-
公开(公告)号：CN119420940A
公开(公告)日：2025-02-11
申请号：CN202510019861.2
申请日：2025-01-07
Applicant: 鹏城实验室
Abstract: 本申请实施例提供了一种面向机器视觉的数据处理方法、装置、设备及介质，属于视觉数据处理技术领域。方法包括：将获取到的初始视觉信息输入训练好的端侧压缩模型中，通过多层次编码器对初始视觉信息进行不同类型的特征提取，得到各个层次下相应类型的编码特征；基于视觉码本对各编码特征分别进行矢量量化处理得到相应类型的压缩信息，以使边云侧系统在接收到的各类型下的压缩信息之后，通过多层次解码器对不同类型压缩信息表征的编码特征进行特征重构，得到各个层次下相应类型的解码特征，进而得到与初始视觉信息匹配的目标视觉信息。本申请能够提高视觉数据的传输效率。
-
公开(公告)号：CN118734976B
公开(公告)日：2024-12-17
申请号：CN202411224705.1
申请日：2024-09-03
Applicant: 鹏城实验室
IPC: G06N5/04 , G06N3/0464 , G06N3/08 , G06F18/25 , G06F40/30
Abstract: 本发明公开了一种基于梯度自校准的多模态预训练方法、系统、终端及存储介质，本发明利用混合模态交互网络，让针对于特定模态的与任务无关的损失函数来学习一个统一模态交互模块的梯度，根据不同模态梯度方向间的差异来确定哪些模态间的差异较小；使用这些差异较小的模态数据在共享编码器上面的组合梯度作为构建的正梯度方向，以该梯度方向来修正其余模态梯度的方向；根据修正后的模态梯度方向，将对应模态在该共享编码器上的参数在方向传播更新前，提前进行更新，从而达到平衡模态训练的目的，使用混合transformer网络结构来提取不同模态数据的融合特征，使用模态梯度自校准模块来修正不同模态针对联合编码器的梯度下降方向，提升不同模态融合表征的效果。
-
公开(公告)号：CN118692153B
公开(公告)日：2024-10-29
申请号：CN202411155779.4
申请日：2024-08-22
Applicant: 鹏城实验室
IPC: G06V40/20 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请实施例提供了一种人体姿态识别方法、装置、计算机设备及可读存储介质。方法包括：获取图像帧序列，并从中获取第一图像帧以及位于第一图像帧前序的第二图像帧、后序的第三图像帧；将第一图像帧、第二图像帧和第三图像帧输入至目标模型中，得到第一热图、第二热图和第三热图；根据各图像帧的帧距离，确定热图之间的融合权重比例；通过目标模型的姿态融合残差模块，对各热图进行融合修正，得到第一特征张量；通过目标模型的差分融合残差模块，对第一热图、第一差异热图和第二差异热图进行融合修正，得到第二特征张量；根据第一特征张量和第二特征张量对第一热图进行修正，生成人体姿态识别结果。以此，提高了对人体姿态识别的准确性和稳定性。
-
公开(公告)号：CN118734976A
公开(公告)日：2024-10-01
申请号：CN202411224705.1
申请日：2024-09-03
Applicant: 鹏城实验室
IPC: G06N5/04 , G06N3/0464 , G06N3/08 , G06F18/25 , G06F40/30
Abstract: 本发明公开了一种基于梯度自校准的多模态预训练方法、系统、终端及存储介质，本发明利用混合模态交互网络，让针对于特定模态的与任务无关的损失函数来学习一个统一模态交互模块的梯度，根据不同模态梯度方向间的差异来确定哪些模态间的差异较小；使用这些差异较小的模态数据在共享编码器上面的组合梯度作为构建的正梯度方向，以该梯度方向来修正其余模态梯度的方向；根据修正后的模态梯度方向，将对应模态在该共享编码器上的参数在方向传播更新前，提前进行更新，从而达到平衡模态训练的目的，使用混合transformer网络结构来提取不同模态数据的融合特征，使用模态梯度自校准模块来修正不同模态针对联合编码器的梯度下降方向，提升不同模态融合表征的效果。
-
公开(公告)号：CN118411563A
公开(公告)日：2024-07-30
申请号：CN202410544112.7
申请日：2024-04-30
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本申请实施例提供了一种图像识别方法、装置、电子设备以及存储介质，属于计算机视觉技术领域。该方法包括：对获取到的待处理图像中的目标物体进行全局的特征提取，得到初始特征，将初始特征输入至预先训练好的图像识别模型中得到编码特征，基于特征增强后的初始特征和编码特征进行交叉融合处理，得到交叉融合特征；对编码特征进行动态位置查询，得到动态查询特征，并获取与动态查询特征相对应的静态查询特征；基于动态查询特征和静态查询特征对交叉融合特征进行解码，得到解码特征，并基于解码特征对待处理图像中的目标物体进行识别，得到目标识别结果。本申请能够提高对待处理图像中小目标物体的识别质量。
