-
公开(公告)号：CN114117206B
公开(公告)日：2023-05-30
申请号：CN202111320914.2
申请日：2021-11-09
Applicant: 北京达佳互联信息技术有限公司
IPC: G06F16/9535 , G06N3/08
-
公开(公告)号：CN113744729A
公开(公告)日：2021-12-03
申请号：CN202111095442.5
申请日：2021-09-17
Applicant: 北京达佳互联信息技术有限公司
Abstract: 本公开提供一种语音识别模型生成方法、装置、设备以及存储介质，涉及网络信息处理技术领域，以得到更优的语音识别模型。该方法包括：获取语音样本数据；构建第一语音识别超网络，第一语音识别超网络包括多层网络结构，每层网络结构对应搜索特征取值的多个不同组合，搜索特征包括分支个数、网络层维度和通道选择维度；搜索特征包括分支个数、网络层维度和通道选择维度；基于语音样本和语音样本标签，对第一语音识别超网络执行训练操作，得到第二语音识别超网络；语音样本标签作为语音样本对应的期望识别值；对第二语音识别超网络进行网络搜索，以得到目标语音识别子网络；对目标语音识别子网络进行重训练，得到语音识别模型。
-
公开(公告)号：CN113051430B
公开(公告)日：2024-03-26
申请号：CN202110324886.5
申请日：2021-03-26
Applicant: 北京达佳互联信息技术有限公司
IPC: G06F16/735 , G06F16/75 , G06F16/78 , G06V20/40 , G06V10/774
Abstract: 本公开提供了视频分析模型训练方法、装置、设备、介质及产品，在训练机器学习模型的过程中，是将样本视频的图像集合作为输入，而不是将整个样本视频作为输入。样本视频的图像集合包含第二视频图像以及从样本视频中抽取得到的第一视频图像。第二视频图像为设定图像，由于样本视频的图像集合包含的图像数目小于样本视频包含的所有图像的数目，所以训练机器学习模型的速度较快。由于第二视频图像可能与样本视频无关，所以需要确定掩膜参数，掩膜参数用于记录图像集合中有效图像的位置以及无效图像的位置，将图像集合和掩膜参数作为输入机器学习模型，以使得机器学习模型基于第一视频图像得到样本视频的分析结果。使得训练的机器学习模型更加准确。
-
公开(公告)号：CN114463689A
公开(公告)日：2022-05-10
申请号：CN202210384507.6
申请日：2022-04-13
Applicant: 北京达佳互联信息技术有限公司
IPC: G06V20/40 , G06K9/62 , G06N3/04 , G06V10/82 , G06V10/774 , G06V10/764
Abstract: 本公开关于一种目标识别网络的训练方法、装置、电子设备及存储介质，属于视频处理技术领域。方法包括：从识别超网络的多个候选识别子网络中，确定教师子网络和学生子网络；以样本视频中每个视频帧的标签为监督，基于教师子网络对样本视频的识别结果，调整教师子网络的模型参数；以样本视频中每个视频帧的标签、教师子网络对样本视频的识别结果为监督，基于学生子网络对样本视频的识别结果，调整学生子网络的模型参数；从调整后的教师子网络和调整后的学生子网络中，确定用于识别边界视频帧的目标识别网络。该方法中，学生子网络的准确率能够得到较大的提高，进而保证了从教师子网络和学生子网络中确定出的目标识别网络的准确率较高。
-
公开(公告)号：CN113065533A
公开(公告)日：2021-07-02
申请号：CN202110606977.8
申请日：2021-06-01
Applicant: 北京达佳互联信息技术有限公司
Abstract: 本公开关于一种特征提取模型生成方法、装置、电子设备和存储介质，该方法包括：对视频数据中预设数量个目标帧位置处的图像进行采样，得到预设数量个采样图像；基于预设的图像增强程度，对预设数量个采样图像中的第一帧采样图像进行图像增强处理，得到第一个目标图像，并基于预设数目个采样图像中的其他采样图像的上一帧采样图像对应的图像增强程度，对其他采样图像进行图像增强处理，得到其他目标图像，将第一个目标图像和其他目标图像作为目标图像，基于目标图像，对待训练特征提取模型进行训练，得到视频特征提取模型。该方法可以提高图像增强的有效性，并提高自监督学习的准确性。
-
Patent Agency Ranking
公开(公告)号：CN113051430A
公开(公告)日：2021-06-29
申请号：CN202110324886.5
申请日：2021-03-26
Applicant: 北京达佳互联信息技术有限公司
