-
公开(公告)号：CN116309226A
公开(公告)日：2023-06-23
申请号：CN202310277464.6
申请日：2023-03-15
Applicant: 华为技术有限公司
IPC: G06T5/50 , G06V10/74 , G06V10/40 , G06N3/0464 , G06N3/0455 , G06N3/08 , G06N3/048
Abstract: 本申请公开了一种图像处理方法及其相关设备，可以令多个低动态范围LDR图像实现更加优质的融合，从而使得最终得到的HDR图像不存在伪影。本申请的方法包括：当需要获取目标对象的高动态范围HDR图像时，可先采集目标对象的第一LDR图像以及目标对象的第二LDR图像，并将第一LDR图像和第二LDR图像输入至目标模型中。那么，目标模型可对第一LDR图像和第二LDR图像进行图像块匹配，从而得到第一LDR图像的多个第一图像块与第二LDR图像的多个第二图像块之间的一一对应关系。然后，目标模型可利用该对应关系对第一LDR图像和第二LDR图像进行融合，从而得到并输出目标对象的HDR图像。
-
公开(公告)号：CN110188795B
公开(公告)日：2023-05-09
申请号：CN201910335678.8
申请日：2019-04-24
Applicant: 华为技术有限公司
IPC: G06V10/764 , G06V10/774 , G06N3/0464 , G06V10/82
Abstract: 本申请提供了图像分类方法和装置，涉及人工智能领域，具体涉及计算视觉领域。其中，该图像分类方法包括：获取神经网络的基准卷积核的卷积核参数和神经网络的掩码张量，对该神经网络的基准卷积核以及基准卷积核对应的掩码张量进行哈达玛积运算，得到多个子卷积核；根据该多个子卷积核对待处理图像进行卷积处理，并根据卷积最终得到的卷积特征图对待处理图像分类，得到待处理图像的分类结果。由于掩码张量相对于卷积核占用的存储空间更小，因而能够使得一些存储资源受限的设备也能够部署包含基准卷积核和掩码张量的神经网络，进而实现对图像的分类。
-
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：CN113159273A
公开(公告)日：2021-07-23
申请号：CN202110132041.6
申请日：2021-01-30
Applicant: 华为技术有限公司
Abstract: 本申请实施例公开了一种神经网络的训练方法及相关设备，该方法包括：在前向传播过程中，采用二值化函数对目标权重进行二值化处理，将二值化处理后的数据作为神经网络中第一神经网络层的权重；在反向传播过程中，将拟合函数的梯度作为二值化函数的梯度，计算损失函数对目标权重的梯度，由于拟合函数是基于二值化函数的级数展开确定的，所以拟合函数与二值化函数的拟合效果较好，从而能够提高训练效果，提高训练得到的神经网络的准确率。
-
Patent Agency Ranking
公开(公告)号：CN112529149A
公开(公告)日：2021-03-19
申请号：CN202011381498.2
申请日：2020-11-30
Applicant: 华为技术有限公司
Abstract: 本申请实施例公开了一种数据处理方法，应用于人工智能领域，包括：获取待压缩网络和多个数据，所述待压缩网络为分类网络；将所述多个数据输入所述待压缩网络，得到多个第一输出结果，所述多个第一输出结果与所述多个数据之间一一对应；确定所述多个第一输出结果中每个第一输出结果所对应的独热one‑hot标签；分别确定所述多个第一输出结果中每个第一输出结果与所述one‑hot标签之间的第一相似度；根据所述多个第一输出结果中每个第一输出结果对应的所述第一相似度，在所述多个数据中确定至少一个目标数据，所述至少一个目标数据用于压缩所述待压缩网络。通过该方法，能够获得大量与待压缩网络的原训练数据相近的数据，从而保证能够有效地实现网络的压缩。
-
公开(公告)号：CN112508169A
公开(公告)日：2021-03-16
申请号：CN202011273058.5
申请日：2020-11-13
Applicant: 华为技术有限公司
Abstract: 本申请涉及一种人工智能领域通过知识蒸馏训练神经网络的方法。所述方法包括：根据训练数据训练至少一个教师机器学习模型；将训练数据输入已训练教师机器学习模型从而获得已训练教师机器学习模型的输出结果；和根据损失函数调整学生机器学习模型的参数，从而使得所述学生机器学习模型针对所述训练数据的输出结果与所述已训练教师机器学习模型的输出结果的差值小于预设阈值。所述损失函数包括第一部分和第二部分，所述损失函数的第一部分根据所述已训练教师机器学习模型的输出结果确定，所述损失函数的第二部分根据所述已训练教师机器学习模型所包括的中间层生成的中间层输出特征确定。
-
公开(公告)号：CN111695673A
公开(公告)日：2020-09-22
申请号：CN202010387976.4
申请日：2020-05-09
Applicant: 华为技术有限公司
Abstract: 本申请涉及人工智能领域中的一种训练神经网络预测器的方法、图像处理方法及装置，该训练神经网络预测器的方法包括：获取第一神经网络的第一网络结构和第二神经网络的第二网络结构，所述第一网络结构为带标签的网络结构，所述标签用于指示所述第一网络结构的性能；获取所述第一网络结构和所述第二网络结构之间的相似度；根据所述第一网络结构、所述第二网络结构、所述相似度和所述标签，训练所述神经网络预测器，所述神经网络预测器用于预测网络结构的性能。在本申请实施例的方法中，使用网络结构之间的关系辅助训练所述神经网络预测器，可以在使用少量标记数据的情况下，提高训练好的所述神经网络预测器的预测准确度。
-
公开(公告)号：CN111382839A
公开(公告)日：2020-07-07
申请号：CN202010109980.4
申请日：2020-02-23
Applicant: 华为技术有限公司
Abstract: 本申请提供了人工智能领域中一种剪枝神经网络的方法，包括：根据目标神经网络的参数去除比例确定第一剪枝阈值，所述第一剪枝阈值用于剪枝目标神经网络中的第一子网络；根据所述目标神经网络的参数去除比例确定第二剪枝阈值，所述第二剪枝阈值用于剪枝所述目标神经网络中的第二子网络，所述第二子网络的功能与所述第一子网络的功能不同，其中，所述目标神经网络的参数去除比例与目标设备的资源大小负相关，所述目标设备为剪枝后的所述目标神经网络部署的设备；根据所述第一剪枝阈值和所述第二剪枝阈值对所述目标神经网络进行剪枝。基于不同的剪枝阈值进行剪枝能够减小剪枝处理对多任务神经网络的性能的负面影响。
-
公开(公告)号：CN111368972A
公开(公告)日：2020-07-03
申请号：CN202010109185.5
申请日：2020-02-21
Applicant: 华为技术有限公司
Abstract: 本申请公开了一种卷积层量化方法，应用于人工智能领域，包括：获取图像数据、标注值、第一卷积神经网络以及N个候选量化值，第一卷积神经网络包括目标卷积层，目标卷积层包括权重值，权重值对应于N个概率值，N个概率值中的每个概率值对应一个候选量化值，权重值为根据N个概率值和N个候选量化值确定的量化期望值；通过第一卷积神经网络对图像数据进行处理，得到第二卷积神经网络，第二卷积神经网络包括更新后的权重值；对更新后的权重值进行权重量化，得到第三卷积神经网络。本申请可以提高网络参数的更新精度。
-
-
-
-
-
-
-
-
-
Search Results
166
records
(took 0.05 seconds)
