公开(公告)号：CN118587427A

公开(公告)日：2024-09-03

申请号：CN202310171706.3

申请日：2023-02-27

Applicant: 华为云计算技术有限公司

Inventor： 田奇 ,  蒋东生 ,  谢凌曦 ,  王华宇 ,  沈为

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/82 ,  G06V10/774

Abstract: 本申请的实施例提供了图像分割方法、电子设备、计算机集群、计算机可读存储介质、程序产品和装置。该方法包括使用图像分割模型的编码器生成图像集的训练图像的第一特征图，并且使用视觉语言模型的图像编码器来生成训练图像的第二特征图。该方法还包括基于第一特征图与第二特征图，来调整图像分割模型。该方案能够提供附加的域无偏知识来给图像分割模型的域自适应训练过程降噪，从而降低图像分割模型对训练数据风格的偏向性，提高所得模型的鲁棒性。

公开(公告)号：CN118394893A

公开(公告)日：2024-07-26

申请号：CN202310063802.6

申请日：2023-01-18

Applicant: 华为云计算技术有限公司 ,  中国科学技术大学

Inventor： 田奇 ,  李厚强 ,  周文罡 ,  张宗萌 ,  史佳欣

IPC: G06F16/332 ,  G06F16/338 ,  G06F16/34 ,  G06F16/35

Abstract: 本申请公开了一种文档排序方法及通信装置，涉及通信领域；该文档排序方法包括：获取查询文本以及将查询文本作为检索条件而检索到的多项候选文档；计算查询文本与多项候选文档中每个候选文档之间的第一相似度、以及计算多项候选文档之间每两个候选文档之间的第二相似度，得到相似度矩阵；根据对应相似度矩阵中每项候选文档对应的行中向量的第一向量与对应相似度矩阵中查询文本对应的行中的向量的第二向量之间的相关性强弱，对多项候选文档进行排序；提升了文本排序的排序准确性。

公开(公告)号：CN118135182A

公开(公告)日：2024-06-04

申请号：CN202211494931.2

申请日：2022-11-26

Applicant: 华为云计算技术有限公司

Inventor： 孙若禹 ,  张晓鹏 ,  王子辰 ,  田奇

IPC: G06V10/25 ,  G06V10/44 ,  G06V10/774 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 本申请公开了一种目标检测方法、装置及计算设备集群，该方法包括：基于模板在输入图像中进行匹配，确定第一区域，其中，模板为样本图像中的第一目标的部分或者全部，或者，为样本图像中除第一目标外的部分或者全部，第一区域包括第一目标的部分或者全部；根据第一区域生成多个第一候选区域；利用目标检测模型根据多个第一候选区域，生成第一检验结果。通过上述过程，服务器将模板匹配和深度目标检测模型相结合，根据模板匹配，确定第一区域，再根据第一区域生成多个第一候选区域，利用目标检测模型根据多个候选区域生成检验结果，可以优化目标检测性能，对新颖样本等实现更加准确的目标检测。

公开(公告)号：CN118097179A

公开(公告)日：2024-05-28

申请号：CN202211425432.8

申请日：2022-11-15

Applicant: 华为云计算技术有限公司 ,  中国科学院大学

Inventor： 田奇 ,  田运杰 ,  谢凌曦 ,  叶齐祥

IPC: G06V10/52 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464

Abstract: 本申请实施例公开了一种模型预训练方法和相关设备，用于提升预训练模型的精确度和模型在下游任务的表现。本申请实施例方法包括：通过N个层级的特征提取网络，获取待处理图像对应的N组不同尺度的输出特征，N≥2，且N为整数。处理第M层级的输出特征和第M‑1层级的输出特征，得到第M‑1层级的聚合特征，M‑1层级的聚合特征与第M‑1层级的输出特征尺度相同，第M层级的输出特征对应于第M层级的特征提取网络，2≤M≤N，且M为整数。通过第M‑1层级的解码器网络处理第M‑1层级的聚合特征，得到第M‑1层级的解码结果。对模型进行迭代训练，更新特征提取网络的参数和解码器网络的参数，直至模型收敛或达到预设的迭代次数。

公开(公告)号：CN117991410A

公开(公告)日：2024-05-07

申请号：CN202211351491.5

申请日：2022-10-31

Applicant: 华为云计算技术有限公司

Inventor： 毕恺峰 ,  谢凌曦 ,  田奇

IPC: G01W1/10 ,  G06N3/0464 ,  G06N3/08

Abstract: 本申请提供了一种气象预测方法，包括：获取气象数据以及目标时间，并根据该目标时间，从模型库中确定多个第一AI模型，该多个第一AI模型中不同第一AI模型用于预测不同时间间隔的气象，从而根据获取的气象数据，利用多个第一AI模型进行推理，得到目标时间的第一气象预测结果，其中，每个第一AI模型执行至少一次迭代推理操作。如此，利用多个AI模型进行气象预测，无需执行复杂的方程求解过程，这不仅可以有效减小气象预测所需消耗的算力，而且能够显著降低气象预测的时延。另外，利用多个预测不同时间间隔的气象的AI模型进行较少次数的推理，可以有效减小迭代误差、降低迭代推理所需的资源消耗。此外，本申请还提供了对应的装置及相关设备。

