公开(公告)号：CN109118459A

公开(公告)日：2019-01-01

申请号：CN201710488970.4

申请日：2017-06-23

Applicant: 南开大学 ,  华为技术有限公司

Inventor： 侯淇彬 ,  程明明 ,  白蔚 ,  周迅溢

IPC: G06T5/10 ,  G06T5/50 ,  G06N3/08 ,  G06K9/46

Abstract: 本申请提供了一种图像显著性物体检测方法与装置。该方法包括：分别对待处理图像进行至少两个卷积层对应的卷积处理，得到待处理图像的至少两个第一特征图，至少两个第一特征图的分辨率小于待处理图像的分辨率，至少两个第一特征图中的任意两个第一特征图的分辨率不同；对至少两个集合中的叠加集合中包含的至少两个第一特征图进行叠加处理，从而得到待处理图像的至少两个第二特征图，其中，至少两个集合分别对应不同的分辨率，至少两个集合与至少两个第二特征图一一对应，叠加集合中包含的第一特征图的分辨率小于等于叠加集合对应的第二特征图的分辨率；对至少两个第二特征图拼接，得到显著性图。本申请能提高显著性物体检测的效果。

公开(公告)号：CN117917672A

公开(公告)日：2024-04-23

申请号：CN202211277119.4

申请日：2022-10-18

Applicant: 华为技术有限公司

Inventor： 舒晗 ,  陈醒濠 ,  王云鹤 ,  尹博文 ,  侯淇彬 ,  程明明

IPC: G06N3/045 ,  G06N3/0464 ,  G06N3/084 ,  G06N5/04 ,  G06V10/82 ,  G06V10/80 ,  G06V10/764 ,  G06V10/26 ,  G06V20/70 ,  G06N3/048

Abstract: 本申请公开了一种基于神经网络的数据处理方法及设备，该神经网络包括至少一个差分加法算子，差分加法算子包括第一加法算子和第二加法算子，可应用人工智能领域，包括：接收待处理数据并预处理，得到第一特征映射，使用差分加法算子对第一特征映射进行特征提取操作，即分别使用第一加法算子和第二加法算子对第一特征映射提取特征，各自得到第一分支输出和第二分支输出，并对第一分支输出和第二分支输出进行融合，并基于融合后的第二特征映射得到输出结果。本申请提出的差分加法算子通过两个加法算子的分支独立学习再进行融合以调整输出的特征映射，解决加法算子特征表征能力弱的问题；基于差分加法算子构建的ANN也解决了传统CNN计算能耗过高的问题。

公开(公告)号：CN107871321A

公开(公告)日：2018-04-03

申请号：CN201610850223.6

申请日：2016-09-23

Applicant: 南开大学 ,  华为技术有限公司

Inventor： 程明明 ,  刘云 ,  侯淇彬 ,  白蔚

IPC: G06T7/11

Abstract: 本发明提供一种图像分割方法及装置，该方法包括：A、获取待分割图像对应的第一分割图像；B、确定当前第一分割图像所需要提取的特征；C、对当前第一分割图像中的每两个相邻区域进行所需要提取的特征的特征值计算，并按照预设算法获取当前第一分割图像中的每两个相邻区域的特征向量；D、根据当前第一分割图像中的每两个相邻区域的特征向量以及预设的特征权值，构造无向图；E、遍历所述无向图中的边，合并无向图，根据所述合并后的无向图得到区域合并后的新的第一分割图像；F、循环执行B-E共N次，其中，N为大于等于2的预设值。该方法能够极大提升图像分割的精度以及速度。

公开(公告)号：CN109118459B

公开(公告)日：2022-07-19

申请号：CN201710488970.4

申请日：2017-06-23

Applicant: 南开大学 ,  华为技术有限公司

Inventor： 侯淇彬 ,  程明明 ,  白蔚 ,  周迅溢

IPC: G06T5/10 ,  G06T5/50 ,  G06N3/08 ,  G06V10/46

Abstract: 本申请提供了一种图像显著性物体检测方法与装置。该方法包括：分别对待处理图像进行至少两个卷积层对应的卷积处理，得到待处理图像的至少两个第一特征图，至少两个第一特征图的分辨率小于待处理图像的分辨率，至少两个第一特征图中的任意两个第一特征图的分辨率不同；对至少两个集合中的叠加集合中包含的至少两个第一特征图进行叠加处理，从而得到待处理图像的至少两个第二特征图，其中，至少两个集合分别对应不同的分辨率，至少两个集合与至少两个第二特征图一一对应，叠加集合中包含的第一特征图的分辨率小于等于叠加集合对应的第二特征图的分辨率；对至少两个第二特征图拼接，得到显著性图。本申请能提高显著性物体检测的效果。

公开(公告)号：CN107871321B

公开(公告)日：2021-08-27

申请号：CN201610850223.6

申请日：2016-09-23

Applicant: 南开大学 ,  华为技术有限公司

Inventor： 程明明 ,  刘云 ,  侯淇彬 ,  白蔚

IPC: G06T7/11

Abstract: 本发明提供一种图像分割方法及装置，该方法包括：A、获取待分割图像对应的第一分割图像；B、确定当前第一分割图像所需要提取的特征；C、对当前第一分割图像中的每两个相邻区域进行所需要提取的特征的特征值计算，并按照预设算法获取当前第一分割图像中的每两个相邻区域的特征向量；D、根据当前第一分割图像中的每两个相邻区域的特征向量以及预设的特征权值，构造无向图；E、遍历所述无向图中的边，合并无向图，根据所述合并后的无向图得到区域合并后的新的第一分割图像；F、循环执行B‑E共N次，其中，N为大于等于2的预设值。该方法能够极大提升图像分割的精度以及速度。

公开(公告)号：CN113807496A

公开(公告)日：2021-12-17

申请号：CN202110604360.2

申请日：2021-05-31

Applicant: 华为技术有限公司 ,  新加坡国立大学

Inventor： 余伟浩 ,  蒋子航 ,  陈飞 ,  侯淇彬 ,  冯佳时

IPC: G06N3/04 ,  G06N3/08

Abstract: 本公开的实施例提供了用于构建神经网络模型的方法、设备、装置、存储介质和程序产品，涉及人工智能领域。在构建神经网络模型的方法中，首先构建包括多个层级的超网络，并训练超网络，以在多个层级中的每个层级处确定经训练的多个类型的神经网络层的参数。通过针对多个层级中的每个层级从经训练的多个类型的神经网络层中选择一个类型的神经网络层，生成多个候选神经网络模型。基于多个候选神经网络模型分别执行预定NLP任务的性能，确定用于NLP的目标神经网络模型。这样，本公开的实施例能够降低构建目标神经网络模型所需的成本并且获得性能更优的目标神经网络模型。