-
公开(公告)号：CN117649586A
公开(公告)日：2024-03-05
申请号：CN202210970177.9
申请日：2022-08-12
Applicant: 华为技术有限公司
IPC: G06V10/82 , G06V10/74 , G06V10/764 , G06N3/045 , G06N3/096
Abstract: 本申请涉及一种图像处理方法、装置和存储介质。该方法可用于第一神经网络模型，该方法包括：根据获取的图像数据，确定第一特征数据、第二特征数据和第三特征数据；利用第一参数和第二参数，分别对第一特征数据和第二特征数据进行调整，得到调整后的第一特征数据和调整后的第二特征数据；分别对调整后的第一特征数据、调整后的第二特征数据和第三特征数据进行量化，得到量化后的第一特征数据、量化后的第二特征数据和量化后的第三特征数据；根据量化后的第一特征数据、量化后的第二特征数据和量化后的第三特征数据，确定图像数据的预测结果。根据本申请实施例，可以使模型在保持较小计算量、参数量的同时性能更佳，易于部署于各种终端设备。
-
公开(公告)号：CN116229143A
公开(公告)日：2023-06-06
申请号：CN202211673092.0
申请日：2022-12-26
Applicant: 华为技术有限公司
IPC: G06V10/764 , G06V10/26 , G06V10/40 , G06V10/77 , G06V10/80 , G06V10/30 , G06V10/82 , G06N3/0464 , G06N3/0499 , G06N3/0455 , G06N3/047 , G06N3/08
Abstract: 一种图像处理方法，包括：获取第一图像；对第一图像进行特征提取；对提取到的n个第一特征图进行融合，且在第i次融合时，获取第(i‑1)次融合得到的特征图所包含的像素所属类别的向量表示，并对向量表示和第i次所需融合的第一特征图进行融合，以得到第i次融合的特征图；基于最后一次融合得到的特征图，得到第二图像，第二图像用于表征第一图像所包含的像素所属的类别。这样，进行特征图融合时，先由小尺度的特征图获取到该特征图所包含的像素所属类别的向量表示，再将获取到的各个像素所属类别的向量表示与大尺度的特征图进行融合，实现了像素与像素所属的类别的融合，避免了特征图中噪声点或异常点特征的影响，提升了对图像进行语义分割的准确度。
-
公开(公告)号：CN113191489A
公开(公告)日：2021-07-30
申请号：CN202110494162.5
申请日：2021-04-30
Applicant: 华为技术有限公司
Abstract: 本申请涉及人工智能领域中计算机视觉领域的图像处理技术，公开了一种二值神经网络模型训练方法、图像处理方法和装置。训练方法包括：S1：确定知识蒸馏框架；教师网络为训练好的神经网络模型，学生网络为初始二值神经网络模型M0；S2：利用第j+1批图像和目标损失函数训练二值神经网络模型Mj，得到二值神经网络模型Mj+1；目标损失函数包含角度损失项，角度损失项用于描述教师网络中特征矩阵和权重矩阵间夹角和学生网络中特征矩阵和权重矩阵间夹角的差异；S3：当满足预设条件时，将二值神经网络模型Mj+1作为目标二值神经网络模型；否则令j＝j+1，并重复步骤S2。申请实施例，可以提升二值神经网络模型的预测精度。
-
公开(公告)号：CN110222718A
公开(公告)日：2019-09-10
申请号：CN201910386393.7
申请日：2019-05-09
Applicant: 华为技术有限公司
Abstract: 本申请属于人工智能领域的计算机视觉领域。本申请提供了一种图像处理的方法，包括：获取待处理图像；对待处理图像进行处理，得到N个第一初始置信度，N个第一初始置信度与待处理图像所对应的N个种类一一对应；获取先验信息；根据先验信息，得到与N个第一初始置信度一一对应的N个第一修正置信度；根据N个第一修正置信度，对N个第一初始置信度中的n个第一初始置信度进行修正，得到待处理图像属于N个种类的N个置信度，n≤N且n为正整数；根据N个置信度，确定待处理图像对应的标签。本申请提供一种图像处理的方法及装置，目的在于显著提高图像识别的准确率。
-
公开(公告)号：CN113537462B
公开(公告)日：2025-04-04
申请号：CN202110742803.4
申请日：2021-06-30
Applicant: 华为技术有限公司
IPC: G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084