-
Patent Agency Ranking
公开(公告)号：CN116778264B
公开(公告)日：2023-12-12
申请号：CN202311070387.3
申请日：2023-08-24
Applicant: 鹏城实验室
IPC: G06V10/764 , G06V10/774
Abstract: 本申请实施例提供了一种基于类增学习的对象分类方法、图像分类方法及相关设备，属于人工智能技术领域。该方法包括：获取提示码本和训练数据特征表示；将提示码本和训练数据特征表示输入至原始分类模型的提示组合网络进行提示预测得到组合提示数据；通过原始分类模型的提示加权网络对组合提示数据和训练数据特征表示进行加权处理得到加权提示信息；通过原始分类模型的分类网络对加权提示信息和训练数据特征表示进行分类得到分类预测结果；根据分类验证结果和分类预测结果对原始分类模型进行优化得到目标分类模型；通过目标分类模型对目标数据进行分类得到目标分类结果。本申请能够在新增数据时保留旧知识学习，提高分类准确性，降低数据量存储。
-
公开(公告)号：CN116778264A
公开(公告)日：2023-09-19
申请号：CN202311070387.3
申请日：2023-08-24
Applicant: 鹏城实验室
IPC: G06V10/764 , G06V10/774
Abstract: 本申请实施例提供了一种基于类增学习的对象分类方法、图像分类方法及相关设备，属于人工智能技术领域。该方法包括：获取提示码本和训练数据特征表示；将提示码本和训练数据特征表示输入至原始分类模型的提示组合网络进行提示预测得到组合提示数据；通过原始分类模型的提示加权网络对组合提示数据和训练数据特征表示进行加权处理得到加权提示信息；通过原始分类模型的分类网络对加权提示信息和训练数据特征表示进行分类得到分类预测结果；根据分类验证结果和分类预测结果对原始分类模型进行优化得到目标分类模型；通过目标分类模型对目标数据进行分类得到目标分类结果。本申请能够在新增数据时保留旧知识学习，提高分类准确性，降低数据量存储。
-
公开(公告)号：CN116522871A
公开(公告)日：2023-08-01
申请号：CN202310813356.6
申请日：2023-07-05
Applicant: 鹏城实验室
IPC: G06F40/154
Abstract: 本发明实施例提供数据格式转换方法、装置、设备和存储介质，涉及计算机技术领域。获取初始JSON格式数据，在第一显示区域显示初始JSON格式数据的树结构和第一属性标识，在第二显示区域显示目标属性标识；在第一显示区域中对第一属性标识进行选择得到第二属性标识，将第二属性标识和目标属性标识关联得到连接关系，并在第三显示区域显示该连接关系，最后根据连接关系对应的映射关系从树结构对应的无层级属性信息中选择第二属性标识的值数据，并基于映射关系将目标属性标识和值数据进行对应，得到目标JSON格式数据。整个过程无需用户进行底层设计，可视化界面使得用户容易理解转换过程，降低学习成本，进而提高数据转换效率。
-
公开(公告)号：CN116455945A
公开(公告)日：2023-07-18
申请号：CN202310713986.6
申请日：2023-06-16
Applicant: 鹏城实验室
Abstract: 本发明公开了一种物联设备接入和联动的方法及系统，方法包括：在物联网平台设置物联设备的通信连接器，并选择对应的数据解析器；基于通信连接器与数据解析器，并输入设备ID与设备名称构建物联设备，对所述物联设备的物模型进行功能定义与属性定义；激活物联设备，在物联网平台定义联动规则引擎；启动联动规则引擎，实现设备联动的自动化运转，并监测设备数据，以在相应的时间点满足相应的条件触发相应的动作，实现物理网设备的联动。本发明将一个物联设备定义为由通信连接器、数据解析器、物模型组合而成的实体，将不同厂家不同设备的私有协议转换为同一种标准通信协议，实现软硬件的解耦，实现不同物联设备的联动，实现端云协同、万物互联互通。
-
公开(公告)号：CN116302449A
公开(公告)日：2023-06-23
申请号：CN202310557298.5
申请日：2023-05-17
Applicant: 鹏城实验室
Abstract: 本公开提供了跨智能体的算法资源调度方法、装置、设备和介质。该算法资源调度方法包括：接收来自第一代理节点的第一任务协同请求；基于第一任务协同请求，得到任务标签，并生成第二任务协同请求；发送第二任务协同请求至第二代理节点，以便第二代理节点根据任务标签确定目标算法资源；接收来自第二代理节点的目标算法资源；发送目标算法资源至第一代理节点。本公开实施例能够提高智能体的任务执行效率与算法资源利用率。本公开实施例可应用于智能医疗、智能交通、智能城市管理等场景。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.052 seconds)
