-
公开(公告)号：CN116595064A
公开(公告)日：2023-08-15
申请号：CN202310489543.3
申请日：2023-04-28
Applicant: 华为技术有限公司
IPC: G06F16/2458 , G06F16/532 , G06F16/583 , G06V20/58 , G06V10/74 , G06V10/52 , G06V10/77
Abstract: 本申请提供了一种图文信息联合的数据挖掘系统、方法以及装置。首先提取数据池之中目标物体的数据池特征，数据池特征是基于目标物体的部分或者全部的单视角图像提取得到的。其次提取查询信息之中待查询物体的查询特征，查询特征通过融合文本语义特征和查询图像特征得到。最后确定数据池特征和查询特征的特征相似度，根据特征相似度的阈值设置输出在目标物体之中与待查询物体相关的挖掘结果。通过融合图像和文本两种模态的数据作为查询信息，降低文本包含的语义不确定性和图像包含的纹理不确定性。通过融合多视角的摄像设备的图像数据作为数据池数据，避免单个摄像设备无法覆盖完整目标物体的情况，提高数据池目标物体特征的完整性。
-
公开(公告)号：CN116561194A
公开(公告)日：2023-08-08
申请号：CN202310379187.X
申请日：2023-03-31
Applicant: 华为技术有限公司
IPC: G06F16/2458 , G06F9/445 , G06N5/025 , G06V10/40 , G06V10/74 , G06V10/774
Abstract: 一种端云协同数据挖掘方法，包括：云端根据业务需求确定目标文本和任务配置文件；通过文本编码器对目标文本编码获得文本特征；将文本特征放在任务配置文件中一起下发至车端；车端通过第一图片编码器对图像数据编码获得图像特征；计算文本特征和图像特征的相似度的值；根据相似度的值和任务配置文件确定目标图片；将目标图片上传至云端；其中，第一图片编码器是第二图片编码器经过压缩和调优得到的；文本编码器和第二图片编码器为图文多模态大模型的两个模块。本申请应用于自动驾驶影子模式中，能够利用一个大模型完成任意兴趣目标文本的数据挖掘，无需针对每一类兴趣目标设计开发检测规则。可不断更新优化车端的图片编码器，提高模型迭代效率。
-
公开(公告)号：CN116503595A
公开(公告)日：2023-07-28
申请号：CN202310379811.6
申请日：2023-03-31
Applicant: 华为技术有限公司
Abstract: 本申请涉及计算机视觉领域，尤其涉及一种基于点监督的实例分割方法、装置及存储介质。所述方法包括：获取目标图像，目标图像包括n个实例物体，n为正整数；确定n个实例物体各自对应的实例注意力图；对于至少一个实例物体，将实例物体对应的实例注意力图划分为多个组件注意力图，多个组件注意力图指示实例注意力图的图像特征与实例物体的各语义组件的关键点特征之间的最大相似性；根据至少一个实例物体对应的多个组件注意力图，确定实例物体的分割结果。本申请实施例通过将实例物体对应的实例注意力图划分为多个组件注意力图，有效地提高了所需分割目标的内部特征相关性，从而使得分割精度更为准确。
-
公开(公告)号：CN109961397B
公开(公告)日：2023-07-28
申请号：CN201810327009.1
申请日：2018-04-12
IPC: G06T3/40
Abstract: 本申请实施例提供一种图像重建方法及设备，该方法包括：对第一图像的M个部分分别进行重建得到M个重建的部分；第一图像的M个部分的组合为第一图像；第一图像的M个部分是根据第一图像中对象的固定结构划分的，M为大于1的正整数；第一图像的M个部分中每个部分的分辨率低于对应的重建的部分的分辨率；将M个重建的部分进行组合得到重建的第二图像。实施本申请实施例，可以提高重建图像的质量。
-
公开(公告)号：CN110678878B
公开(公告)日：2022-12-13
申请号：CN201780088761.9
申请日：2017-03-20
Applicant: 华为技术有限公司
Abstract: 本申请涉及人工智能，具体涉及计算机视觉，应用于图像处理，例如图像识别，等相关场景。本申请提供一种表观特征的描述属性识别方法及装置，通过获取目标图像的表观特征的位置特征，确定表观特征所体现的人物的部位在预设人物模型中的位置。表观特征的位置特征，用于表示表观特征所体现的人物的部位在预设人物模型中的位置，以根据位置特征，识别目标区域，目标区域包括人物的部位；然后对目标区域进行特征分析，识别人物的表观特征的描述属性。通过确定具有局部属性的表观特征的位置特征，对于具有局部属性的表观特征，针对性选取目标图像中的，表观特征所体现的人物的部位所在的目标区域，作为特征分析的识别区域，减少无意义的识别区域，简化图像处理操作过程，节约描述属性的识别时间，降低计算机图像处理的工作负荷。
