-
公开(公告)号：CN117197599A
公开(公告)日：2023-12-08
申请号：CN202210592148.3
申请日：2022-05-27
Applicant: 北京达佳互联信息技术有限公司
IPC: G06V10/771 , G06V10/82 , G06N3/0442 , G06N3/098 , G06Q30/0601 , G06F16/735
Abstract: 本公开关于一种媒体信息处理方法、装置、设备及存储介质，该方法通将初始特征集输入媒体特征确定网络进行处理，获得训练样本对应的中间媒体特征向量；媒体特征确定网络包括由用于执行媒体特征确定操作的门向量所构成的媒体特征筛选模块，门向量中每个门控元素是基于衰减参数和门控可调参数构成的预设参数所确定；基于任务处理标签与预测任务处理结果、以及门控可调参数，确定目标函数损失，以基于目标函数损失对进行训练，利用训练后的媒体特征确定网络中的目标门向量对初始特征集进行特征筛选，获得目标媒体特征；目标门向量中除目标媒体特征之外的特征对应的目标门控元素值均为第一预设值。如此，在降低特征数量的同时，保证了模型的精度。
-
公开(公告)号：CN113486903A
公开(公告)日：2021-10-08
申请号：CN202110730097.1
申请日：2021-06-29
Applicant: 北京达佳互联信息技术有限公司
Abstract: 本公开关于一种图像处理方法、装置、电子设备及计算机可读存储介质，其中，该方法包括：通过第一深度神经网络模型对输入图像进行特征提取，得到输入图像的第一图像特征，通过第二深度神经网络模型与第三神经网络模型分别对多个相册模板中的模板图像与模板音乐进行特征提取，得到第二图像特征与音频特征；通过匹配网络模型将第一图像特征分别与多个相册模板的第二图像特征和音频特征进行匹配，得到输入图像分别与多个相册模板的多个匹配值；根据多个匹配值，确定与输入图像匹配的相册模板。通过本公开，解决了相关技术中相册模板难以匹配，导致用户体验差的问题，达到了将相册模板中的图像与音乐对输入图像进行双重匹配的效果。
-
公开(公告)号：CN113610215B
公开(公告)日：2022-09-09
申请号：CN202110778034.3
申请日：2021-07-09
Applicant: 北京达佳互联信息技术有限公司
Abstract: 本公开关于一种任务处理网络生成、任务处理方法、装置、电子设备及存储介质，该方法包括获取目标任务对应的多媒体资源和任务标注结果；将包括掩码学习参数和预设衰减参数的预设掩码信息插入预设深度学习网络，得到待训练网络，若预设衰减参数小于等于第一预设阈值，预设掩码信息为零，或与一的差值小于等于第二预设阈值；将多媒体资源输入待训练网络，得到第一预测任务结果；根据任务标注结果、第一预测任务结果和掩码学习参数，确定第一损失信息，并训练待训练网络，得到初始任务处理网络；基于初始任务处理网络中的预设掩码信息，对初始任务处理网络进行剪枝处理，得到目标任务处理网络。利用本公开实施例可以平衡网络的资源消耗量与网络精度。
-
公开(公告)号：CN113240090A
公开(公告)日：2021-08-10
申请号：CN202110584225.6
申请日：2021-05-27
Applicant: 北京达佳互联信息技术有限公司
Abstract: 本公开关于一种图像处理模型生成方法、图像处理方法、装置及电子设备，所述图像处理模型生成方法包括：将样本图像输入到初始神经网络模型执行一次迭代：利用所述初始神经网络模型中各个卷积层对所述样本图像进行图像特征提取；根据输出调整至少一个卷积层的卷积核的通道参数，以提高所述至少一个卷积层的卷积核的稀疏度；完成本次迭代时，根据输出确定满足迭代结束条件时，确定所述至少一个卷积层提高稀疏度之后的卷积核中的待剪枝通道；对所述待剪枝通道作剪枝处理，得到图像处理模型。这样，保证图像处理模型在实现可以提取图像特征功能的前提下，可以降低模型运算量。
-
公开(公告)号：CN115331694B
公开(公告)日：2024-09-20
申请号：CN202210975124.6
申请日：2022-08-15
Applicant: 北京达佳互联信息技术有限公司
IPC: G10L21/0272 , G10L25/30 , G10L19/16 , G10L19/02
Abstract: 本公开关于一种语音分离网络生成方法、装置、电子设备以及存储介质，属于语音处理技术领域，该方法包括：在给定多个样本音频信号的基础上，迭代训练获取到的语音分离超网络，其中，该语音分离超网络包括编码器和解码器，编码器和解码器均包括多个网络层和搜索空间，该搜索空间配置有多个网络层的结构参数。进一步地，基于训练后的语音分离超网络，生成符合目标条件的目标语音分离子网络。在上述过程中，通过设计一种配置有结构参数的搜索空间，实现了基于语音分离超网络，自动生成符合目标条件的目标语音分离子网络，避免了手动调节网络中不同网络层的结构参数，提高了语音分离网络的生成效率。
