“余宗桥”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60个，建议您升级VIP下载更多相关专利

[发明专利]神经网络模型中归一化算子的量化方法、装置、电子设备-CN202310955099.X在审
发明人：许礼武;余宗桥;黄敦博;周生伟 -专利权人：安谋科技（中国）有限公司
申请日： 2023-07-31 - 公布日： 2023-10-27 - 主分类号： G06N3/04 文献下载
摘要：本申请实施例提供了一种神经网络模型中归一化算子的量化方法、装置、电子设备及计算机可读存储介质，涉及神经网络领域。该方法包括：根据浮点输出数据、量化位宽、浮点缩放参数以及第一移位数，获得第一量化系数；根据定点输入数据、第二移位数和量化位宽，获得定点归一化结果；根据定点缩放参数、定点平移参数、定点归一化结果，获得初始定点输出数据；根据第一量化系数对初始定点输出数据进行量化，将量化结果以第一移位数进行移位，获得定点输出数据。本申请实施例无需全部求出均值和方差，规避了传统计算均值和方差的方法带来的误差，针对部分除运算采用了基于第一移位数和第二移位数进行移位的方式，大大减少了运算量，提高了运算效率。
神经网络模型归一化算子量化方法装置电子设备

[发明专利]行人重识别的噪声样本识别方法、装置、设备和存储介质-CN202010186361.5有效
发明人：程昊;蒋忻洋;李珂;孙星;余宗桥;彭湃;郭晓威;黄小明;黄飞跃;吴永坚 -专利权人：腾讯科技（深圳）有限公司
申请日： 2020-03-17 - 公布日： 2023-10-17 - 主分类号： G06V10/774 文献下载
摘要：一种行人重识别的噪声样本识别方法、装置、设备和存储介质，所述方法包括：对行人重识别的各初始样本进行特征提取，获得各初始样本的样本特征；根据各样本特征，确定目标样本组的组内样本特征中心，以及目标样本组内的各初始样本的样本距离，目标样本组包括至少两个初始样本，样本距离为初始样本的样本特征与初始样本所在目标样本组的组内样本特征中心之间的距离；根据目标样本组的各初始样本的样本距离，确定目标样本组中的各初始样本是否为噪声样本；将确定为噪声样本的初始样本移除，获得更新后的样本数据；根据更新后的样本数据对预设神经网络进行网络训练，获得训练确定的行人重识别模型。通过上述方法获得的行人重识别模型的准确度更高。
行人识别噪声样本方法装置设备存储介质

[发明专利]用于神经网络模型的数据量化方法、可读介质和电子设备-CN202110360854.0有效
发明人： 余宗桥;黄墩博;王旭明 -专利权人：安谋科技（中国）有限公司
申请日： 2021-04-02 - 公布日： 2023-09-19 - 主分类号： G06N3/0495 文献下载
摘要：本申请涉及一种用于神经网络模型的数据量化方法、可读介质和电子设备。神经网络模型包括多个数据处理节点和拼接节点，多个数据处理节点分布于拼接节点的多个输入分支上。该方法包括：判断拼接节点的各输入分支是否存在满足预设条件的数据处理节点；在确定出拼接节点的各输入分支均存在满足预设条件的数据处理节点的情况下，汇总各输入分支中向拼接节点输出数据阵列的数据处理节点所输出的多个数据阵列，并基于汇总的多个数据阵列确定各输入分支进行数据量化所采用的公共量化系数。采用本申请的技术方案可以神经网络模型的数据量化的速度，降低计算量。
用于神经网络模型数据量化方法可读介质电子设备

