-
公开(公告)号：CN117671402A
公开(公告)日：2024-03-08
申请号：CN202211009619.X
申请日：2022-08-22
Applicant: 华为技术有限公司
IPC: G06V10/774 , G06V20/58
Abstract: 本申请提供一种识别模型训练方法、装置以及可移动智能设备，涉及智能驾驶技术领域，能够使得采用训练得到的识别模型进行障碍物识别时，获得的障碍物的3D信息更加准确。方法包括：获取第一拍摄组件采集的第一图像，第一拍摄组件对应第一视角，根据第一图像生成第二拍摄组件对应的第二图像，第二拍摄组件根据第一拍摄组件确定，第二拍摄组件对应第二视角。根据第一图像中的第一对象的第一三维信息确定第二图像中的该第一对象的第二三维信息，根据所述第二图像以及所述第一对象的第二三维信息训练识别模型，识别模型用于识别第一拍摄组件采集的图像中的对象。
-
公开(公告)号：CN116685964A
公开(公告)日：2023-09-01
申请号：CN202180029995.2
申请日：2021-12-31
Applicant: 华为技术有限公司
IPC: G06F17/16
Abstract: 本申请实施方式涉及车辆智能化中的人工智能芯片技术领域，特别涉及运算加速的处理方法、运算加速器的使用方法及运算加速器。该运算加速器，包括：存储单元，被配置有至少一个向量指令队列，每个向量指令队列分别用于缓存一个或多个向量指令；至少两个标量计算单元，每个标量计算单元分别用于获取指令并对指令译码得到译码后的指令，译码后的指令包括向量指令，每个标量计算单元还分别用于将向量指令缓存至至少一个向量指令队列；向量计算单元，用于执行向量指令队列中的向量指令。由上，标量计算单元的数量增加之后，可以使得读取的向量指令的数量增加，增加向向量计算单元发射的向量指令的数量，由此提高向量计算单元的利用率，进而整体上提高运算加速器的性能。
-
公开(公告)号：CN110796229A
公开(公告)日：2020-02-14
申请号：CN201810866520.9
申请日：2018-08-01
Applicant: 华为技术有限公司
Abstract: 本发明实施例公开一种实现卷积运算的装置及方法，本发明涉及计算机技术领域，在本发明实施例中，数据分配模块从存储模块存储的特征图数据或上一层的卷积结果中获取特征图矩阵，根据卷积步长将预设大小的两个特征图矩阵进行组合拼接获得拼接特征图矩阵，第一卷积模块根据从存储模块存储的权值中读取的卷积核和拼接特征图矩阵确定卷积结果，因此，每次可以实现两个特征图矩阵与一个卷积核的卷积，可以减少卷积的次数，从而可以提高数据处理效率。
-
公开(公告)号：CN109299453A
公开(公告)日：2019-02-01
申请号：CN201710607574.9
申请日：2017-07-24
Applicant: 华为技术有限公司
Abstract: 本发明实施例提供了一种用于构建词典的方法和装置，该方法包括：获取候选词和该候选词的释义；从该候选词的释义中，选择该候选词的特征词；根据该候选词的特征词，通过预设的分类器，得到该候选词的初始判定结果；根据从至少一个中间词中每个中间词的释义中选择的特征词，通过该分类器，得到该每个中间词的判定结果，其中，该至少一个中间词包括该候选词的N级特征词；根据该候选词的初始判定结果和该至少一个中间词的判定结果，确定该候选词的最终判定结果，该候选词的最终判定结果用于指示能否将该候选词添加至该词典。因此，能够提高词典的准确性。
-
公开(公告)号：CN106330426A
公开(公告)日：2017-01-11
申请号：CN201510374651.1
申请日：2015-06-30
Applicant: 华为技术有限公司
IPC: H04L9/00
