“董旭炯”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13个，建议您升级VIP下载更多相关专利

[发明专利]图像处理方法、装置、终端、存储介质及程序产品-CN202210297738.3在审
发明人： 董旭炯 -专利权人： OPPO广东移动通信有限公司
申请日： 2022-03-24 - 公布日： 2023-10-10 - 主分类号： G06V10/774 文献下载
摘要：本申请实施例公开了一种图像处理方法、装置、终端、存储介质及程序产品，属于人工智能技术领域。该方法包括：获取原始训练集；原始训练集中包括至少一个原始样本对；按照至少一个原始样本对各自的预处理策略，对至少一个原始样本对进行图像预处理，获得各个目标样本对；预处理策略包括图像增强策略；图像增强策略是通过至少一种图像处理方式对图像进行增强处理的策略；基于各个目标样本对，获取图像处理模型的量化损失函数值；图像处理模型是用于进行图像重建任务的神经网络模型；基于量化损失函数值，对图像处理模型中的模型参数进行更新。提高了量化训练效果，进而提高了通过量化训练得到的模型进行图像处理所得到的输出图像的质量。
图像处理方法装置终端存储介质程序产品

[发明专利]目标区间确定方法、装置、电子设备及可读存储介质-CN202310245814.0在审
发明人： 董旭炯 -专利权人：哲库科技（上海）有限公司
申请日： 2023-03-14 - 公布日： 2023-08-04 - 主分类号： G06N3/082 文献下载
摘要：本申请公开了一种目标区间确定方法、装置、电子设备及可读存储介质,应用于电子设备，所述方法包括：获取量化模型中量化层针对样本数据输出的多个激励数据；基于每个所述激励数据确定统计直方图；查找所述统计直方图的区间范围中满足目标条件的区间，作为所述目标区间，其中，所述目标区间对应的目标统计直方图与量化统计直方图的相似度最大，所述量化统计直方图包括对所述目标统计直方图进行量化以及反量化后的统计直方图。本申请实施例基于多个激励数据得到的统计直方图，再基于该统计直方图确定出目标区间，使目标区间对应的目标统计直方图与量化统计直方图的相似度最大，从而降低了得到目标区间的繁琐程度。
目标区间确定方法装置电子设备可读存储介质

[发明专利]模型量化方法及装置、芯片、电子设备、存储介质-CN202310418435.7在审
发明人： 董旭炯 -专利权人：哲库科技（上海）有限公司
申请日： 2023-04-18 - 公布日： 2023-08-01 - 主分类号： G06N3/08 文献下载
摘要：本申请实施例提供了一种模型量化方法及装置、芯片、电子设备及存储介质；其中，方法包括：对已训练的待量化模型进行推理，确定待量化模型的第一激励量化参数和第一模型量化参数；重新对待量化模型进行推理，对第一激励量化参数和第一模型量化参数进行优化，得到优化后的第二激励量化参数和第二模型量化参数；基于第二激励量化参数和第二模型量化参数，确定目标任务模型。
模型量化方法装置芯片电子设备存储介质

[发明专利]神经网络训练方法及装置、可读存储介质及芯片-CN202310215224.3在审
发明人： 董旭炯 -专利权人：哲库科技（上海）有限公司
申请日： 2023-03-06 - 公布日： 2023-07-28 - 主分类号： G06N3/096 文献下载
摘要：本申请提供了一种神经网络训练方法及装置、可读存储介质及芯片。该方法包括：对第一神经网络进行模型量化处理，得到第二神经网络，其中，第一神经网络包括多个第一中间层，第二神经网络包括与多个第一中间层相对应的多个第二中间层；确定多个第一中间层的多个第一中间输出结果和多个第二中间层的多个第二输出结果；根据多个第一中间输出结果和多个第二中间结果，确定第二神经网络的中间损失项；根据第一神经网络的损失函数和中间损失项，确定第二神经网络的全局损失；以第一神经网络为教师模型，第二神经网络为学生模型，根据全局损失，对第二神经网络进行知识蒸馏训练，确定更新后的第二神经网络。
神经网络训练方法装置可读存储介质芯片