[发明专利]图像检索模型训练方法、图像检索方法、设备及存储介质-CN201810863354.7有效
发明人：琚震;彭湃;余宗桥;郭晓威 -专利权人：腾讯科技（深圳）有限公司
申请日： 2018-08-01 - 公布日： 2023-09-12 - 主分类号： G06F16/583 文献下载
摘要：本申请公开了一种图像检索模型训练方法、图像检索方法、设备及存储介质，属于图像检索领域。所述方法包括：根据图像训练集训练图像检索模型，图像训练集中包含具有标注信息的训练图像，标注信息用于表示训练图像所属的类别；将属于同一类别的训练图像输入图像检索模型，得到训练图像对应的图像特征；根据同一类别中各张训练图像对应的图像特征，确定类别的特征中心点；根据训练图像的图像特征，以特征中心点为目标特征训练图像检索模型。本申请实施例采用特征聚类的方式对图像检索模型进一步训练，使得利用训练得到的图像检索模型进行特征提取时，同类图像对应的特征相差较小，进而提高了后续基于特征相似度进行相似图像检索的准确性。
图像检索模型训练方法设备存储介质

[发明专利]数据处理方法、介质及电子设备-CN202310828324.3在审
发明人：周生伟;余宗桥 -专利权人：安谋科技（中国）有限公司
申请日： 2023-03-27 - 公布日： 2023-09-01 - 主分类号： G06F7/487 文献下载
摘要：本申请涉及人工智能技术领域，特别涉及一种数据处理方法、介质及电子设备。该方法通过A次连乘计算，得到求积算子的定点连乘结果，并且在连乘时，每次连乘计算都获取该次的等效中间连乘结果的等效中间乘积参数和该次的等效中间连乘结果的乘积参数移位位数，从而将各个连乘中间结果，转换为数值较小的定点表示形式，进而解决在进行求积算子的连乘运算时，存在运算过程中的相乘的中间结果值过大的问题，从而避免硬件溢出。
数据处理方法介质电子设备

[发明专利]敏感图像检测方法和装置-CN201710203568.7有效
发明人： 余宗桥;胡易;郭晓威 -专利权人：腾讯科技（上海）有限公司
申请日： 2017-03-30 - 公布日： 2023-08-25 - 主分类号： G06V10/25 文献下载
摘要：本发明涉及一种敏感图像检测方法和装置，所述方法包括：获取待检测图像；将所述待检测图像输入卷积神经网络模型；获取所述卷积神经网络模型中的卷积层输出的特征图；根据获取的特征图确定候选局部敏感图像位置；根据所述候选局部敏感图像位置，在所述待检测图像中截取候选局部敏感图像；将所述候选局部敏感图像输入所述卷积神经网络模型进行检测，输出所述待检测图像是否为敏感图像的检测结果。本发明提供的敏感图像检测方法和装置，无需构建敏感图像检索库，只要利用卷积神经网络模型对候选局部敏感图像进行检测，在检测到候选局部敏感图像时，即可确定待检测图像为敏感图像，从而提高了检测的准确率。
敏感图像检测方法装置

[发明专利]数据处理方法、存储介质及电子设备-CN202310700762.1在审
发明人：许礼武;余宗桥;黄敦博 -专利权人：安谋科技（中国）有限公司
申请日： 2023-06-13 - 公布日： 2023-08-22 - 主分类号： G06F5/01 文献下载
摘要：本发明涉及神经网络技术领域，公开了一种数据处理方法、存储介质及电子设备，该方法包括：将多组待处理数据输入至神经网络模型后，获取神经网络模型中各运算层的多组浮点输出数据后，对每层运算层的多组浮点输出数据进行相应的降噪或者搜索量化前后该输出主特征损失最小的方法，以得到对应运算层输出的浮点数最大值和浮点数最小值，基于浮点数最大值和浮点数最小值得到对应运算层的量化参数，该方法有效的去除了层级量化误差带来的干扰，减少量化后模型最终的输出损失。
数据处理方法存储介质电子设备

