“希滕”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果160个，建议您升级VIP下载更多相关专利

[发明专利]预训练模型的生成方法、装置、电子设备以及存储介质-CN202111310390.9在审
发明人：希滕;张刚 -专利权人：北京百度网讯科技有限公司
申请日： 2021-11-05 - 公布日： 2022-02-11 - 主分类号： G06N3/04 文献下载
摘要：本公开提供了一种预训练模型的生成方法、装置、电子设备以及存储介质，涉及人工智能技术领域，尤其涉及计算机视觉和深度学习技术。具体实现方案为：确定与候选模型结构集合对应的性能指标集合，其中，候选模型结构集合是从搜索空间包括的多个模型结构中确定的，搜索空间是基于超网络的搜索空间；根据性能指标集合，分别从候选模型结构集合中确定与多个芯片中的每个芯片对应的目标模型结构，其中，每个目标模型结构是满足性能指标条件的模型结构；针对多个芯片中的每个芯片，将与芯片对应的目标模型结构确定为与芯片对应的预训练模型，其中，芯片用于运行与芯片对应的预训练模型。
训练模型生成方法装置电子设备以及存储介质

[发明专利]预训练模型的生成方法、装置、电子设备以及存储介质-CN202111310437.1在审
发明人：希滕;张刚 -专利权人：北京百度网讯科技有限公司
申请日： 2021-11-05 - 公布日： 2022-02-11 - 主分类号： G06N3/04 文献下载
摘要：本公开提供了预训练模型的生成方法、装置、电子设备、存储介质以及程序产品，涉及人工智能技术领域，尤其涉及计算机视觉和深度学习技术领域。具体实现方案为：针对多个任务中的每个任务，确定与候选模型结构集合对应的性能指标集合，候选模型结构集合是从搜索空间包括的多个模型结构中确定的，搜索空间是基于超网络的搜索空间；根据多个性能指标集合，从候选模型结构集合中确定目标模型结构，目标模型结构是满足性能指标条件的模型结构，多个性能指标集合与多个任务一一对应；以及将目标模型结构确定为预训练模型。
训练模型生成方法装置电子设备以及存储介质

[发明专利]预训练模型、模型的生成方法、数据处理方法及装置-CN202111310439.0在审
发明人：希滕;张刚 -专利权人：北京百度网讯科技有限公司
申请日： 2021-11-05 - 公布日： 2022-02-11 - 主分类号： G06N3/04 文献下载
摘要：本公开提供了预训练模型、模型的生成方法、数据处理方法、装置、电子设备、存储介质以及程序产品，涉及人工智能技术领域，尤其涉及计算机视觉和深度学习技术领域。具体实现方案为：确定预训练模型的关于无标签数据的自监督损失值；确定预训练模型的关于人工标签数据的监督损失值；确定预训练模型的关于机器标签数据的半监督损失值；以及基于自监督损失值、监督损失值和半监督损失值，调整关于预训练模型的参数，得到目标预训练模型。
训练模型生成方法数据处理装置

[发明专利]预训练模型的生成方法、装置、电子设备以及存储介质-CN202111310454.5在审
发明人：希滕;张刚 -专利权人：北京百度网讯科技有限公司
申请日： 2021-11-05 - 公布日： 2022-02-11 - 主分类号： G06N3/04 文献下载
摘要：本公开提供了一种预训练模型的生成方法、装置、电子设备以及存储介质，涉及人工智能技术领域，尤其涉及计算机视觉和深度学习技术。具体实现方案为：确定与候选模型结构集合对应的性能指标集合，其中，候选模型结构集合是从搜索空间包括的多个模型结构中确定的，搜索空间是利用基于邻域约束条件训练得到的超网络确定的，邻域约束条件用于对超网络包括的模型结构的邻域一致性进行约束；根据与候选模型结构集合对应的性能指标集合，从候选模型结构集合中确定目标模型结构，其中，目标模型结构是满足性能指标条件的模型结构；将目标模型结构确定为预训练模型。
训练模型生成方法装置电子设备以及存储介质

