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。

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：CN117217292A

公开(公告)日：2023-12-12

申请号：CN202210604357.5

申请日：2022-05-30

Applicant: 华为云计算技术有限公司

Inventor： 史佳欣 ,  朴世豪 ,  田奇

IPC: G06N3/096 ,  G06N3/0895 ,  G06F18/214 ,  G06F18/23

Abstract: 一种模型训练方法及装置，该方法中，训练设备从AI平台的提示参数池中选择第一提示参数集合；基于第一提示参数集合，得到初始化后的任务模型，任务模型包括提示层和基础模型，其中，第一提示参数集合用于初始化提示层，基础模型是部署于所述AI平台中的预训练的AI模型；基于训练数据集训练所述初始化后的任务模型，得到训练后的任务模型。在使用第一提示参数集合初始化后的任务模型的基础上进行训练，可以提高训练效率，节省算力开销。

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。