[发明专利]步态识别方法、装置、设备及存储介质-CN201910922345.5有效
发明人：张均;余宗桥;孙星;彭湃;郭晓威 -专利权人：腾讯科技（深圳）有限公司
申请日： 2019-09-27 - 公布日： 2023-07-25 - 主分类号： G06V40/20 文献下载
摘要：本申请实施例公开了一种步态识别方法、装置、设备及存储介质，属于计算机技术领域。方法包括：获取目标视频中包括同一人体的多个视频帧；获取所述多个视频帧的步态轮廓图，所述步态轮廓图的排列顺序与所述步态轮廓图对应的视频帧的排列顺序相同；根据多个步态轮廓图中的至少两个步态轮廓图进行融合，得到至少一个融合特征图，所述至少两个步态轮廓图相邻；根据所述至少一个融合特征图进行识别，得到所述目标视频对应的识别信息。在对步态轮廓图进行处理时，会得到步态的静态特征和动态特征，根据得到的静态特征和动态特征进行识别，从而提高了识别结果的准确率。
步态识别方法装置设备存储介质

[发明专利]图像传播监测方法及装置-CN201710031063.7有效
发明人： 余宗桥 -专利权人：腾讯科技（上海）有限公司
申请日： 2017-01-17 - 公布日： 2023-07-11 - 主分类号： G06V10/762 文献下载
摘要：本发明公开了一种图像传播监测方法及装置，属于图像识别领域。所述图像传播监测方法包括：识别图像样本集，得到所述图像样本集中的非法图像；对所述非法图像进行聚类分析，得到聚类数量多于第一阈值的传播图片；根据所述传播图片更新传播图片库；比对待监测的目标图像与传播图片库中的传播图片；若所述目标图像与传播图片的相似度高于第二阈值，则对所述目标图像进行传播追踪分析。本发明通过主动识别网络图片，将识别结果聚类，得到为图像传播监测提供依据的传播图片库，具有监测范围广、检测时效性高、人力成本低的优点，有效阻止非法图像的恶意传播。
图像传播监测方法装置

[发明专利]图像处理方法、装置、电子设备及可读存储介质-CN202310309446.1在审
发明人：韩冥生;潘阿成;高荣;余宗桥 -专利权人：安谋科技（中国）有限公司
申请日： 2023-03-27 - 公布日： 2023-07-07 - 主分类号： G06N3/063 文献下载
摘要：本申请提供了一种图像处理方法、装置、电子设备及可读介质，可以应用于运行神经网络模型的电子设备，并且该电子设备包括多个处理单元，该方法包括：获取待处理图像；神经网络模型在对待处理图像处理的过程中，获取特征图；神经网络模型在对特征图进行处理的过程中，检测到需要进行平均算子计算；调用平均池化算子和补偿算子进行平均算子运算，得到目标结果，其中，调用平均池化算子和补偿算子进行平均算子运算，包括：通过多个并行执行的处理单元，执行平均池化算子的均值计算。从而通过能够进行硬件加速计算的平均池化算子实现平均算子的算法功能，由此可以有效提升了包括平均算子的神经网络模型推理速度。
图像处理方法装置电子设备可读存储介质

[发明专利]数据处理方法及其电子设备和介质-CN202310403046.7在审
发明人：许礼武;余宗桥;黄敦博 -专利权人：安谋科技（中国）有限公司
申请日： 2023-04-14 - 公布日： 2023-07-07 - 主分类号： G06N3/08 文献下载
摘要：本申请涉及人工智能领域，涉及一种数据处理方法及其电子设备和介质，方法包括：获取对第一神经网络模型的模型参数进行量化的第一输入数据集；从第一输入数据集中筛选出满足第一条件的数据组成第二输入数据集；基于调节系数对第二输入数据集中的数据进行调整得到第三输入数据集；使用第三输入数据集对第一神经网络模型的模型参数进行量化，得到第二神经网络模型。确定出的第三输入数据集的数据量小于第一输入数据集的数据量，但第三输入数据集的种类能够尽可能多地覆盖第一输入数据集的种类，使得对神经网络模型进行量化所消耗的时间较少，且保持了通过量化后的神经网络模型的精度。
数据处理方法及其电子设备介质