IPC: G06F16/735 , G06F16/75 , G06F16/78 , G06K9/00 , G06K9/62
Abstract: 本公开提供了视频分析模型训练方法、装置、设备、介质及产品，在训练机器学习模型的过程中，是将样本视频的图像集合作为输入，而不是将整个样本视频作为输入。样本视频的图像集合包含第二视频图像以及从样本视频中抽取得到的第一视频图像。第二视频图像为设定图像，由于样本视频的图像集合包含的图像数目小于样本视频包含的所有图像的数目，所以训练机器学习模型的速度较快。由于第二视频图像可能与样本视频无关，所以需要确定掩膜参数，掩膜参数用于记录图像集合中有效图像的位置以及无效图像的位置，将图像集合和掩膜参数作为输入机器学习模型，以使得机器学习模型基于第一视频图像得到样本视频的分析结果。使得训练的机器学习模型更加准确。
-
公开(公告)号：CN113657411A
公开(公告)日：2021-11-16
申请号：CN202110970481.9
申请日：2021-08-23
Applicant: 北京达佳互联信息技术有限公司
Abstract: 本申请提供一种神经网络模型的训练方法、图像特征提取方法及相关装置，用于解决相关技术中自监督学习对硬件要求高且训练速度低的问题。在本申请实施例提供的对比学习方法中，提出了困难负样本对的概念，通过构建正样本对和困难负样本对，能够使得神经网络模型学习到正样本之间的特征，而且能够准确的区分差别较小的负样本。由此，保证了对困难负样本的学习，即保证了对差别较大的负样本的学习，使得神经网络模型能够准确的提取图像特征。
-
公开(公告)号：CN114463689B
公开(公告)日：2022-07-26
申请号：CN202210384507.6
申请日：2022-04-13
Applicant: 北京达佳互联信息技术有限公司
IPC: G06V20/40 , G06K9/62 , G06N3/04 , G06V10/82 , G06V10/774 , G06V10/764
Abstract: 本公开关于一种目标识别网络的训练方法、装置、电子设备及存储介质，属于视频处理技术领域。方法包括：从识别超网络的多个候选识别子网络中，确定教师子网络和学生子网络；以样本视频中每个视频帧的标签为监督，基于教师子网络对样本视频的识别结果，调整教师子网络的模型参数；以样本视频中每个视频帧的标签、教师子网络对样本视频的识别结果为监督，基于学生子网络对样本视频的识别结果，调整学生子网络的模型参数；从调整后的教师子网络和调整后的学生子网络中，确定用于识别边界视频帧的目标识别网络。该方法中，学生子网络的准确率能够得到较大的提高，进而保证了从教师子网络和学生子网络中确定出的目标识别网络的准确率较高。
-
公开(公告)号：CN113657411B
公开(公告)日：2024-07-12
申请号：CN202110970481.9
申请日：2021-08-23
Applicant: 北京达佳互联信息技术有限公司
Abstract: 本申请提供一种神经网络模型的训练方法、图像特征提取方法及相关装置，用于解决相关技术中自监督学习对硬件要求高且训练速度低的问题。在本申请实施例提供的对比学习方法中，提出了困难负样本对的概念，通过构建正样本对和困难负样本对，能够使得神经网络模型学习到正样本之间的特征，而且能够准确的区分差别较小的负样本。由此，保证了对困难负样本的学习，即保证了对差别较大的负样本的学习，使得神经网络模型能够准确的提取图像特征。
-
公开(公告)号：CN114117206A
公开(公告)日：2022-03-01
申请号：CN202111320914.2
申请日：2021-11-09
Applicant: 北京达佳互联信息技术有限公司
IPC: G06F16/9535 , G06N3/08
Abstract: 本公开是关于一种推荐模型处理方法、装置、电子设备及存储介质，属于计算机技术领域。该方法包括：获取推荐模型，推荐模型包括按照顺序排列的多个算子，多个算子按照顺序依次对输入至推荐模型的账号数据和物品数据进行处理得到推荐参数；基于推荐模型，获取推荐模型中的每个算子对应的算子特征以及推荐模型的结构特征，结构特征表示多个算子中任两个算子之间的连接关系；基于每个算子对应的算子特征以及结构特征进行特征提取，得到推荐模型对应的模型特征；基于模型特征进行精度预测，得到推荐模型对应的推荐精度。该方法得到的模型特征能够更加准确地表示推荐模型，从而基于该模型特征预测得到的推荐精度更加准确，提高了推荐精度的准确性。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.034 seconds)
