公开(公告)号：CN118152794A

公开(公告)日：2024-06-07

申请号：CN202211507521.7

申请日：2022-11-29

Applicant: 华为云计算技术有限公司 ,  香港理工大学

Inventor： 田奇 ,  王志宇 ,  朴世豪 ,  常建龙 ,  俞鑫波 ,  陈长汶

IPC: G06F18/214

Abstract: 本申请提供了一种模型更新方法，用于提高调整人工智能模型的效率。其中，模型更新方法包括：获取第一数据集；根据所述第一数据集调整目标模型的参数中的目标参数，得到更新后的目标模型，所述目标模型的参数中还包括非目标参数；其中，调整所述目标参数对所述目标模型的精度的影响程度，大于调整所述非目标参数对所述目标模型的精度的影响程度。另外，本申请还提供了对应的装置、计算设备集群、芯片、计算机可读存储介质以及计算机程序产品。

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：CN118334325A

公开(公告)日：2024-07-12

申请号：CN202211711174.X

申请日：2022-12-29

Applicant: 华为云计算技术有限公司 ,  香港理工大学

Inventor： 田奇 ,  王志宇 ,  朴世豪 ,  常建龙 ,  刘凌波 ,  陈长汶

IPC: G06V10/26 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08

Abstract: 一种数据处理方法及装置，该方法包括，第一设备获取第一数据，将第一数据输入训练后的任务模型，以得到任务模型输出的处理结果；任务模型包括预训练模型和至少一个提示模块，预训练模型被划分为多个模块，多个模块中每相邻两个模块与所述至少一个提示模块中的一个提示模块相对应；多个模块中排在起始位置的第一模块的输入数据包括第一数据，多个模块中排在第一模块之后的任意一个第二模块的输入数据是根据第二模块的前一个模块输出的处理结果和目标提示模块输出的修正因子确定的。该方法在不改变预训练模型的结构的基础上，利用修正因子更好地激发预训练模型迁移预训练知识来进行像素级别的语义标注，从而提高任务处理精度。

公开(公告)号：CN117876838A

公开(公告)日：2024-04-12

申请号：CN202211211337.8

申请日：2022-09-30

Applicant: 华为云计算技术有限公司

Inventor： 王志宇 ,  朴世豪 ,  常建龙 ,  田奇

IPC: G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08

Abstract: 一种图像处理方法，包括：通过主干网络的前N个卷积层处理目标图像，获得浅层特征；根据浅层特征对目标图像中的业务对象进行强化处理，获得优化图像；通过主干网络处理优化图像，获得语义特征，该语义特征用于预测目标图像所属的子类或检索与目标图像属于相同子类的图像。由此，根据目标图像的浅层特征对目标图像中的业务对象进行强化处理，使得目标图像中有利于对目标图像执行细粒度图像处理任务的业务对象在优化图像中的特征更为显著，对主干网络可以起到提示作用，主干网络处理优化图像以得到的语义特征能够更加专注于业务对象的特征，进而可以根据目标图像的语义特征更加准确的预测目标图像所属的子类或检索与目标图像属于相同子类的图像。

公开(公告)号：CN117828323A

公开(公告)日：2024-04-05

申请号：CN202211193322.3

申请日：2022-09-28

Applicant: 华为云计算技术有限公司

Inventor： 朴世豪 ,  王志宇 ,  常建龙 ,  田奇

IPC: G06F18/213 ,  G06N20/00

Abstract: 本申请涉及一种特征预测方法、装置和存储介质。该方法包括：获取待预测对象的历史数据以及预测单位时间，历史数据包括：待预测对象的类别特征以及类别特征对应的历史序列特征，历史序列特征表示针对类别特征的待预测对象在多个历史单位时间下采集的历史行为数据；根据历史数据以及预测单位时间进行特征预测，得到目标序列特征，目标特征序列表示类别特征的待预测对象在预测单位时间内的预测行为数据。根据本申请实施例，能够提高特征预测的便捷性和效率。

公开(公告)号：CN116796760A

公开(公告)日：2023-09-22

申请号：CN202210244066.X

申请日：2022-03-11

Applicant: 华为云计算技术有限公司

Inventor： 史佳欣 ,  常建龙 ,  宁可 ,  陈鑫 ,  张恒亨 ,  田奇

IPC: G06F40/58 ,  G06F40/205 ,  G06F40/30 ,  G06F18/214 ,  G06F40/189

Abstract: 本申请提供一种翻译系统及其训练、应用方法与相关设备，该翻译系统包括第一语言模型和第二语言模型，第一语言模型包括第一编码器、第一对齐编码器、第一对齐解码器和第一解码器，第二语言模型包括第二编码器、第二对齐编码器、第二对齐解码器和第二解码器，通过平行语料对所述第一语言模型和所述第二语言模型进行训练，得到训练好的所述第一语言模型和所述第二语言模型；通过对训练好的第一语言模型和第二语言模型中的编码器和解码器进行组合，即可实现第一语言和第二语言之间的相互翻译。通过使用本申请提供的翻译系统，能够提高翻译系统的训练效率，节约计算资源，并能够提高翻译系统的可扩展性。

