-
公开(公告)号：CN119444691A
公开(公告)日：2025-02-14
申请号：CN202411489760.3
申请日：2024-10-23
Applicant: 中国移动通信集团辽宁有限公司 , 中国移动通信集团有限公司
IPC: G06T7/00 , G06T5/70 , G06T5/60 , G06N3/0464 , G06V10/764 , G06V10/82
Abstract: 本申请公开了一种图样本生成方法、装置、设备、可读存储介质和程序产品，属于人工智能领域。本申请实施例获取图样本、图样本的描述信息和设计图，及基于设计图得到包括缺陷类别、缺陷区域和缺陷形状的历史图样本；基于历史图样本确定设计图中存在目标缺陷类型的目标缺陷区域和目标缺陷形状；根据目标缺陷区域和目标缺陷形状，在设计图中添加缺陷掩码得到缺陷掩码设计图；将图样本、描述信息和缺陷掩码设计图输入到图样本生成模型，通过图样本生成模型对图样本添加噪声得到噪声图，基于噪声图、描述信息和缺陷掩码设计图对噪声图进行降噪处理得到目标图样本，能够增加缺陷识别模型训练样本的丰富性和真实性，进而提高陷识别模型的识别准确性。
-
公开(公告)号：CN119383345A
公开(公告)日：2025-01-28
申请号：CN202411489752.9
申请日：2024-10-23
Applicant: 中国移动通信集团辽宁有限公司 , 中国移动通信集团有限公司
IPC: H04N19/146 , H04N19/182 , H04N19/70 , H04N19/44 , H04L9/06
Abstract: 本申请公开了一种图像传输方法、装置、设备及计算机存储介质、程序产品，涉及图像识别技术领域，该方法应用于图像识别系统，图像识别系统包括编码端和解码端，该方法包括：通过编码端将待传输图像转换为二值图像，二值图像包括待传输图像的像素点的二值像素值；通过编码端确定相邻且二值像素值相同的像素点的数量，并基于相邻且二值像素值相同的像素点的数量进行编码，得到编码数组；通过编码端将编码数组发送至解码端，以通过解码端对编码数组进行解码得到二值图像。本申请实施例将图像的转化为二值图像，并基于二值像素值相同的像素点的数量编码为编码数组进行传输，提高了图像传输的效率。
-
公开(公告)号：CN119540610A
公开(公告)日：2025-02-28
申请号：CN202411508672.3
申请日：2024-10-25
Applicant: 中国移动通信集团辽宁有限公司 , 中国移动通信集团有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本申请公开了一种图像分类模型训练方法、装置、设备及计算机存储介质，涉及图像识别技术领域。该方法包括：获取训练图像和训练图像对应的训练特征分类值；利用图像分类模型对训练图像进行处理得到训练特征卷积值；基于训练特征卷积值和训练特征分类值确定目标模型参数；利用基于目标模型参数更新后的图像分类模型，确定与训练特征卷积值对应的预测特征分类值；在预测特征分类值和训练特征分类值的差值大于设定阈值的情况下，删除训练图像数据并使用剩余训练图像数据重新确定目标模型参数，直至所有特征分类值误差都小于设定阈值，得到目标图像分类模型。本申请实施例在训练时迭代减少异常图像数据，提升了图像分类模型进行图像分类的精准度。
-
公开(公告)号：CN116542311A
公开(公告)日：2023-08-04
申请号：CN202210086928.0
申请日：2022-01-25
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC: G06N3/082 , G06N3/0464
Abstract: 本发明提供一种神经网络模型压缩方法和系统，该神经网络模型压缩方法包括：针对训练集中的每个训练样本，将训练样本输入至待量化的神经网络模型，并提取神经网络模型的卷积层中各个通道的激励因子；针对卷积层中的每个通道，根据训练集中的所有训练样本对应的所述通道的激励因子确定通道的权重；根据卷积层中每个通道的权重，对卷积层中每个通道进行量化，其中，每个通道的量化程度与通道的权重负相关。本发明中，依据卷积层的通道的权重(重要性)确定通道的量化程度，重要性的通道量化程度低，不重要的通道量化程度高，可以在保证神经网络模型性能的同时，减少冗余的不重要的参数的数量，从而减少神经网络模型的存储空间和运行时内存。
-
-
-
Search Results
4
records
(took 0.061 seconds)
