-
公开(公告)号：CN112445823B
公开(公告)日：2024-11-26
申请号：CN201910834158.1
申请日：2019-09-04
Applicant: 华为技术有限公司
IPC: G06F16/2455 , G06N3/0442 , G06N3/0464 , G06N3/084
Abstract: 本申请提供了人工智能领域中计算机视觉领域的一种神经网络结构的搜索方法、图像处理方法及装置。其中，该神经网络结构的搜索方法包括：根据目标任务确定搜索网络，搜索网络包括结构空间和参数空间；根据目标任务的训练数据，对参数空间进行更新，以获取更新参数空间；从搜索网络中确定子网络集合；对子网络集合进行更新，以获取更新子网络集合；根据更新参数空间和更新子网络集合，确定与目标任务对应的多个目标神经网络。上述技术方案能够通过一次搜索获得多个目标神经网络模型，使得用户可以根据应用场景中的资源约束选择合适的模型进行应用。
-
公开(公告)号：CN112445823A
公开(公告)日：2021-03-05
申请号：CN201910834158.1
申请日：2019-09-04
Applicant: 华为技术有限公司
IPC: G06F16/2455 , G06N3/04
Abstract: 本申请提供了人工智能领域中计算机视觉领域的一种神经网络结构的搜索方法、图像处理方法及装置。其中，该神经网络结构的搜索方法包括：根据目标任务确定搜索网络，搜索网络包括结构空间和参数空间；根据目标任务的训练数据，对参数空间进行更新，以获取更新参数空间；从搜索网络中确定子网络集合；对子网络集合进行更新，以获取更新子网络集合；根据更新参数空间和更新子网络集合，确定与目标任务对应的多个目标神经网络。上述技术方案能够通过一次搜索获得多个目标神经网络模型，使得用户可以根据应用场景中的资源约束选择合适的模型进行应用。
-
公开(公告)号：CN110222717A
公开(公告)日：2019-09-10
申请号：CN201910384600.5
申请日：2019-05-09
Applicant: 华为技术有限公司
Abstract: 本申请公开了人工智能领域中计算机视觉领域的一种图像处理方法及装置。其中，该图像处理方法，包括：获取待处理图像；根据目标图像压缩网络对该待处理图像进行压缩处理，得到该待处理图像的目标压缩图像，其中，该目标图像压缩网络的参数是根据该目标图像压缩网络对样本图像进行压缩处理的图像损失确定的，该图像损失包括感知损失，该感知损失是指该样本图像的特征向量与该样本图像对应的压缩图像的特征向量之间的差异，该待处理图像的特征向量与该目标压缩图像的特征向量的差异在预设范围内；基于该目标压缩图像进行识别，得到识别结果。本申请的技术方案能够提高计算机视觉系统识别目标压缩图像的准确率。
-
公开(公告)号：CN111382868A
公开(公告)日：2020-07-07
申请号：CN202010109054.7
申请日：2020-02-21
Applicant: 华为技术有限公司
Abstract: 本申请提供利用人工智能技术进行神经网络结构搜索的方法和装置。本申请的技术方案中，根据给定搜索空间和目标设备的资源约束条件来训练采样模型，以使得该采样模型从该给定搜索空间中采样得到满足该资源约束条件的神经网络结构，然后使用该采样模型从该采样模型从该给定搜索空间中采样得到的候选搜索空间，并搜索目标神经网络结构，该技术方案可以保证搜索得到满足目标设备的资源约束条件的神经网络，从而可以提高神经网络结构的搜索效率。此外，本申请还提出了先搜索神经网络结构的关键层，再搜索神经网络结构的非关键层的技术方案，不仅可以搜索得到更优的神经网络结构，还可以进一步提高神经网络结构的搜索效率。
-
公开(公告)号：CN110473137A
公开(公告)日：2019-11-19
申请号：CN201910336216.8
申请日：2019-04-24
Applicant: 华为技术有限公司
Abstract: 本申请提供了一种图像处理方法，该方法包括：获取输入特征图；根据存储的多个基础卷积核和组合参数，对所述输入特征图进行卷积得到输出特征图，其中，所述组合参数用于指示所述多个基础卷积核组合成标准卷积核的排列顺序，所述基础卷积核的尺寸小于所述标准卷积核的尺寸；基于所述输出特征图进行图像处理，得到处理结果。本申请实施例提供的图像处理方法，能够减少进行图像处理所需使用的卷积神经网络模型的存储空间。
-
Patent Agency Ranking