[发明专利]预训练模型的生成方法、装置、电子设备以及存储介质-CN202111310486.5在审
发明人：希滕;张刚 -专利权人：北京百度网讯科技有限公司
申请日： 2021-11-05 - 公布日： 2022-02-11 - 主分类号： G06N3/04 文献下载
摘要：本公开提供了一种预训练模型的生成方法、装置、电子设备以及存储介质，涉及人工智能技术领域，尤其涉及计算机视觉和深度学习技术。具体实现方案为：根据预训练模型确定剪枝搜索空间；从剪枝搜索空间中确定候选模型结构集合，其中，候选模型结构集合包括多个候选模型结构；在确定候选模型结构集合中不存在目标模型结构的情况下，训练候选模型结构集合，直至满足预定条件，得到目标预训练模型。
训练模型生成方法装置电子设备以及存储介质

[发明专利]人脸特征提取模型的训练方法和人脸特征提取方法-CN202111193958.3在审
发明人：彭楠;李弼;希滕;张刚 -专利权人：北京百度网讯科技有限公司
申请日： 2021-10-13 - 公布日： 2022-01-18 - 主分类号： G06K9/62 文献下载
摘要：本公开提供了人脸特征提取模型的训练方法、装置、电子设备和存储介质，涉及人工智能技术领域，具体为计算机视觉和深度学习技术领域，可应用于人脸图像处理和人脸识别等场景。具体实现方案为：获取包括人脸的样本图像，将样本图像输入至人脸特征提取模型中，获取人脸特征对应的协方差矩阵，并根据协方差矩阵获取第一损失函数，根据人脸特征进行分类识别，并根据分类识别结果获取第二损失函数，根据第一损失函数和第二损失函数调整人脸特征提取模型的模型参数，避免了因采用不同场景下采集到不同样本图像进行模型训练时导致的欠拟合风险和过拟合风险，提升了人脸特征提取模型的训练效果。
特征提取模型训练方法

[发明专利]训练方法、对象识别方法、装置、电子设备以及存储介质-CN202111212754.X在审
发明人：彭楠;李弼;希滕;张刚 -专利权人：北京百度网讯科技有限公司
申请日： 2021-10-18 - 公布日： 2022-01-18 - 主分类号： G06V10/774 文献下载
摘要：本公开提供了一种对象识别模型的训练方法、对象识别方法、装置、电子设备以及存储介质，涉及计算机视觉和深度学习技术，可应用于人脸图像处理和人脸识别等场景。具体实现方案为：确定与至少一个类别中的每个类别对应的全局类别特征；针对样本图像集中的每个样本图像，确定与样本图像中的对象对应的对象特征和全局类别特征之间的相似度；从至少一个相似度中确定至少一个目标相似度，每个目标相似度表征每个对象特征与每个目标全局类别特征之间的相似度；基于损失函数，利用至少一个归属相似度、至少一个目标相似度和与样本图像集对应的类别标签集训练预设模型，得到对象识别模型，归属相似度表征对象特征和归属全局类别特征之间的相似度。
训练方法对象识别装置电子设备以及存储介质

[发明专利]预训练模型的确定方法、装置、电子设备以及存储介质-CN202110903956.2在审
发明人：希滕;曹璨;张刚 -专利权人：北京百度网讯科技有限公司
申请日： 2021-08-06 - 公布日： 2021-11-26 - 主分类号： G06K9/62 文献下载
摘要：本公开提供了预训练模型的确定方法、装置、电子设备以及存储介质，涉及计算机视觉和深度学习技术领域，可应用于图像处理、图像识别等场景。具体实现方案为：获取多种候选模型；根据多种候选模型的模型结构进行结构编码，以得到各候选模型的结构编码；采用经过训练的编码器将各候选模型的结构编码映射得到对应的频域编码；根据各候选模型的频域编码，预测各候选模型的模型性能参数；根据各候选模型的模型性能参数，从多种候选模型中确定目标模型作为预训练模型。由此，通过根据多种候选模型的频域编码，从多种候选模型中确定目标模型作为预训练模型，能够减少后续对预训练模型进行训练的训练成本，提高训练效率。
训练模型确定方法装置电子设备以及存储介质

