-
公开(公告)号：CN113065633B
公开(公告)日：2024-07-09
申请号：CN202110217479.4
申请日：2021-02-26
Applicant: 华为技术有限公司
IPC: G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/082 , G06N3/084
Abstract: 本申请提供人工智能领域中一种模型训练方法及其相关联设备，在确定用于更新模型参数的损失的过程中，所考虑的因素较为全面，故得到的神经网络具有较强的泛化能力。本申请的方法包括：获取与目标域图像相关联的第一源域图像和与目标域图像相关联的第二源域图像；通过第一待训练模型获取第一源域图像的第一预测标签和第二源域图像的第二预测标签；根据第一预测标签和第二预测标签，获取第一损失，第一损失用于指示第一预测标签和第二预测标签之间的差异；根据第一损失更新第一待训练模型的参数，得到第一神经网络。
-
公开(公告)号：CN113011568B
公开(公告)日：2024-06-21
申请号：CN202110352634.3
申请日：2021-03-31
Applicant: 华为技术有限公司
IPC: G06V10/82 , G06N3/0464 , G06N3/042 , G06V10/74 , G06V10/764 , G06N3/08 , G06F17/16
Abstract: 本申请实施例公开了一种模型的训练方法、数据处理方法及设备，可应用于人工智能领域中，具体可应用于计算机视觉领域，方法包括：首先为每个域(包括目标域和多个源域)的每个类别建立原型(即类别中心)，再在每个域内基于计算出的原型建立一个关系矩阵(即相似度矩阵)，之后根据每个域各自对应的相似度矩阵构建得到一个目标张量，通过相似度矩阵构建域之间的高阶关联，并将该高阶关联融合进目标损失函数，使得模型学习提取域无关的特征。该方法借助张量的低秩约束挖掘多个源域和目标域之间的高阶关联，增强了不同域上提取的特征的一致性，使得模型即使在没有见过的目标域上也有不错的性能提升，并且不会额外增加推理阶段的运行时间及计算开销。
-
公开(公告)号：CN117392476A
公开(公告)日：2024-01-12
申请号：CN202211179775.0
申请日：2022-09-26
Applicant: 华为技术有限公司
IPC: G06V10/774 , G06V10/778 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 一种目标检测模型的训练方法，该方法可包括：将第一样本图像输入至初始增强模型中进行第一训练，得到第一增强模型，所述第一增强模型用于对图像进行增强处理；以第二样本图像作为输入，根据所述第一增强模型和初始检测模型进行第二训练，得到第一检测模型，所述第一检测模型用于检测图像中的目标；其中，所述目标检测模型依次包括所述第一增强模型和所述第一检测模型。该手段通过先训练增强模型，再基于训练好的增强模型来训练检测模型，这样可以实现基于检测模型的优化目标对整个目标检测模型的训练，可以实现端到端的联合优化。
-
公开(公告)号：CN113095475B
公开(公告)日：2025-03-18
申请号：CN202110230360.0
申请日：2021-03-02
Applicant: 华为技术有限公司
IPC: G06V10/82 , G06V10/774 , G06N3/045 , G06N3/096
Abstract: 本申请实施例公开一种神经网络的训练方法、图像处理方法以及相关设备，该方法可用于人工智能领域的图像处理领域中，方法包括：获取第一训练数据集和第二训练数据集，第一训练数据集中的第一训练图像为将源域的带标签的训练图像与目标域的带标签的训练图像在像素层级进行混合后得到，第二训练数据集包括来自于目标域的无标签的训练图像；根据第一训练数据集对第一神经网络进行训练，以得到第一教师网络；根据第一教师网络和第二训练数据集，采用知识蒸馏的方式，对第一学生网络进行训练。增加了教师网络在训练过程的难度，从而提高了训练后的教师网络对目标域的图像的处理能力，有利于提高训练后的学生网络在处理目标域的图像时的性能。
-
公开(公告)号：CN117455946A
公开(公告)日：2024-01-26
申请号：CN202210848383.2
申请日：2022-07-19
Applicant: 华为技术有限公司
Abstract: 本申请公开一种检测运动对象的方法及装置，涉及图像处理领域，以实现准确且部署简单的运动对象检测。该方案包括：采用目标检测模型对第一图像帧进行目标提取，得到标记于第一图像帧上的初始目标框；提取第一图像帧中候选目标框位置的特征，候选目标框为处于第一图像帧的区域分割图中非背景区域的初始目标框；根据候选目标框位置的特征，将候选目标框标记的候选运动对象，与第一图像帧之前的图像帧中的匹配的运动对象关联，并确定候选运动对象的移动速率；将移动速率满足运动条件的候选运动对象，确定为第一图像帧中的运动对象。
