A
公开(公告)日：2025-02-21
申请号：CN202311031199.X
申请日：2023-08-15
Applicant: 华为技术有限公司
Abstract: 本申请实施例公开了一种图像语义分割方法、装置及计算机存储介质，属于计算机视觉技术领域。所述方法包括：确定图像的多个特征；基于第一特征确定初始类别嵌入；基于至少一个第二特征和初始类别嵌入，确定学习后的类别嵌入；基于学习后的类别嵌入以及多个特征确定图像的语义分割结果。在本申请实施例中，在语义分割过程中引入类别嵌入，以通过类别嵌入与图像中的各个特征交互，进而提高图像的语义分割效果。并且，初始类别嵌入是基于图像的其中一个特征确定的，而不是随机初始化，这样初始类别嵌入已经融合有图像的空间先验信息，相对于直接将初始类别嵌入随机初始化为0，本申请实施例可以进一步提高图像的语义分割效果。
-
公开(公告)号：CN117173626A
公开(公告)日：2023-12-05
申请号：CN202310940169.4
申请日：2023-07-27
Applicant: 华为技术有限公司
IPC: G06V20/52 , G06V10/24 , G06V10/40 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/0985
Abstract: 本申请实施例公开了一种目标检测方法及其相关设备，在进行目标检测的过程中，所考虑的因素较为全面，故可准确完成目标检测。本申请的方法包括：首先，可获取包含待检测的物体的目标图像，并将目标图像输入至目标模型。接着，目标模型可对目标图像进行特征提取，从而得到第一特征，并对第一特征作进一步的特征提取，从而得到第二特征。然后，目标模型可对第一特征以及第二特征进行第一融合，从而得到第一融合结果。随后，目标模型可基于第一融合结果，对第一特征以及第二特征进行增强，从而得到增强后的第一特征以及增强后的第二特征。最后，目标模型可利用增强后的第一特征以及增强后的第二特征进行检测，从而得到物体在目标图像中的位置信息。
-
Patent Agency Ranking
公开(公告)号：CN110222718B
公开(公告)日：2023-11-03
申请号：CN201910386393.7
申请日：2019-05-09
Applicant: 华为技术有限公司
IPC: G06V10/764 , G06V10/82 , G06V40/10
Abstract: 本申请属于人工智能领域的计算机视觉领域。本申请提供了一种图像处理的方法，包括：获取待处理图像；对待处理图像进行处理，得到N个第一初始置信度，N个第一初始置信度与待处理图像所对应的N个种类一一对应；获取先验信息；根据先验信息，得到与N个第一初始置信度一一对应的N个第一修正置信度；根据N个第一修正置信度，对N个第一初始置信度中的n个第一初始置信度进行修正，得到待处理图像属于N个种类的N个置信度，n≤N且n为正整数；根据N个置信度，确定待处理图像对应的标签。本申请提供一种图像处理的方法及装置，目的在于显著提高图像识别的准确率。
-
公开(公告)号：CN112183718B
公开(公告)日：2023-10-10
申请号：CN202010899680.0
申请日：2020-08-31
Applicant: 华为技术有限公司
IPC: G06N3/045 , G06N3/0464 , G06F18/214 , G06N3/063
Abstract: 本申请提供人工智能领域中一种用于计算设备的深度学习训练方法和装置，用于得到残差连接更少的神经网络，提高神经网络的推理效率，降低神经网络运行时占用的内存量。该方法包括：获取训练集、第一神经网络和第二神经网络，第一神经网络包括残差连接少于第二神经网络包括残差连接；根据训练集对第一神经网络进行至少一次迭代训练，得到训练后的第一神经网络，其中，任意一次迭代训练包括：将第一神经网络中的至少一个第一中间层的第一输出，作为第二神经网络的至少一个网络层的输入，得到至少一个网络层的输出结果，使用第一损失函数更新第一神经网络，第一损失函数包括基于第二神经网络的至少一个网络层的输出结果所获取的约束项。
-
公开(公告)号：CN113537462A
公开(公告)日：2021-10-22
申请号：CN202110742803.4
申请日：2021-06-30
Applicant: 华为技术有限公司
Abstract: 本申请实施例提供一种数据处理方法、神经网络的量化方法及相关装置，该方法包括：获取待处理数据；将待处理数据输入神经网络，确定神经网络的一个或多个卷积层提取的特征图，特征图包含m*n个特征参数，m和n为正整数；确定特征图中每一个特征参数的不确定性，其中，特征参数的不确定性用于表征特征参数在二值化过程中，接近于零的特征参数的符号的波动性；基于特征参数所对应的不确定性计算特征参数的二值化特征，二值化特征用于确定特征矩阵，特征矩阵中包含的m*n个二值化特征与m*n个特征参数一一对应；基于特征矩阵得到待处理数据的处理结果。采用本申请实施例，能够减小内存开销，提高运算速度。
-
公开(公告)号：CN110473137B
公开(公告)日：2021-09-14
申请号：CN201910336216.8
申请日：2019-04-24
Applicant: 华为技术有限公司
Abstract: 本申请提供了一种图像处理方法，该方法包括：获取输入特征图；根据存储的多个基础卷积核和组合参数，对所述输入特征图进行卷积得到输出特征图，其中，所述组合参数用于指示所述多个基础卷积核组合成标准卷积核的排列顺序，所述基础卷积核的尺寸小于所述标准卷积核的尺寸；基于所述输出特征图进行图像处理，得到处理结果。本申请实施例提供的图像处理方法，能够减少进行图像处理所需使用的卷积神经网络模型的存储空间。
-
公开(公告)号：CN110232436A
公开(公告)日：2019-09-13
申请号：CN201910380839.5
申请日：2019-05-08
Applicant: 华为技术有限公司
Abstract: 本申请公开了一种卷积神经网络的修剪方法、装置及存储介质，属于人工智能领域中计算机视觉技术领域中的神经网络技术领域。卷积神经网络包括多个层，多个层包括一个或多个卷积层，该方法包括：获取卷积神经网络的第n卷积层输出的特征图集合，特征图集合包括多个特征图，第n卷积层为一个或多个卷积层中的任一个，n为正整数；确定特征图集合中的重要特征图和非重要特征图；基于非重要特征图修剪卷积神经网络，得到第n卷积层的下一层的输入，第n卷积层的下一层的输入包括重要特征图。通过在采用卷积神经网络执行深度学习任务时，对重要特征图和非重要特征图进行区分，并仅将重要特征图作为下一层的输入，降低了资源消耗。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.032 seconds)