[发明专利]预训练模型的生成方法、装置、电子设备和存储介质-CN202110865000.8在审
发明人：希滕;张刚 -专利权人：北京百度网讯科技有限公司
申请日： 2021-07-29 - 公布日： 2021-11-16 - 主分类号： G06K9/62 文献下载
摘要：本公开提出了一种预训练模型的生成方法、装置、电子设备和存储介质，涉及人工智能技术领域，尤其涉及计算机视觉和深度学习技术领域，可应用于图像处理、图像识别等场景。方法为：采用模型集合内选取的多个候选模型，对测试集内的样本进行特征提取，并对各候选模型输出的特征进行特征融合，得到融合特征，根据融合特征执行设定的目标识别任务，以得到预测信息，根据预测信息与样本的标准信息之间的差异，确定多个候选模型的组合性能，在组合性能满足设定性能指标的情况下，根据多个候选模型生成预训练模型，本公开中根据候选模型的组合在目标识别任务上的综合性能表现，确定多个候选模型的组合是否为较优的模型组合，提高了预训练模型的精度。
训练模型生成方法装置电子设备存储介质

[发明专利]预训练模型的生成方法、装置、电子设备和存储介质-CN202110866808.8在审
发明人：希滕;张刚 -专利权人：北京百度网讯科技有限公司
申请日： 2021-07-29 - 公布日： 2021-11-16 - 主分类号： G06K9/62 文献下载
摘要：本公开提出了一种预训练模型的生成方法、装置、电子设备和存储介质，涉及人工智能技术领域，尤其涉及计算机视觉和深度学习技术领域，可应用于图像处理、图像识别等场景。方案为：对包含多个模型的超网络执行对应的训练任务，从训练后的超网络中选取部分模型进行模型组合得到多组候选模型组合，采用第一图像集测试各组候选模型组合，以得到各组候选模型组合对第一图像集进行特征提取时所关注的关注图像区域，根据各组候选模型组合的关注图像区域的面积，从多组候选模型组合中选取目标模型组合，根据目标模型组合生成预训练模型，本公开中根据各组候选模型组合关注图像区域的面积大小，筛选确定目标模型组合，以提高预训练过程中模型组合的精度。
训练模型生成方法装置电子设备存储介质

[发明专利]预训练模型的生成方法、装置、电子设备和存储介质-CN202110866832.1在审
发明人：希滕;张刚 -专利权人：北京百度网讯科技有限公司
申请日： 2021-07-29 - 公布日： 2021-11-16 - 主分类号： G06K9/62 文献下载
摘要：本公开提出了一种预训练模型的生成方法、装置、电子设备和存储介质，涉及人工智能技术领域，尤其涉及计算机视觉和深度学习技术领域，可应用于图像处理、图像识别等场景。方案为：对包含多个模型的超网络执行对应的训练任务，从训练后的超网络中选取部分模型进行模型组合得到多组候选模型组合，采用各组候选模型组合对第一样本集进行特征提取，根据各组候选模型组合所提取特征的信息熵，从多组候选模型组合中选取目标模型组合，根据目标模型组合生成预训练模型。本公开中超网络训练多个模型，提高了模型训练的速度和关联性，通过信息熵评估模型组合提取到的特征包含的信息量，以筛选得到的最优的模型组合，提高了预训练模型的精度。
训练模型生成方法装置电子设备存储介质