Abstract: 本发明实施例提供了一种网络装置、用于网络同步的方法、通信方法和设备，该网络装置包括：并联的N个电路单元，每个电路单元包括神经元和至少两个忆阻器，至少两个忆阻器中的m个忆阻器用于连接实时神经元，至少两个忆阻器中的n个忆阻器用于连接时滞神经元，神经元包括RC振荡电路、实时信号处理单元和时滞信号处理单元，RC振荡电路的一端接地，另一端分别与至少两个忆阻器、实时信号处理单元和时滞信号处理单元相连，实时信号处理单元用于根据实时神经元状态确定实时神经元状态的激励，时滞信号处理单元用于根据时滞神经元状态确定时滞神经元状态的激励。本发明实施例利用忆阻器作为神经元的突触连接，混沌神经网络的结构简单，可扩展性强。
-
Patent Agency Ranking
-
公开(公告)号：CN110659731B
公开(公告)日：2022-05-17
申请号：CN201810702883.9
申请日：2018-06-30
Abstract: 本申请实施例公开了一种神经网络训练方法及装置，涉及神经网络领域。能够在保证神经网络精度的情况下，压缩网络模型，减小忆阻器器件噪音对神经网络的准确性的影响。该方法可以包括：将第一权重矩阵中绝对值小于或者等于预设门限的元素进行剪枝操作获取第二权重矩阵；对于第二权重矩阵的每个元素加噪音获取第三权重矩阵；将根据第三权重矩阵进行前向传播的结果与目标值进行比较，获得损失值；根据损失值与第一权重矩阵进行反向传播获取目标权重矩阵；其中第一权重矩阵为预设权重矩阵。
-
公开(公告)号：CN109299453B
公开(公告)日：2021-02-09
申请号：CN201710607574.9
申请日：2017-07-24
Applicant: 华为技术有限公司
IPC: G06F40/242 , G06F40/30 , G06F40/211 , G06K9/62
Abstract: 本发明实施例提供了一种用于构建词典的方法和装置，该方法包括：获取候选词和该候选词的释义；从该候选词的释义中，选择该候选词的特征词；根据该候选词的特征词，通过预设的分类器，得到该候选词的初始判定结果；根据从至少一个中间词中每个中间词的释义中选择的特征词，通过该分类器，得到该每个中间词的判定结果，其中，该至少一个中间词包括该候选词的N级特征词；根据该候选词的初始判定结果和该至少一个中间词的判定结果，确定该候选词的最终判定结果，该候选词的最终判定结果用于指示能否将该候选词添加至该词典。因此，能够提高词典的准确性。
-
公开(公告)号：CN110659731A
公开(公告)日：2020-01-07
申请号：CN201810702883.9
申请日：2018-06-30
Abstract: 本申请实施例公开了一种神经网络训练方法及装置，涉及神经网络领域。能够在保证神经网络精度的情况下，压缩网络模型，减小忆阻器器件噪音对神经网络的准确性的影响。该方法可以包括：将第一权重矩阵中绝对值小于或者等于预设门限的元素进行剪枝操作获取第二权重矩阵；对于第二权重矩阵的每个元素加噪音获取第三权重矩阵；将根据第三权重矩阵进行前向传播的结果与目标值进行比较，获得损失值；根据损失值与第一权重矩阵进行反向传播获取目标权重矩阵；其中第一权重矩阵为预设权重矩阵。
-
公开(公告)号：CN110019770A
公开(公告)日：2019-07-16
申请号：CN201710608188.1
申请日：2017-07-24
Applicant: 华为技术有限公司
Abstract: 本申请提供一种训练分类模型的方法与装置，该方法包括：获取正训练集与第一负训练集，正训练集包括语料中正例集的样本，第一负训练集包括语料中未标注样本集的样本，未标注样本集表示语料中不属于词典的样本集；利用正训练集与第一负训练集，训练得到第一分类模型；利用第一分类模型确定第一负训练集中的伪负样本，伪负样本表示第一负训练集中被视为正样本的样本；剔除第一负训练集中的伪负样本，更新第一负训练集为第二负训练集；利用正训练集与第二负训练集，训练得到第二分类模型，第二分类模型为目标分类模型。因此，本申请提供的方法能够有效提高分类模型的准确度，当利用分类模型扩展词典时，也可以提高词典的准确度。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.027 seconds)
