-
公开(公告)号：CN119830979A
公开(公告)日：2025-04-15
申请号：CN202510309307.8
申请日：2025-03-17
Applicant: 鹏城实验室
IPC: G06N3/08 , G06N3/063 , G06N3/048 , G06N3/0464
Abstract: 本申请实施例公开了一种模型数据处理方法、装置、计算机设备及存储介质。包括：获取预训练模型及预训练模型对应的模型数据，预训练模型为状态空间模型结构下的模型；根据模型数据确定预训练模型中需要进行数据处理加速的第一算子；对第一算子进行解耦处理，得到第一算子对应的第二算子，第二算子对应的硬件处理单元和第一算子对应的硬件处理单元不同；获取第二算子对应的待处理数据，并确定待处理数据对应的离散化参数；根据第二算子对待处理数据和离散化参数进行数据处理，得到数据处理结果。以此，通过模型的第一算子进行解耦出的第二算子可以被其他硬件处理单元加载，并对待处理数据进行离散化处理减少模型的计算量，提升了数据处理效率。
-
公开(公告)号：CN119420940B
公开(公告)日：2025-04-08
申请号：CN202510019861.2
申请日：2025-01-07
Applicant: 鹏城实验室
Abstract: 本申请实施例提供了一种面向机器视觉的数据处理方法、装置、设备及介质，属于视觉数据处理技术领域。方法包括：将获取到的初始视觉信息输入训练好的端侧压缩模型中，通过多层次编码器对初始视觉信息进行不同类型的特征提取，得到各个层次下相应类型的编码特征；基于视觉码本对各编码特征分别进行矢量量化处理得到相应类型的压缩信息，以使边云侧系统在接收到的各类型下的压缩信息之后，通过多层次解码器对不同类型压缩信息表征的编码特征进行特征重构，得到各个层次下相应类型的解码特征，进而得到与初始视觉信息匹配的目标视觉信息。本申请能够提高视觉数据的传输效率。
-
公开(公告)号：CN119380125B
公开(公告)日：2025-04-01
申请号：CN202411976862.8
申请日：2024-12-31
Applicant: 鹏城实验室
IPC: G06V10/764 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请公开了一种模型训练方法、车辆识别方法、装置、电子设备及介质，涉及神经网络技术领域。模型训练方法将车辆训练图像输入至初始车辆识别模型得到第一训练图像特征，将车辆增强训练图像输入至训练辅助模型得到第二训练图像特征。然后分别得到局部对比损失、全局对比损失、类间对比损失和类类对比损失，从而得到总损失，基于总损失对初始车辆识别模型的第一网络参数进行迭代更新。在迭代更新的过程中，通过类间对比损失和类类对比损失，提高目标车辆识别模型对不同类别车辆的判别的准确性，以及提高相同类别车辆的位置回归精度，通过局部对比损失和全局对比损失，能够增强目标车辆识别模型的局部和全局特征分布。
-
公开(公告)号：CN112926599B
公开(公告)日：2025-02-07
申请号：CN202110260927.9
申请日：2021-03-10
Applicant: 鹏城实验室
IPC: G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种目标检测方法、装置、智能终端及计算机可读存储介质，其中，上述目标检测方法包括：获取源域图像和目标域图像；对上述源域图像和目标域图像进行特征提取，获取图像特征；基于上述图像特征，获取域不变特征；基于上述域不变特征获取域不变区域特征；基于上述域不变区域特征进行目标检测。其中，上述域不变区域特征即为域不变的实例特征。如此，与现有技术相比，本发明方案考虑了对目标检测非常重要的实例级表示，因而可以使用于专注实例特征层面的目标检测任务，且有利于提高目标检测方法的准确性和迁移能力。
-
公开(公告)号：CN112464749B
公开(公告)日：2025-02-07
申请号：CN202011251133.8
申请日：2020-11-11
Applicant: 鹏城实验室
Abstract: 本发明公开了一种基于规则与学习的交通场景异常目标检测方法，所述方法包括：获取实时采集的交通场景视频数据；对所述交通场景视频数据进行统计和运算，得到目标物体的疑似异常运动信息；根据所述疑似异常运动信息和交通规则，确定交通场景异常运动的目标。本发明实施例通过将采集的交通场景视频数据进行统计和运算，得到目标物体的疑似异常运动信息，再根据疑似异常运动信息和交通规则确定出交通场景异常运动的目标，运算量小，实现高实时性，对交通场景异常运动目标的确定更加精准。
-
Patent Agency Ranking
公开(公告)号：CN114900656B
公开(公告)日：2025-01-28
申请号：CN202210416036.2
申请日：2022-04-20