公开(公告)号：CN111382868B
公开(公告)日：2024-06-18
申请号：CN202010109054.7
申请日：2020-02-21
Applicant: 华为技术有限公司
Abstract: 本申请提供利用人工智能技术进行神经网络结构搜索的方法和装置。本申请的技术方案中，根据给定搜索空间和目标设备的资源约束条件来训练采样模型，以使得该采样模型从该给定搜索空间中采样得到满足该资源约束条件的神经网络结构，然后使用该采样模型从该采样模型从该给定搜索空间中采样得到的候选搜索空间，并搜索目标神经网络结构，该技术方案可以保证搜索得到满足目标设备的资源约束条件的神经网络，从而可以提高神经网络结构的搜索效率。此外，本申请还提出了先搜索神经网络结构的关键层，再搜索神经网络结构的非关键层的技术方案，不仅可以搜索得到更优的神经网络结构，还可以进一步提高神经网络结构的搜索效率。
-
公开(公告)号：CN111368972B
公开(公告)日：2023-11-10
申请号：CN202010109185.5
申请日：2020-02-21
Applicant: 华为技术有限公司
IPC: G06N3/0495 , G06N3/047 , G06N3/0464 , G06N3/045 , G06V10/82
Abstract: 本申请公开了一种卷积层量化方法，应用于人工智能领域，包括：获取图像数据、标注值、第一卷积神经网络以及N个候选量化值，第一卷积神经网络包括目标卷积层，目标卷积层包括权重值，权重值对应于N个概率值，N个概率值中的每个概率值对应一个候选量化值，权重值为根据N个概率值和N个候选量化值确定的量化期望值；通过第一卷积神经网络对图像数据进行处理，得到第二卷积神经网络，第二卷积神经网络包括更新后的权重值；对更新后的权重值进行权重量化，得到第三卷积神经网络。本申请可以提高网络参数的更新精度。
-
公开(公告)号：CN110473137B
公开(公告)日：2021-09-14
申请号：CN201910336216.8
申请日：2019-04-24
Applicant: 华为技术有限公司
Abstract: 本申请提供了一种图像处理方法，该方法包括：获取输入特征图；根据存储的多个基础卷积核和组合参数，对所述输入特征图进行卷积得到输出特征图，其中，所述组合参数用于指示所述多个基础卷积核组合成标准卷积核的排列顺序，所述基础卷积核的尺寸小于所述标准卷积核的尺寸；基于所述输出特征图进行图像处理，得到处理结果。本申请实施例提供的图像处理方法，能够减少进行图像处理所需使用的卷积神经网络模型的存储空间。
-
公开(公告)号：CN111368972A
公开(公告)日：2020-07-03
申请号：CN202010109185.5
申请日：2020-02-21
Applicant: 华为技术有限公司
Abstract: 本申请公开了一种卷积层量化方法，应用于人工智能领域，包括：获取图像数据、标注值、第一卷积神经网络以及N个候选量化值，第一卷积神经网络包括目标卷积层，目标卷积层包括权重值，权重值对应于N个概率值，N个概率值中的每个概率值对应一个候选量化值，权重值为根据N个概率值和N个候选量化值确定的量化期望值；通过第一卷积神经网络对图像数据进行处理，得到第二卷积神经网络，第二卷积神经网络包括更新后的权重值；对更新后的权重值进行权重量化，得到第三卷积神经网络。本申请可以提高网络参数的更新精度。
-
公开(公告)号：CN110222717B
公开(公告)日：2022-01-14
申请号：CN201910384600.5
申请日：2019-05-09
Applicant: 华为技术有限公司
Abstract: 本申请公开了人工智能领域中计算机视觉领域的一种图像处理方法及装置。其中，该图像处理方法，包括：获取待处理图像；根据目标图像压缩网络对该待处理图像进行压缩处理，得到该待处理图像的目标压缩图像，其中，该目标图像压缩网络的参数是根据该目标图像压缩网络对样本图像进行压缩处理的图像损失确定的，该图像损失包括感知损失，该感知损失是指该样本图像的特征向量与该样本图像对应的压缩图像的特征向量之间的差异，该待处理图像的特征向量与该目标压缩图像的特征向量的差异在预设范围内；基于该目标压缩图像进行识别，得到识别结果。本申请的技术方案能够提高计算机视觉系统识别目标压缩图像的准确率。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.033 seconds)