Abstract: 本申请实施例提供一种数据处理方法、神经网络的量化方法及相关装置，该方法包括：获取待处理数据；将待处理数据输入神经网络，确定神经网络的一个或多个卷积层提取的特征图，特征图包含m*n个特征参数，m和n为正整数；确定特征图中每一个特征参数的不确定性，其中，特征参数的不确定性用于表征特征参数在二值化过程中，接近于零的特征参数的符号的波动性；基于特征参数所对应的不确定性计算特征参数的二值化特征，二值化特征用于确定特征矩阵，特征矩阵中包含的m*n个二值化特征与m*n个特征参数一一对应；基于特征矩阵得到待处理数据的处理结果。采用本申请实施例，能够减小内存开销，提高运算速度。
-
Patent Agency Ranking
公开(公告)号：CN110959160B
公开(公告)日：2024-12-20
申请号：CN201780093539.8
申请日：2017-08-01
Applicant: 华为技术有限公司
Abstract: 本申请提供了一种手势识别方法，涉及人机交互技术领域，所述方法包括：从视频流中的第一视频段中提取出的M幅图像；通过深度学习算法对该M幅图像进行手势识别，获得该第一视频段对应的手势识别结果，对包含第一视频段在内的连续N个视频段的手势识别结果进行结果融合，获得融合后的手势识别结果。在上述识别过程中，不需要对视频流中的手势进行分割和跟踪，而是通过计算速度较快的深度学习算法来识别各个阶段动作，再将各个阶段动作融合，从而达到提高手势识别的速度，降低手势识别的延迟的效果。
-
公开(公告)号：CN109902675B
公开(公告)日：2021-05-04
申请号：CN201811080211.5
申请日：2018-09-17
Applicant: 华为技术有限公司
Abstract: 本申请提供一种物体的位姿获取方法、场景重构的方法和装置。本申请物体的位姿获取方法，包括：获取二维场景图像；通过机器学习得到图像的全局特征图；从图像中获取多个ROI，并获取各ROI的特征图；根据部分或全部ROI的特征图联合预测图像中的物体的共同上轴信息；根据目标ROI的特征图预测目标ROI中的目标物体的个体信息，目标ROI为多个ROI中包括图像中需要进行位姿获取的目标物体的ROI；根据目标ROI中目标物体的个体信息和共同上轴信息获取目标物体的位姿。本申请提高物体位姿估计的效率，保证位姿估计的准确率。
-
公开(公告)号：CN110084281A
公开(公告)日：2019-08-02
申请号：CN201910254752.3
申请日：2019-03-31
Applicant: 华为技术有限公司
Abstract: 本发明公开了人工智能领域中的一种图像生成方法、神经网络的压缩方法及相关装置、设备，该图像生成方法包括将第一矩阵输入初始图像生成器，得到生成图像；将生成图像输入预设判别器，得到判别结果，其中，预设判别器是经过真实图像和所述真实图像对应的分类训练得到的；根据判别结果更新初始图像生成器，得到目标图像生成器；进而，将第二矩阵输入目标图像生成器，得到样本图像。进一步地，还公开一种神经网络的压缩方法，基于上述图像生成方法得到的样本图像对预设判别器进行压缩。
-
公开(公告)号：CN117456297A
公开(公告)日：2024-01-26
申请号：CN202311140966.0
申请日：2019-03-31
Applicant: 华为技术有限公司
IPC: G06V10/774 , G06V10/776 , G06V10/778 , G06V10/82 , G06V10/764 , G06V30/19 , G06V40/16 , G06N3/0495 , G06N3/044 , G06N3/045 , G06N3/047 , G06N3/048 , G06N3/0475 , G06N3/084 , G06N3/088
Abstract: 本发明公开了人工智能领域中的一种图像生成方法、神经网络的压缩方法及相关装置、设备，该图像生成方法包括将第一矩阵输入初始图像生成器，得到生成图像；将生成图像输入预设判别器，得到判别结果，其中，预设判别器是经过真实图像和所述真实图像对应的分类训练得到的；根据判别结果更新初始图像生成器，得到目标图像生成器；进而，将第二矩阵输入目标图像生成器，得到样本图像。进一步地，还公开一种神经网络的压缩方法，基于上述图像生成方法得到的样本图像对预设判别器进行压缩。
-
公开(公告)号：CN108509830B
公开(公告)日：2020-12-01
申请号：CN201710112989.9
申请日：2017-02-28
Applicant: 华为技术有限公司
Abstract: 本申请提供了一种视频数据处理方法及设备，用于提高深度学习时提取视频数据的时间信息的精度。该方法包括：计算视频数据的时间信息分量；其中，所述视频数据包括至少两个视频帧，所述时间信息分量用于表征所述至少两个视频帧中每个视频帧所包含的像素点在时间维度上的分布情况；根据所述时间信息分量，确定所述视频数据的时间特征信息；其中，所述时间特征信息用于表征所述至少两个视频帧所包含的像素点在时间维度上的变化情况。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.026 seconds)
