“谌竟成”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7个，建议您升级VIP下载更多相关专利

[发明专利]静态人脸动态化方法、系统、计算机设备及可读存储介质-CN202111002870.9有效
发明人： 谌竟成;齐镗泉 -专利权人：深圳万兴软件有限公司
申请日： 2021-08-30 - 公布日： 2023-09-29 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了静态人脸动态化方法、系统、计算机设备及可读存储介质，该方法包括：对人脸样本图像进行人脸检测，得到人脸框架信息和人脸关键点信息并剪切得到初始人脸图像；计算人脸旋转角度并旋转得到目标人脸图像；提取目标人脸图像和初始运动视频中每一帧图片的运动关键点坐标信息和运动关键点参数并进行坐标转换，再进行卷积采样生成多帧人脸动作图像；将人脸动作图像按人脸旋转角度进行反向旋转并贴合至对应帧中，得到目标运动视频。本发明先进行人脸检测，再利用卷积网络对人脸图像和运动视频进行处理，最后将人脸动作图像贴合在运动视频对应帧内得到目标运动视频，整个过程更加简单，生成的目标运动视频更加流畅，具有更优的视觉效果。
静态动态方法系统计算机设备可读存储介质

[发明专利]一种神经网络中图像缩放优化方法与装置-CN202310967053.X在审
发明人： 谌竟成;冯雨;汤汉兵 -专利权人：芯动微电子科技（珠海）有限公司
申请日： 2023-08-03 - 公布日： 2023-09-05 - 主分类号： G06T3/40 文献下载
摘要：本发明提供一种神经网络中图像缩放优化方法与装置，通过遍历神经网络中所有的节点，获取所有的缩放算子，并根据缩放算子的缩放状态，即缩放算子对于图像是放大还是缩小，当缩放算子对于图像放大时，将缩放算子转换为池化算子，当缩放算子相对于图像缩小时，将缩放算子转换为卷积算子，由于卷积算子和池化算子能够在AI芯片上实现部署与推理，因此通过缩放算子的转换，实现部分神经网络上的节点于AI芯片上的部署与推理。
一种神经网络图像缩放优化方法装置

[发明专利]一种ONNX神经网络面向后端部署转换方法与装置-CN202310341720.3在审
发明人： 谌竟成;冯雨;敖海 -专利权人：芯动微电子科技（武汉）有限公司
申请日： 2023-03-31 - 公布日： 2023-07-07 - 主分类号： G06N3/04 文献下载
摘要：本发明提供一种ONNX神经网络面向后端部署转换方法与装置，通过遍历ONNX模型中的所有算子，找到其中的Matmul算子和Upsample算子，将Matmul算子转化为relayir模型中所对应的dense算子或第一组合算子或第二组合算子，将Upsample算子转换为relayir模型中所对应的resize算子，将其余的算子全部直接转换为relayir算子，从而让ONNX模型转换为relayir模型，保证所有算子能被后端支持，避免运算无法正常运行的情况，达到快速部署的目的。
一种 onnx 神经网络面向后端部署转换方法装置

[发明专利]面向GPU的人工智能模型部署方法及设备-CN202211550952.1在审
发明人： 谌竟成;冯雨;敖海 -专利权人：芯动微电子科技（武汉）有限公司
申请日： 2022-12-05 - 公布日： 2023-03-14 - 主分类号： G06F8/61 文献下载
摘要：本发明提供了一种面向GPU的人工智能模型部署方法及设备，包括：确定GPU内置NPU支持的算子类型，采用预设编译框架将前端模型转换为期望语言模型，对期望语言模型中的算子进行定位；确定期望语言模型的算子属于所述算子类型，剔除期望语言模型中的预定层，将预定参数与卷积层的偏置常量进行合并得到第一单独卷积层，将卷积层与批标准化层进行组合得到第二单独卷积层；获取期望语言模型中每一层的输入数据尺寸和输出数据尺寸，根据其大小确定期望语言模型运行时分配的内存大小；采用GPU编译器和NPU编译器对期望语言模型进行逐层编译并调度执行编译结果，完成模型部署。本发明有利于人工智能模型的泛化性部署。
面向 gpu 人工智能模型部署方法设备

[发明专利]基于深度学习的钢铁材料微观组织自动识别方法-CN201910802572.4有效
发明人： 谌竟成;李维刚;赵云涛 -专利权人：武汉科技大学
申请日： 2019-08-28 - 公布日： 2023-01-06 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于深度学习的钢铁材料微观组织自动识别方法。一、确定要识别的钢材微观组织种类及微观组织放大倍数，搜集在该放大倍数下电子扫描显微镜获得的相同规格大小的历史钢铁材料微观组织图片，以得到数据集，为数据集中的每张图片确定一个类别标签；二、对步骤一中搜集到的所有图片进行相同的预处理；三、构建卷积神经网络CNN‑ICAM模型；四、预先设置迭代次数，采用交叉熵作为损失函数，应用随机梯度下降法对神经网络CNN‑ICAM模型进行训练；五、对需要识别的钢铁材料微观组织图片，先按步骤二的方法进行预处理，然后，再用步骤四训练好的卷积神经网络模型进行自动识别。该方法不仅能提高识别精度又能提高识别速度。
基于深度学习钢铁材料微观组织自动识别方法

[发明专利]基于自组织增量-图卷积神经网络的钢材微观组织自动分类方法-CN202010995589.9在审
发明人：李维刚;甘平;谌竟成;谢璐 -专利权人：武汉科技大学
申请日： 2020-09-21 - 公布日： 2022-09-27 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种融合自组织增量学习神经网络和图卷积神经网络的钢材微观组织自动分类方法。一、确定要识别的钢材微观组织种类，并搜集由扫描电子显微镜获得的大量钢材微观组织图片，以形成数据集，并为数据集中的每张图片确定一个类别标签；二、采用迁移学习获取图片样本数据的特征向量集合；三、通过引入连接权重策略的自组织增量学习神经网络(WSOINN)对特征数据进行学习，获得其拓扑图结构，并引入胜利次数对节点进行少量人工标注；四、搭建多层图卷积神经网络(GCN)挖掘图中节点的潜在联系，利用Dropout手段提高网络的泛化能力，最后对剩余节点自动标注进而获得图片的分类结果。本专利所述的方法在图片标注量仅为传统深度学习网络模型的12％时，分类准确度就可达到91％以上，比VGG、MLP、SOINN等网络模型的精度高。
基于组织增量图卷神经网络钢材微观自动分类方法

[发明专利]人脸动态化后处理方法、系统、计算机设备及其存储介质-CN202111612190.9在审
发明人： 谌竟成 -专利权人：深圳万兴软件有限公司
申请日： 2021-12-27 - 公布日： 2022-03-25 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了人脸动态化后处理方法、系统、计算机设备及其存储介质，该方法包括：对每一帧图片进行人脸检测，获取人脸关键点信息和人脸的俯转偏角信息；获取人脸框架信息并依此进行剪切，得到初始人脸图像；计算人脸旋转角度并旋转得到目标人脸图像，并与生成的关键点图进行拼接后输入至目标卷积网络中进行卷积，基于人脸的俯转偏角信息进行通道拼接，得到生成图像；将生成图像进行反向旋转贴合至对应帧图片中并进行边缘处理，得到目标运动视频。本发明利用人脸检测得到所有人脸并进行卷积处理获取对应生成图像，并将生成图像贴合后继续进行边缘处理，得到视觉观更优的目标运动视频，整体处理过程更加高效，可同时满足多张人脸动态化处理。
动态处理方法系统计算机设备及其存储介质

1
共 7 条