Applicant: 鹏城实验室
Abstract: 本发明公开了一种交通监控视频流处理方法、装置、系统及存储介质，方法包括：将预设区域的多个路边单元与多个摄像头建立通信连接，并在多个路边单元中更新信息表；根据更新后的信息表和多特征流传输的实时调度算法，在边缘服务器中确定多特征的选择性传输策略和计算资源分配策略；根据确定的策略信息在多个摄像头中上传与预设任务信息对应的视频流，并在边缘服务器中对上传的视频流进行在线推理和分析；根据在线推理和分析结果对预设任务信息中的目标对象进行实时追踪及预测，并输出追踪及预测结果。本发明提出了用于大规模实时监控视频流处理的一体化端‑边‑云架构，为现有的交通监控系统提供精准的低能耗响应及控制服务。
-
公开(公告)号：CN112884815B
公开(公告)日：2025-01-28
申请号：CN202110141583.X
申请日：2021-02-02
Applicant: 鹏城实验室
Abstract: 本发明公开了一种基于多摄像机的车辆追踪方法，包括：获取道路结构与通行属性、摄像机安装参数、历史车流数据和地理信息数据，构建摄像机网络时空拓扑关系；获取目标车辆，在单摄像机内对所述目标车辆进行跟踪；当目标车辆从所述单摄像机中消失后，根据目标车辆与所述单摄像机之间的相对运动类型、车辆行驶方向和时间信息，在所述摄像机网络时空拓扑关系中查找满足约束条件的所述单摄像机的相邻节点作为候选节点集；获取目标车辆车牌、目标车辆画像和深度学习特征，将候选节点集获取的车辆集合的车牌、车辆画像和深度学习特征与目标车辆进行关联识别，得到目标车辆跨摄像机跟踪结果，该方法计算量小，能够得到可靠、鲁棒的目标车辆持续跟踪结果。
-
公开(公告)号：CN119323804A
公开(公告)日：2025-01-17
申请号：CN202411875288.7
申请日：2024-12-19
Applicant: 鹏城实验室
Abstract: 本申请实施例提供了一种检测模型的训练方法、行人检测方法、装置及相关设备，属于计算机视觉技术领域。该方法包括：获取样本行人图像和与样本行人图像中的场景相匹配的样本背景图像，并将样本行人图像和样本背景图像输入初始检测模型中；对样本背景图像中的背景进行特征提取，得到初始背景特征，并对样本行人图像中的行人进行特征提取，得到初始行人特征，融合初始背景特征和初始行人特征得到样本融合特征；对样本融合特征中的背景进行预测，得到样本背景特征；基于样本背景特征和初始背景特征计算得到背景损失值，根据背景损失值训练初始检测模型，得到训练后的检测模型。本申请能够提高行人检测的准确性。
-
公开(公告)号：CN118861214B
公开(公告)日：2024-12-03
申请号：CN202411351960.2
申请日：2024-09-26
Applicant: 鹏城实验室
IPC: G06F16/33 , G06F40/284 , G06F40/205 , G06N3/0464 , G06N3/084
Abstract: 本申请实施例提供了一种视觉语言模型的训练方法、文本生成方法以及相关设备，尤其涉及计算机视觉技术领域。该方法包括：将包含样本文本的样本图像文本对输入至初始视觉语言模型中；将基于样本文本分词得到多个样本子词与预设的多个初始子词进行匹配，确定与初始子词不同的样本子词为新语言下的目标子词；基于为目标子词分配对应的目标嵌入参数对目标子词进行词嵌入处理，利用词嵌入处理得到的目标嵌入特征对样本图像文本对进行视觉语言处理，得到样本输出文本；为目标子词分配对应的目标加权系数，基于目标加权系数和样本输出文本调整目标嵌入参数，得到训练后的视觉语言模型。本申请能够在计算资源受限的情况下，提高视觉语言模型的泛化能力。
-
公开(公告)号：CN118690201B
公开(公告)日：2024-11-12
申请号：CN202411155676.8
申请日：2024-08-22
Applicant: 鹏城实验室
IPC: G06F18/214 , G06F18/241 , G06F18/211 , G06F18/22
Abstract: 本申请提出了一种模型间的特征向后兼容学习方法，通过获取第一分类模型、第二分类模型以及训练数据集；基于第一分类模型以及第二分类模型计算每个子数据集对应的第一特征值以及第二特征值；对第一特征值进行扰动计算，得到对应的第三特征值；基于第二分类模型计算每个数据样本对应的目标特征向量，并根据目标特征向量与第一特征值之间构造负样本对，根据目标特征向量与第三特征值之间构造正样本对，计算得到第一损失函数；基于第二分类模型对训练数据集进行分类，根据第二分类模型的分类正确率计算得到第二分类模型的第二损失函数；基于第一损失函数以及第二损失函数更新第二分类模型的模型参数。该方法能够提高新模型的判别能力。
-
-
-
-
-
-
-
-
-
Search Results
168
records
(took 0.051 seconds)