公开(公告)号：CN116563660A

公开(公告)日：2023-08-08

申请号：CN202210109103.6

申请日：2022-01-28

Applicant: 华为云计算技术有限公司

Inventor： 常建龙 ,  张恒亨 ,  陈鑫 ,  史佳欣 ,  王志宇 ,  宁可 ,  田奇

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/044 ,  G06N3/045 ,  G06N3/096

Abstract: 本申请公开了一种基于预训练大模型的图像处理方法及相关装置，通过生成网络获取训练图像的特征图像，特征图像的分辨率与训练图像的分辨率相同；将训练图像和特征图像进行融合，得到目标图像；将目标图像输入到预训练大模型中，得到处理结果；根据处理结果，在保持预训练大模型的参数不变的情况下，对生成网络的参数进行更新。本申请中，针对每个下游任务配置了生成网络，在训练过程中，在保持预训练大模型的参数不变的情况下，对生成网络的参数进行更新，从而减少了在下游任务上部署预训练大模型时的训练开销，减少了模型训练难度与迭代更新的难度。

公开(公告)号：CN116486390A

公开(公告)日：2023-07-25

申请号：CN202210042465.8

申请日：2022-01-14

Applicant: 华为云计算技术有限公司

Inventor： 史佳欣 ,  常建龙 ,  田奇

IPC: G06V20/62 ,  G06V10/764 ,  G06V10/75

Abstract: 本申请实施例公开了一种搜索方法以及装置，可以适用于任何一种与搜索相关的场景中。其中，方法包括获取待搜索对象，并利用目标模型对待搜索对象进行特征提取，以获取多个目标特征向量，多个目标特征向量包括第一目标特征向量和第二目标特征向量，其中，第一目标特征向量的维度低于第二目标特征向量的维度。先根据第一目标特征向量，从多个候选对象中筛选出第一候选对象，再根据第二目标特征向量，从第一候选对象中筛选出第二候选对象，最后根据第二候选对象获取与待搜索对象匹配的候选对象。通过本方案，可以提升搜索的效率，为用户提供更好的搜索服务体验。

公开(公告)号：CN118734062A

公开(公告)日：2024-10-01

申请号：CN202310737934.2

申请日：2023-06-20

Applicant: 华为云计算技术有限公司

Inventor： 田奇 ,  王志宇 ,  李东哲 ,  常建龙

IPC: G06F18/214 ,  G06F18/22 ,  G06N20/00

Abstract: 本申请提供了一种动作生成方法，该方法应用于动作生成系统，该系统用于根据文本生成与文本对应的动作，该方法包括：接收用户输入的目标文本；根据目标文本，确定与目标文本对应的提示信息，其中，提示信息包括至少一个姿态；将提示信息输入基于提示学习训练的动作生成模型，获得目标文本对应的目标动作，其中，目标动作包括与目标文本对应的多个姿态形成的姿态序列。该方法针对不同的任务需求，不需要重新训练或微调动作生成模型，具有较强的可控性和灵活性。由于部署阶段无需针对给定的文本进行在线的匹配和网络训练，节省了计算资源，降低了时间开销。而且，该方法能够不受限于特定的数据集，保障了生成的动作的多样性。

公开(公告)号：CN116187414A

公开(公告)日：2023-05-30

申请号：CN202111425818.4

申请日：2021-11-26

Applicant: 华为云计算技术有限公司

Inventor： 常建龙 ,  姜娜娜 ,  张震宇 ,  朴世豪 ,  史佳欣 ,  谢凌曦 ,  田奇

IPC: G06N3/082 ,  G06F21/60

Abstract: 本申请提供了一种神经网络模型加解密方法，应用于人工智能(AI)技术领域，包括：获取神经网络模型的结构信息和加密密钥，加密密钥用于指示待添加至神经网络模型的至少一个第二神经元的添加方式，然后根据神经网络模型的结构信息和加密密钥，向神经网络模型添加至少一个第二神经元，获得加密后的神经网络模型。当加密后的神经网络模型被交付给用户时，可以根据加密密钥，将加密后的神经网络模型中第二神经元的权重置零，从而实现模型解密。该方法通过在模型中添加具有混淆作用的第二神经元，使得模型的真实结构得到充分隐藏，实现了模型加密，然后在解密时，将第二神经元的权重置零，实现了模型解密，并且不泄露模型的真实结构和权重，保障了解密安全。