-
Patent Agency Ranking
公开(公告)号：CN117421645A
公开(公告)日：2024-01-19
申请号：CN202211354393.7
申请日：2022-10-31
Applicant: 华为技术有限公司
IPC: G06F18/241 , G06N3/0464 , G06N3/084
Abstract: 本申请公开了一种分类方法。该方法中，通过第一神经网络获得第一待分类数据的第一特征；根据第一特征和类别特征库，确定第一待分类数据的分类结果，类别特征库包括多个类别各自的类别特征，多个类别包括第一类别，第一类别的类别特征基于描述第一类别的语义信息的标签文本得到。这样，可以充分利用各个类别的标签文本来对第一待分类数据进行分类，从而参考多维度的特征信息来执行分类任务，有效缓解小样本增量学习中的过拟合的问题。此外，在一些示例中，多个类别可以包括历史类别以及新增类别，类别特征库可以有效保留历史类别以及新增类别的知识并应用于分类任务中，从而改善小样本增量学习中的灾难性遗忘的问题。
-
公开(公告)号：CN113095475A
公开(公告)日：2021-07-09
申请号：CN202110230360.0
申请日：2021-03-02
Applicant: 华为技术有限公司
Abstract: 本申请实施例公开一种神经网络的训练方法、图像处理方法以及相关设备，该方法可用于人工智能领域的图像处理领域中，方法包括：获取第一训练数据集和第二训练数据集，第一训练数据集中的第一训练图像为将源域的带标签的训练图像与目标域的带标签的训练图像在像素层级进行混合后得到，第二训练数据集包括来自于目标域的无标签的训练图像；根据第一训练数据集对第一神经网络进行训练，以得到第一教师网络；根据第一教师网络和第二训练数据集，采用知识蒸馏的方式，对第一学生网络进行训练。增加了教师网络在训练过程的难度，从而提高了训练后的教师网络对目标域的图像的处理能力，有利于提高训练后的学生网络在处理目标域的图像时的性能。
-
公开(公告)号：CN113065633A
公开(公告)日：2021-07-02
申请号：CN202110217479.4
申请日：2021-02-26
Applicant: 华为技术有限公司
Abstract: 本申请提供人工智能领域中一种模型训练方法及其相关联设备，在确定用于更新模型参数的损失的过程中，所考虑的因素较为全面，故得到的神经网络具有较强的泛化能力。本申请的方法包括：获取与目标域图像相关联的第一源域图像和与目标域图像相关联的第二源域图像；通过第一待训练模型获取第一源域图像的第一预测标签和第二源域图像的第二预测标签；根据第一预测标签和第二预测标签，获取第一损失，第一损失用于指示第一预测标签和第二预测标签之间的差异；根据第一损失更新第一待训练模型的参数，得到第一神经网络。
-
公开(公告)号：CN117034096A
公开(公告)日：2023-11-10
申请号：CN202210468432.X
申请日：2022-04-29
Applicant: 华为技术有限公司
IPC: G06F18/241 , G06F18/214
Abstract: 一种模型处理方法、装置、服务器及存储介质，包括：服务器可根据第一域空间与第二域空间之间的近邻对集合为第二域空间中的数据添加公共类标签(如第一类标签)，该公共类标签指示的数据将被第三域空间使用，该第三域空间是与前述的第一域空间、第二域空间不同的其他域空间，避免了服务器仅根据单个域空间(第二域空间)中的数据为数据添加标签，导致第二域空间中数据的标签与第一域空间中数据的标签差异较大，因而，提高了第二域空间中的数据的标签的准确性。如此，由源模型和添加了标签的第二域空间确定的目标模型的在第二域空间中的数据处理能力提高，模型在不同域空间中进行迁移(UDA)的效果提升。
-
公开(公告)号：CN111931764A
公开(公告)日：2020-11-13
申请号：CN202010615011.6
申请日：2020-06-30
Applicant: 华为技术有限公司
Abstract: 本申请实施例公开了一种目标检测方法、目标检测框架及相关设备，可应用于人工智能领域中的计算机视觉领域，该方法包括：首先对输入图像提取角点特征，生成角热点图，并基于角热点图得到角点对，再基于角点对构建目标框，这种构建方法由于不考虑生成目标框的质量，过程简单快速，为下一步高质量目标框的筛选奠定基础。之后通过对各目标框包括的图像信息抠取内部特征(如通过RoIAlign)，实现对枚举生成的目标框的进一步筛选，选出其中质量较高的目标框，去除质量低的目标框及错误目标框，本申请与基于锚框(anchor)的目标检测方法相比，增加了目标框构建的灵活性和目标框尺寸的多样性，同时充分利用了目标框包括的图像的内部信息，使目标框的判断更准确。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.094 seconds)