[发明专利]模型量化方法、装置、存储介质及电子设备-CN202310445134.3在审
发明人： 董旭炯 -专利权人：哲库科技（上海）有限公司
申请日： 2023-04-23 - 公布日： 2023-07-21 - 主分类号： G06N3/0475 文献下载
摘要：本申请公开了一种模型量化方法、装置、存储介质及电子设备。方法包括：根据待量化模型的量化参数的第一候选参数值对待量化模型进行量化处理，得到第一候选量化后模型；根据第一候选参数值通过预设参数确定策略确定待量化模型的量化参数的第二候选参数值，根据第二候选参数值对待量化模型进行量化处理，得到第二候选量化后模型；根据第一候选量化后模型和第二候选量化后模型的性能值从第一候选量化后模型和第二候选量化后模型中选取参考量化后模型，将参考量化后模型对应的参数值确定为第一候选参数值，将参考量化后模型作为第一候选量化后模型，返回执行相应步骤，直至满足预设停止条件，得到待量化模型对应的量化后模型。
模型量化方法装置存储介质电子设备

[发明专利]神经网络训练方法及装置、可读存储介质及芯片-CN202310208484.8在审
发明人： 董旭炯 -专利权人：哲库科技（上海）有限公司
申请日： 2023-03-06 - 公布日： 2023-07-07 - 主分类号： G06N3/096 文献下载
摘要：本申请提供了一种神经网络训练方法及装置、可读存储介质及芯片。该神经网络用于进行图像任务，该方法包括：对第一神经网络进行模型量化处理，确定第二神经网络；对所述第二神经网络进行量化感知训练，得到第三神经网络；以所述第一神经网络为教师模型，所述第三神经网络为学生模型，对所述第三神经网络进行知识蒸馏训练，以更新所述第三神经网络；确定多个第一候选神经网络，其中，所述多个第一候选神经网络为所述第三神经网络在所述知识蒸馏训练的多个不同迭代周期的训练结果；对所述多个第一候选神经网络进行评估和筛选，确定目标神经网络。
神经网络训练方法装置可读存储介质芯片

[发明专利]模型剪枝方法、装置、计算机设备、存储介质和程序产品-CN202310227819.0在审
发明人： 董旭炯 -专利权人：哲库科技（上海）有限公司
申请日： 2023-03-09 - 公布日： 2023-07-04 - 主分类号： G06N3/082 文献下载
摘要：本申请涉及一种模型剪枝方法、装置、计算机设备、存储介质和程序产品。所述方法包括：获取待剪枝处理的源模型对应的初始模型集合，所述初始模型集合中的各初始模型是利用各初始剪枝算法分别对所述源模型进行剪枝处理得到的；将所述初始模型集合作为当前模型集合，进行迭代学习，对于每次迭代过程，从当前模型集合中确定目标模型和参考模型，利用所述参考模型训练所述目标模型，并利用训练后的目标模型更新当前模型集合，直至得到目标模型集合；基于目标模型集合和筛选条件，确定源模型对应的剪枝处理后的模型。采用本方法能够在提升剪枝效率的同时保证剪枝后的模型的性能。
模型剪枝方法装置计算机设备存储介质程序产品

[发明专利]量化训练方法、装置、设备和计算机可读存储介质-CN202310305919.0在审
发明人： 董旭炯 -专利权人：哲库科技（上海）有限公司
申请日： 2023-03-24 - 公布日： 2023-06-23 - 主分类号： G06N3/0464 文献下载
摘要：本申请实施例公开了一种量化训练方法、装置、设备和计算机可读存储介质。该方法包括：基于浮点网络模型中各个子网络的子特征进行通道扩充，确定第一网络模型中各个第一子网络的各个第一子特征；基于各个第一子特征和第二网络模型中各个第二子网络的各个初始第二子特征，计算特征相似度，确定蒸馏损失函数；基于蒸馏损失函数，对第二网络模型的量化感知训练过程进行监督，确定量化参数；量化参数用于在使用第二网络模型的过程中，对第二网络模型的网络参数进行量化处理，以确定用于图像处理的量化模型。
量化训练方法装置设备计算机可读存储介质

[发明专利]模型压缩方法、装置、电子设备和存储介质-CN202310155689.4在审
发明人： 董旭炯 -专利权人：哲库科技（上海）有限公司
申请日： 2023-02-22 - 公布日： 2023-05-12 - 主分类号： G06F30/27 文献下载
摘要：本申请涉及一种模型压缩方法、装置、电子设备和存储介质。所述方法包括：对源模型进行优化处理，得到优化后的源模型；优化处理包括扩充源模型的至少一层卷积层的输出通道数；对优化后的源模型进行模型压缩，得到经压缩的模型。本申请从优化源模型的角度出发，通过通道扩充提升源模型的表现，进而在提高待压缩源模型的性能的同时，弥补压缩过程中的精度损失。
模型压缩方法装置电子设备存储介质

