公开(公告)号：CN119739621A

公开(公告)日：2025-04-01

申请号：CN202311819576.6

申请日：2023-12-25

Applicant: 华为云计算技术有限公司

Inventor： 卢普 ,  廖明辉 ,  李雨洺

IPC: G06F11/3668 ,  G06F11/3698 ,  G06N20/00

Abstract: 本申请公开了一种优化人工智能模型的方法、装置及系统，属于人工智能模型技术领域。该方法包括：向业务装置提供经过训练的人工智能模型，业务装置用于部署人工智能模型；接收业务装置提供的第一样本提示信息，第一样本提示信息指示第一样本数据的内容需要满足的条件；基于第一样本提示信息，生成第一样本数据；基于第一样本数据，继续调整人工智能模型的参数，向业务装置提供经过调整的人工智能模型。本申请提高了对人工智能模型的参数进行调整的效率，有助于提高人工智能模型的可用性。

公开(公告)号：CN118736478A

公开(公告)日：2024-10-01

申请号：CN202310583926.7

申请日：2023-05-22

Applicant: 华为云计算技术有限公司

Inventor： 卢普 ,  廖明辉 ,  吴成龙

IPC: G06V20/52 ,  G06V20/40 ,  G06V10/74 ,  G06V10/764 ,  G06V10/82 ,  G06T7/246 ,  G08B25/00

Abstract: 一种监控方法、装置及设备，涉及图像处理技术领域，其中方法包括获取视频数据，对视频数据进行检测，以在检测到视频数据中记录有目标对象的情况下，生成对应的告警信息；调用虚警数据库，对视频数据中的目标对象进行特征匹配，虚警数据库中包括若干特征数据，每个特征数据均表征错误告警对应的对象特征；在虚警数据库中存在与目标对象特征相同或相似的特征数据时，变更告警信息的状态。这样，在对监控视频生成告警信息之后，可以通过对视频中记录的目标对象的特征进行虚警判定，从而降低误报、尤其是重复误报的概率。

公开(公告)号：CN117237958A

公开(公告)日：2023-12-15

申请号：CN202211084979.6

申请日：2022-09-06

Applicant: 华为云计算技术有限公司

Inventor： 徐武恒 ,  谢泽澄 ,  吴新 ,  邓华伟 ,  廖明辉 ,  黄铮 ,  朱声高

IPC: G06V30/148

Abstract: 本申请提供了一种基于云计算技术的图像识别方法，包括：云计算平台对用户上传的原始图像进行切分，得到M个切片图像，并对每个切片图像进行裁剪，得到M组子切片图像，每组子切片图像中的不同子切片图像尺寸相同；云计算平台利用AI模型识别每组子切片图像，得到M组文本子串，从而基于M组文本子串生成原始图像中的文本，并向用户提供该文本，或者保存该文本。如此，在识别原始图像中的文本时，无需对切片图像进行压缩，这可以避免压缩切片图像所产生的信息损失会对图像识别产生影响，从而可以提高识别原始图像中的文本的准确性。此外，本申请还提供了对应的装置及相关设备。

公开(公告)号：CN117407554A

公开(公告)日：2024-01-16

申请号：CN202210800207.1

申请日：2022-07-08

Applicant: 华为云计算技术有限公司

Inventor： 王豪 ,  白翔 ,  廖明辉 ,  刘文予 ,  王晶 ,  朱声高 ,  罗华霖 ,  楼燚航

IPC: G06F16/583 ,  G06V30/14 ,  G06V30/19

Abstract: 本申请提供了一种数据检索方法，包括：获取关键词以及待检索的目标图像，并确定该目标图像中的多个包括文本子串的图像区域在目标图像中的位置，从多个图像区域中确定文本子串与关键词相匹配的目标图像区域，并输出该目标图像区域在目标图像中的位置。如此，数据检索装置能够定位并输出与该关键词相匹配的文本子串在目标图像中的位置(即目标图像区域所在的位置)，实现关键词在目标图像上的定位，可以满足图像脱敏、图像合法性检测等场景中的实际应用需求。此外，本申请还提供了对应的装置、设备及存储介质。

公开(公告)号：CN117273116A

公开(公告)日：2023-12-22

申请号：CN202210663455.6

申请日：2022-06-13

Applicant: 华为云计算技术有限公司

Inventor： 杨明锟 ,  廖明辉 ,  卢普 ,  王晶 ,  朱声高 ,  罗华霖 ,  田奇 ,  白翔 ,  楼燚航

IPC: G06N3/0895 ,  G06N3/10

Abstract: 本申请提供了一种模型训练方法，包括：获取原始数据及待训练的特征提取网络模型；根据该原始数据，生成扩增样本以及掩码样本，扩增样本通过对原始数据进行扩增得到，掩码样本通过在原始数据中添加掩码得到，从而利用扩增样本对特征提取网络模型进行自监督的对比式学习，并利用掩码样本对特征提取网络模型进行自监督的生成式学习，即可得到目标模型。如此，不仅可以有效减少训练特征网络提起模型所需的人力成本、提高模型训练的整体效率。而且，通过结合生成式学习以及对比式学习，能够提取出训练样本内的上下文依赖关系以及重要的区分性特征，从而可以提高目标模型提取特征的准确性。此外，本申请还提供了对应的装置、设备及存储介质。

公开(公告)号：CN119107516A

公开(公告)日：2024-12-10

申请号：CN202310875855.8

申请日：2023-07-17

Applicant: 华为云计算技术有限公司

Inventor： 徐武恒 ,  廖明辉 ,  谢泽澄

IPC: G06V10/774 ,  G06V10/82 ,  G06N3/0455 ,  G06V10/40

Abstract: 一种图像识别模型训练方法，可应用于云计算领域。该方法包括：在用户本地的第一训练装置，将用户本地存储的第一图像数据集输入编码模块中，以对编码模块进行训练，得到已训练的编码模块；在云端的第二训练装置，从第一训练装置获取已训练的编码模块；以及，将云端存储的已标注的第二图像数据集，输入包含识别模块和已训练的编码模块的图像识别模型中，以对识别模块进行训练，得到已训练的识别模块。该方法可以在避免用户的隐私泄露的情况下，利用用户的图像数据训练图像识别模型。