[发明专利]图像处理方法、设备和介质-CN201911300890.7有效
发明人：管成;郭晓威;余宗桥;孙星;杜俊珑;彭湃 -专利权人：腾讯科技（深圳）有限公司
申请日： 2019-12-17 - 公布日： 2023-07-07 - 主分类号： G06V10/25 文献下载
摘要：公开了图像处理方法、设备和介质。所述图像处理方法包括：通过第一处理网络，提取输入图像的第一特征图，并基于第一特征图确定第一置信度图，其中第一处理网络是完成训练的网络，第一置信度图中的每一个位置分别对应于输入图像中的相应位置，且包括目标框信息以及与目标框对应的类别置信度；通过对第一置信度图执行调整处理，得到参考置信度图；通过第二处理网络，提取输入图像的第二特征图，并基于第二特征图确定第二置信度图；至少基于第二置信度图与参考置信度图之间的损失函数，训练第二处理网络；以及基于完成训练的第二处理网络，对向其输入的图像执行目标检测处理，其中，第一处理网络的参数量大于第二处理网络的参数量。
图像处理方法设备介质

[发明专利]数据处理方法、装置、介质及电子设备-CN202310302687.3在审
发明人：周生伟;余宗桥 -专利权人：安谋科技（中国）有限公司
申请日： 2023-03-24 - 公布日： 2023-06-27 - 主分类号： G06G7/16 文献下载
摘要：本申请涉及人工智能技术领域，特别涉及一种数据处理方法、装置、介质及电子设备。该方法包括：获取神经网络模型中对数据进行处理的过程中，需要归一化处理的定点输入数据；采用量化后的归一化算子对定点输入数据进行归一化处理，输出定点归一化结果。本申请采用量化后的归一化算子对定点输入数据进行归一化处理，可以直接进行定点归一化计算，从而减少计算量，降低计算成本，并提高计算速度。
数据处理方法装置介质电子设备

[发明专利]数据处理方法、介质及电子设备-CN202310313645.X在审
发明人：周生伟;余宗桥 -专利权人：安谋科技（中国）有限公司
申请日： 2023-03-27 - 公布日： 2023-06-27 - 主分类号： G06F7/487 文献下载
摘要：本申请涉及人工智能技术领域，特别涉及一种数据处理方法、介质及电子设备。该方法包括：获取神经网络模型在运行的过程中，求积算子中的乘法关系系数的第一浮点缩放系数、第二浮点缩放系数、以及连乘元素数量；分别对第一浮点缩放系数的倒数和第二浮点缩放系数进行量化，得到第一定点缩放系数的第一缩放参数和第二定点缩放系数的第二缩放参数；基于第一定点缩放系数的第一缩放参数、第二定点缩放系数的第二缩放参数、以及连乘元素数量，得到乘法关系系数的定点乘法关系系数；基于定点乘法关系系数，对求积算子进行计算。基于此，避免在浮点域中，将乘法关系系数定点化后得到的定点乘法关系系数的误差较大，而导致神经网络模型运行准确度下降的问题。
数据处理方法介质电子设备

[发明专利]数据处理方法、介质及电子设备-CN202310301451.8在审
发明人：周生伟;余宗桥 -专利权人：安谋科技（中国）有限公司
申请日： 2023-03-24 - 公布日： 2023-06-23 - 主分类号： G06G7/16 文献下载
摘要：本申请涉及人工智能技术领域，特别涉及一种数据处理方法、介质及电子设备。该方法包括：获取神经网络模型对数据进行处理的过程中，需要进行幂算子处理的定点底数和定点指数；基于定点底数和定点指数，计算幂算子对应的对数换底函数的第一计算结果；将第一计算结果作为幂算子的第二计算结果。基于此，该方法所利用的量化的幂算子进行对数据的处理，避开了指数和底数都变化的幂运算操作，使得包含幂算子的神经网络模型的计算成本和内存占用量可以达到最优。
数据处理方法介质电子设备

1
2
3
4
下一页»
尾页
共 60 条