[发明专利]人脸识别模型的训练方法、装置及计算机程序产品-CN202110932551.1在审
发明人：彭楠;李弼;希滕;张刚 -专利权人：北京百度网讯科技有限公司
申请日： 2021-08-13 - 公布日： 2021-11-16 - 主分类号： G06K9/00 文献下载
摘要：本公开提供了人脸识别模型的训练方法、相关装置及计算机程序产品，具体涉及计算机视觉和深度学习技术，可用于人脸识别场景下。具体实现方案为：获取训练样本集，训练样本集中的训练样本包括样本人脸图像以及样本人脸图像中的人脸对象对应的身份标签和非身份标签；利用机器学习方法，以样本人脸图像为输入，通过初始人脸识别模型提取所输入的样本人脸图像的身份特征、非身份特征，并将所输入的样本人脸图像对应的身份标签、非身份标签依次作为根据所提取到的身份特征得到的第一输出结果、根据所提取到的非身份特征得到的第二输出结果的期望输出，更新初始图像识别模型，训练得到人脸识别模型。本公开提高了人脸识别模型的识别精度。
识别模型训练方法装置计算机程序产品

[发明专利]人脸识别模型的训练方法、装置及计算机程序产品-CN202110940012.2在审
发明人：李弼;彭楠;希滕;张刚 -专利权人：北京百度网讯科技有限公司
申请日： 2021-08-13 - 公布日： 2021-11-16 - 主分类号： G06K9/00 文献下载
摘要：本公开提供了人脸识别模型的训练方法、装置、电子设备、存储介质及计算机程序产品，涉及人工智能领域，具体涉及计算机视觉和深度学习技术，可用于人脸识别场景下。具体实现方案为：获取训练样本集，其中，训练样本集中的训练样本包括样本人脸图像和类别标签；利用机器学习方法，以样本人脸图像为输入，以所输入的样本人脸图像对应的类别标签为初始人脸识别模型中的两个目标全连接层的期望输出，训练得到人脸识别模型，其中，两个目标全连接层依次对包括遮挡物的样本人脸图像、不包括遮挡物的样本人脸图像建模。本公开提高了人脸识别模型的识别精度。
识别模型训练方法装置计算机程序产品

[发明专利]神经网络模型的量化方法和装置-CN202010143782.X在审
发明人：希滕;张刚;温圣召 -专利权人：北京百度网讯科技有限公司
申请日： 2020-03-04 - 公布日： 2021-09-07 - 主分类号： G06N3/04 文献下载
摘要：本公开涉及人工智能领域。本公开的实施例公开了神经网络模型的量化方法和装置。该方法包括：获取神经网络模型的参数的初始位宽以及目标量化位宽；构建量化位宽序列，通过执行多次拟量化操作更新量化位宽序列；按照更新后的量化位宽序列对神经网络模型进行逐级量化；拟量化操作包括：获取起点位宽对应的第一量化后模型、采用中间位宽对待量化模型进行量化得到的第二量化后模型；响应于确定第一量化后模型的参数分布与第二量化后模型的参数分布之间的差异在预设的分布差异区间内，将中间位宽插入量化位宽序列中，将中间位宽更新为新的起点位宽，将第二量化后模型更新为新的待量化模型，执行下一次拟量化操作。该方法可以减少模型的量化损失。
神经网络模型量化方法装置

[发明专利]神经网络模型的训练方法和装置-CN202010144315.9在审
发明人：希滕;张刚;温圣召 -专利权人：北京百度网讯科技有限公司
申请日： 2020-03-04 - 公布日： 2021-09-07 - 主分类号： G06N3/04 文献下载
摘要：本公开涉及人工智能领域。本公开的实施例公开了神经网络模型的训练方法和装置。该方法包括：对第一神经网络模型按照预设的量化位宽进行量化，得到第二神经网络模型，第一神经网络模型的参数位宽大于第二神经网络模型的参数量化位宽；确定第一神经网络模型的参数分布与量化后的神经网络模型的参数分布之间的分布差异；根据分布差异构建监督函数，基于监督函数，采用预设的媒体数据样本对第一神经网络模型进行训练。该方法可以训练得出适合量化的神经网络模型。
神经网络模型训练方法装置