公开(公告)号：CN111401516B

公开(公告)日：2024-04-26

申请号：CN202010109184.0

申请日：2020-02-21

Applicant: 华为云计算技术有限公司

Inventor： 魏龙辉 ,  谢凌曦 ,  陈政苏 ,  田奇

IPC: G06N3/0464 ,  G06N3/045 ,  G06N3/084 ,  G06V10/82 ,  G06V10/44 ,  G06V10/764

Abstract: 本申请实施例公开了一种神经网络通道参数的搜索方法及相关设备，首次提出一种基于算力(如FLOPs)的使用效率的神经网络通道参数搜索方法，其应用于人工智能领域，首先计算网络各层对算力的使用效率，然后增加算力的使用效率高的层的通道数，减少算力的使用效率低的层的通道数，该过程可迭代进行，最终获得对算力的使用效率非常高效的神经网络，缓解了目前神经网络通道参数搜索方法没有充分考虑到复杂度、使用效率低、搜索速度慢等问题。本申请还提出了一种计算神经网络各层对算力的使用效率的方法，该方法以一定比例随机丢弃部分通道并测试其对网络性能的影响，丢弃的通道对于不同测试样例是随机的，以此计算神经网络每层对算力的使用效率。

公开(公告)号：CN117291939A

公开(公告)日：2023-12-26

申请号：CN202210673993.3

申请日：2022-06-15

Applicant: 华为云计算技术有限公司

Inventor： 陈鑫 ,  田奇 ,  张恒亨 ,  王延峰 ,  常峰 ,  张娅

IPC: G06T7/12 ,  G06T7/136 ,  G06T7/194 ,  G06T7/33 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本申请实施例提供一种分割模型训练方法及装置。涉及人工智能领域，具体涉及计算机视觉领域。该方法包括：获取训练数据集，该训练数据集包括多个训练图像；进一步地，根据该训练数据集进行配准学习和超像素分割学习，得到分割模型的初始模型参数；并基于该初始模型参数训练分割模型。本申请能够提升分割模型在分割任务中的边缘感知力，从而提升该分割模型的分割效果。

公开(公告)号：CN111382781B

公开(公告)日：2023-09-12

申请号：CN202010109046.2

申请日：2020-02-21

Applicant: 华为云计算技术有限公司

Inventor： 李昊 ,  张晓鹏 ,  田奇 ,  王子辰 ,  唐福辉 ,  韩建华 ,  钮敏哲

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/40

Abstract: 本申请提供利用人工智能技术的图像处理领域中的获取图像标签的方法、训练图像识别模型的方法、图像识别方法和相关装置。本申请提供的方法中，获取到一般类别图像属于多种精细粒度类别中每种精细粒度类别的概率之后，计算这些类别基于对应的概率的熵信息，并在熵小于或等于预设的阈值时，根据这些精细粒度类别对应的概率确定该一般类别图像的精细粒度类别，以便于使用该一般类别图像和其精细粒度类别对精细图像识别模型进行训练。本申请的技术方案可以提高精细图像识别模型的性能。

公开(公告)号：CN115248875A

公开(公告)日：2022-10-28

申请号：CN202110468690.3

申请日：2021-04-28

Applicant: 华为云计算技术有限公司

Inventor： 杨乐 ,  迟亚雄 ,  李文祥 ,  常建龙 ,  司宏杰 ,  田奇

IPC: G06F16/583 ,  G06F16/58 ,  G06F16/55

Abstract: 本申请提供了一种图像处理方法，应用于人工智能(AI)领域，包括：获取待处理的图像，将待处理的图像输入由级联子网络将多个子网络(例如是基于第一知识图谱构建的第一子网络和基于第二知识图谱构建的第二子网络)级联的图像处理模型，获得处理结果。其中，第一子网络根据图像的特征，对所述图像的内容进行识别，得到一个识别维度的第一识别结果，第二子网络根据图像的特征和第一识别结果进行推理，得到另一识别维度的第二识别结果。通过将基于不同知识图谱构建的不同子网络级联，可使得图像处理模型学习到图像中深层特征，基于深层特征进行深度识别、推理的能力，满足了业务需求。

公开(公告)号：CN114462290A

公开(公告)日：2022-05-10

申请号：CN202110173151.7

申请日：2021-02-08

Applicant: 华为云计算技术有限公司

Inventor： 魏龙辉 ,  谢凌曦 ,  何建忠 ,  田奇

IPC: G06F30/27 ,  G06N3/08 ,  G06K9/62 ,  G06F16/58 ,  G06F16/583

Abstract: 本申请实施例涉及一种生成预训练AI模型的方法，包括：确定多个原始图像，根据表观特征提取模型确定各个原始图像所对应的表观特征。之后，根据各个原始图像对应的表观特征和原始标签，对每个原始图像生成相应的伪标签。然后，采用携带伪标签的原始数据对第一初始AI模型进行训练，得到预训练AI模型。本申请通过采用具有较强泛化能力的表观特征提取模型，提取原始图像的表观特征，再基于表观特征结合原始图像预先存储的原始标签生成伪标签。伪标签则具备了表观特征和人工语义，使得采用携带伪标签的原始图像训练得到的预训练AI模型继承了具有泛化能力的表观特征，又具有细粒度更丰富的特征捕捉能力。