-
Patent Agency Ranking
公开(公告)号：CN113240090B
公开(公告)日：2024-05-14
申请号：CN202110584225.6
申请日：2021-05-27
Applicant: 北京达佳互联信息技术有限公司
IPC: G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/082
Abstract: 本公开关于一种图像处理模型生成方法、图像处理方法、装置及电子设备，所述图像处理模型生成方法包括：将样本图像输入到初始神经网络模型执行一次迭代：利用所述初始神经网络模型中各个卷积层对所述样本图像进行图像特征提取；根据输出调整至少一个卷积层的卷积核的通道参数，以提高所述至少一个卷积层的卷积核的稀疏度；完成本次迭代时，根据输出确定满足迭代结束条件时，确定所述至少一个卷积层提高稀疏度之后的卷积核中的待剪枝通道；对所述待剪枝通道作剪枝处理，得到图像处理模型。这样，保证图像处理模型在实现可以提取图像特征功能的前提下，可以降低模型运算量。
-
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。
-
公开(公告)号：CN113947185B
公开(公告)日：2022-11-18
申请号：CN202111160552.5
申请日：2021-09-30
Applicant: 北京达佳互联信息技术有限公司
IPC: G06F16/435 , G06N3/04 , G06N3/08
Abstract: 本公开关于一种任务处理网络生成、任务处理方法、装置、电子设备及存储介质，该方法包括获取目标任务对应的多媒体资源、任务标注结果和待训练网络；将多媒体资源输入待训练网络进行任务处理，得到第一预测任务结果；根据预设掩码信息确定网络层对应的目标通道数，结合预设映射信息，确定待训练网络对应的目标硬件性能数据；基于任务标注结果、第一预测任务结果、目标硬件性能数据和预设硬件性能约束数据，确定目标损失信息；基于目标损失信息训练待训练网络，得到待压缩网络；根据待压缩网络中的预设掩码信息，对待压缩网络进行剪枝处理，得到目标任务处理网络。利用本公开实施例可以在提升任务处理精度的同时，降低硬件性能消耗。
-
公开(公告)号：CN114547428A
公开(公告)日：2022-05-27
申请号：CN202210217036.X
申请日：2022-03-07
Applicant: 北京达佳互联信息技术有限公司
IPC: G06F16/9532 , G06K9/62 , G06N3/04
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。方法包括：获取推荐模型；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；基于每个算子对应的算子特征和每个算子连接的其他算子对应的算子特征，分别确定每个算子对应的增强特征；基于结构特征、多个算子对应的算子特征和增强特征进行特征提取，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。该方法对每个算子对应的算子特征进行了增强，因此利用结构特征、多个算子对应的算子特征和增强特征得到的模型特征更加准确，从而提高了推荐模型的准确性。
-
公开(公告)号：CN113947185A
公开(公告)日：2022-01-18
申请号：CN202111160552.5
申请日：2021-09-30
Applicant: 北京达佳互联信息技术有限公司
IPC: G06N3/04 , G06N3/08 , G06F16/435
Abstract: 本公开关于一种任务处理网络生成、任务处理方法、装置、电子设备及存储介质，该方法包括获取目标任务对应的多媒体资源、任务标注结果和待训练网络；将多媒体资源输入待训练网络进行任务处理，得到第一预测任务结果；根据预设掩码信息确定网络层对应的目标通道数，结合预设映射信息，确定待训练网络对应的目标硬件性能数据；基于任务标注结果、第一预测任务结果、目标硬件性能数据和预设硬件性能约束数据，确定目标损失信息；基于目标损失信息训练待训练网络，得到待压缩网络；根据待压缩网络中的预设掩码信息，对待压缩网络进行剪枝处理，得到目标任务处理网络。利用本公开实施例可以在提升任务处理精度的同时，降低硬件性能消耗。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.051 seconds)