[发明专利]处理神经网络模型的方法、装置和电子设备-CN202211716465.8在审
发明人： 董旭炯 -专利权人： OPPO广东移动通信有限公司
申请日： 2022-12-29 - 公布日： 2023-04-04 - 主分类号： G06N3/082 文献下载
摘要：本申请提供了一种处理神经网络模型的方法、装置和电子设备。该方法包括：获取神经网络模型，该神经网络模型用于执行多种神经网络操作，多种神经网络操作包括第一类转置操作和第二类转置操作，第一类转置操作用于将第一张量数据格式转换为第二张量数据格式，第二类转置操作用于将第二张量数据格式转换为第一张量数据格式；根据第一类转置操作和第二类转置操作中的可相互抵消的转置操作，简化神经网络模型。本申请实施例引入转置操作得到转换后的神经网络模型后，能够根据引入的转置操作中的可相互抵消的转置操作简化上述得到的神经网络模型，降低神经网络模型的冗余度，从而有利于提升模型的计算效率。
处理神经网络模型方法装置电子设备

[发明专利]神经网络模型的压缩方法、装置、计算机设备和存储介质-CN202211692924.3在审
发明人： 董旭炯 -专利权人：哲库科技（上海）有限公司
申请日： 2022-12-28 - 公布日： 2023-03-28 - 主分类号： G06N3/082 文献下载
摘要：本申请涉及一种神经网络模型的压缩方法、装置、计算机设备和存储介质。所述方法包括：根据初始剪枝模型集合中各个初始剪枝模型的处理性能，从所述初始剪枝模型集合中确定出候选剪枝模型集合；所述初始剪枝模型为对预设的神经网络模型进行压缩处理后得到的；对所述候选剪枝模型集合进行扩充处理，得到扩充后的剪枝模型集合；根据所述扩充后的剪枝模型集合中各剪枝模型的处理性能，从所述扩充后的剪枝模型集合中确定目标剪枝模型。采用本方法能够从多种剪枝算法对应的剪枝模型中选择出神经网络模型对应的最优的剪枝模型。
神经网络模型压缩方法装置计算机设备存储介质

[发明专利]一种基于局部频谱图像描述子的鲁棒音频识别方法-CN201210389035.X有效
发明人：李伟;朱碧磊;董旭炯 -专利权人：复旦大学
申请日： 2012-10-13 - 公布日： 2014-04-16 - 主分类号： G06F17/30 文献下载
摘要：本发明属基于内容的音乐检索技术领域，涉及一种基于局部频谱图像描述子的鲁棒音频识别方法，本发明方法中，将一维音频信号转化为二维听觉图像，提取图像特征作为音频指纹，使其对时间缩放和变调等主要的音频失真类型具有鲁棒性；其包括指纹提取步骤和指纹匹配步骤)两部分。本发明不同于现有技术的单纯基于频谱特征或节奏特征的方法，而是将一维音频信号转换为二维的图像信号，基于计算机视觉技术提取强鲁棒性的局部图像特征作为音频指纹，同时将时间缩放攻击和变调等失真行为视作对相应图像的伸缩和平移处理。本发明从全新思路提供了一种新的强鲁棒性音频指纹，从而实现在各种信号失真以及时-频伸缩的情况下，仍能准确地进行音频识别。
一种基于局部频谱图像描述音频识别方法

[发明专利]一种基于频谱SIFT特征描述子的音频片段认证方法-CN201210389030.7无效
发明人：李伟;殷玥;董旭炯 -专利权人：复旦大学
申请日： 2012-10-13 - 公布日： 2014-04-16 - 主分类号： G10L25/03 文献下载
摘要：本发明属信息安全和保护技术领域，涉及一种基于频谱SIFT特征描述子的音频片段认证方法，具体涉及一种基于计算机视觉技术的、能够以音频片段为检测对象的内容认证方法。本发明利用SIFT特征匹配提取特征描述子，并实现受检测的可疑音频片段在参考音频文件中的对齐；再利用从SIFT关键点提取的时间伸缩因子，将可疑音频片段分成多个分块，时域分块可直接用于识别恶意剪切和插入等行为；以及对于变调因子的估计，用于描述相应的时频单元，从而便于鲁棒Hash计算；本发明通过匹配和Hash检测，不但可以准确鉴定可疑音频片断的完整性和真实性，而且可以对恶意篡改操作的位置精确锁定并按类型分类。
一种基于频谱 sift 特征描述音频片段认证方法

1
共 13 条