-
Patent Agency Ranking
公开(公告)号：CN109902548B
公开(公告)日：2022-05-31
申请号：CN201810810453.9
申请日：2018-07-20
Applicant: 华为技术有限公司 , 中国科学院自动化研究所
Abstract: 本发明实施例公开了一种对象属性的识别方法、装置、计算设备及系统，该方法包括：计算设备根据M个姿态关键点在第一图像中提取M个部位的特征，得到M个部位特征图，进而，将所述M个部位特征图输入第一属性识别模型，得到目标对象的第一属性识别结果。其中，第一图像为原始图像或根据原始图像提取得到的原始特征图，该原始图像包括目标对象，目标对象包括M个部位，M个姿态关键点与M个部位一一对应，M个部位与M个部位特征图一一对应。本发明实施例在第一属性识别模型对目标对象进行属性识别之前，将第一图像拆解出与目标对象姿势无关的M个部位特征图，进而克服目标对象的姿势对识别结果的影响，使得对对象的属性识别更加准确，且鲁棒性好。
-
公开(公告)号：CN110678878A
公开(公告)日：2020-01-10
申请号：CN201780088761.9
申请日：2017-03-20
Applicant: 华为技术有限公司
IPC: G06K9/46
Abstract: 一种表观特征的描述属性识别方法及装置，通过获取目标图像的表观特征的位置特征，确定表观特征所体现的人物的部位在预设人物模型中的位置。表观特征的位置特征，用于表示表观特征所体现的人物的部位在预设人物模型中的位置，以根据位置特征，识别目标区域，目标区域包括人物的部位；然后对目标区域进行特征分析，识别人物的表观特征的描述属性。通过确定具有局部属性的表观特征的位置特征，对于具有局部属性的表观特征，针对性选取目标图像中的，表观特征所体现的人物的部位所在的目标区域，作为特征分析的识别区域，减少无意义的识别区域，简化图像处理操作过程，节约描述属性的识别时间，降低计算机图像处理的工作负荷。
-
公开(公告)号：CN109949255A
公开(公告)日：2019-06-28
申请号：CN201711387428.6
申请日：2017-12-20
Applicant: 华为技术有限公司
IPC: G06T5/50
Abstract: 本申请实施例提供一种图像重建方法及设备，该方法包括：将第一图像输入新建的超分辨率模型以得到重建的第二图像，第二图像的分辨率高于第一图像；新建的超分辨率模型是使用误差损失对初始的超分辨率模型进行训练得到的；误差损失包括像素均方差和图像特征均方差；图像特征包含纹理特征、形状特征、空间关系特征和图像高层语义特征中的至少一项。实施本申请实施例，可以提高重建图像的质量。
-
公开(公告)号：CN109902705A
公开(公告)日：2019-06-18
申请号：CN201811281358.0
申请日：2018-10-30
Applicant: 华为技术有限公司 , 中国科学院自动化研究所
IPC: G06K9/62
Abstract: 本发明实施例公开了一种对象检测模型的对抗扰动生成方法和装置。该方法包括：获取第一对抗扰动和第一训练样本集。根据第一训练样本集中的第一训练样本和第一对抗扰动确定出第一对抗样本，基于对象检测模型确定出的第一对抗样本对应的第一目标对象置信度集合对上述第一对抗扰动进行第一次对抗扰动修正，以得到第二对抗扰动。后续每次从第一训练样本集获取新的训练样本后，会基于新的训练样本和上一次对抗扰动修正得到的对抗扰动再次修正得到新的对抗扰动。当N次修正得到的N个对抗扰动收敛时，将第N次对抗扰动修正得到的第N+1对抗扰动确定为对象检测模型对应的目标对抗扰动。采用本发明实施例，可提升对抗扰动生成方法的效率和适用性。
-
公开(公告)号：CN113191479B
公开(公告)日：2024-09-24
申请号：CN202010038486.3
申请日：2020-01-14
Applicant: 华为技术有限公司
Abstract: 本申请提供了人工智能领域中的一种联合学习的方法，应用于联合学习系统，所述联合学习系统包括一个或者多个计算节点以及一个或多个中心节点，所述方法包括：计算节点接收由中心节点发送的第一初级模型，其中，所述第一初级模型是所述中心节点根据中心节点的中心数据库对神经网络进行训练后得到的；所述计算节点使用所述计算节点的本地数据库对所述第一初级模型进行增量学习从而获得第一中级模型；所述计算节点向所述中心节点发送所述第一中级模型，使得所述中心节点对接收到的多个所述第一中级模型进行模型融合从而获得第一高级模型。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.031 seconds)
