“黄全充”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9个，建议您升级VIP下载更多相关专利

[发明专利]模型训练方法、可读介质和电子设备-CN202111657195.3有效
发明人：傅蓉蓉;徐晓忻;黄全充;徐强;纪荣嵘;周奕毅;曹刘娟 -专利权人：华为技术有限公司
申请日： 2021-12-30 - 公布日： 2023-05-23 - 主分类号： G06V10/25 文献下载
摘要：本申请涉及一种模型训练方法、可读介质和电子设备。该方法包括：采用第一样本集合对第一模型进行训练得到第二模型，其中第一样本集合包括A％的有标签样本和B％的伪标签样本；将C％的无标签样本输入第二模型，得到对应各无标签样本的模型输出结果；从C％的无标签样本中选择出模型输出结果满足预设条件的D％的无标签样本；利用第二样本集合对第二模型进行训练得到第三模型，其中，第二样本集合包括将D％的无标签样本标注后的D％的有标签样本、A％的有标签样本、E％的伪标签样本。本申请的技术方案通过合理选取模型训练所使用的有标签样本，可以提升训练得到的模型的目标检测能力。
模型训练方法可读介质电子设备

[发明专利]数据处理的方法、多媒体框架及相关设备-CN202110489171.5有效
发明人： 黄全充 -专利权人：华为技术有限公司
申请日： 2021-04-30 - 公布日： 2023-05-12 - 主分类号： G06F9/54 文献下载
摘要：本申请提供数据处理的方法、多媒体框架及相关设备，该方法应用于多媒体框架，该多媒体框架包括管理节点、第一执行节点和第二执行节点，该方法包括以下步骤：第一执行节点上的第一元件启动业务处理生成数据流，获取第一元件的连接信息，根据连接信息，通过通信通道向第二执行节点的第二元件发送数据流，其中，连接信息包括第一元件与第二元件之间的连接关系和通道信息，通信通道是管理节点创建的。该方法通过管理节点对多个执行节点进行统一调度和配置，使得各个节点可以分布式的编排业务管道，减少管理节点的处理压力，提高业务编排效率，而且可以分布式处理业务流程，提高多媒体系统的业务处理效率。
数据处理方法多媒体框架相关设备

[发明专利]一种任务分配方法、装置及系统-CN202111279123.X在审
发明人：蔡晨东;田行辉;黄全充 -专利权人：华为技术有限公司
申请日： 2021-10-31 - 公布日： 2023-05-09 - 主分类号： G06F9/50 文献下载
摘要：一种任务分配方法、装置及系统。该方法中，基于任务的目标处理速率、计算节点的计算资源阈值、预设的第一子任务的计算资源使用量值和资源预测模型，将该任务划分为n个子任务，其中，资源预测模型是基于训练数据采用机器学习算法进行训练得到的，所述训练数据包括多个子任务中每个子任务被所述计算节点执行时的处理速率和计算节点执行所述子任务的计算资源使用量；将所述n个子任务分配至所述m个计算节点，本申请使用包括子任务的处理速率的训练数据来训练资源预测模型，使得该资源预测模型能够更加准确的预测出计算节点执行子任务的资源利用率或处理速率，使得任务分配更加精确，可以提高计算节点的资源利用率和任务的处理性能。
一种任务分配方法装置系统

[发明专利]一种半监督模型训练方法、系统及相关设备-CN202210412186.6有效
发明人：徐强;徐晓忻;黄全充;傅蓉蓉;蔡晨东;纪荣嵘;周奕毅;罗根 -专利权人：华为技术有限公司
申请日： 2022-04-19 - 公布日： 2023-04-07 - 主分类号： G06F18/241 文献下载
摘要：本申请提供了一种半监督模型训练方法、系统及相关设备，该方法可包括以下步骤将第一无标签样本输入第一模型，获得第一无标签样本的第一伪标签，将第一扩充样本输入第一模型，获得扩充样本的第二伪标签，其中，第一模型为采用有标签样本进行训练后的人工智能AI模型，第一扩充样本为对第一无标签样本进行数据增强后获得的样本，根据第一伪标签和第二伪标签，获得第一无标签样本的第三伪标签，使用第一无标签样本和第三伪标签对第二模型进行训练，其中，第二模型是根据第一模型的权重参数获得的AI模型，这样获得的第三伪标签的精度更高，从而提高半监督模型训练的训练效率以及最终获得模型的精度。
一种监督模型训练方法系统相关设备

[发明专利]数据处理方法、装置和系统-CN202111015826.1在审
发明人：傅蓉蓉;徐晓忻;黄全充 -专利权人：华为技术有限公司
申请日： 2021-08-31 - 公布日： 2023-03-03 - 主分类号： G06N3/0464 文献下载
摘要：一种数据处理方法，包括：云侧设备迭代训练部署在第一端侧设备的第一神经网络时，根据第一端侧设备采集的数据的应用场景特征获取第一训练集，根据第一训练集和部署在第一端侧设备上的第一神经网络得到训练后第一神经网络，向第一端侧设备部署训练后第一神经网络。由于云侧设备获取的第一训练集包含了第一端侧设备的数据，以及与所述应用场景特征关联的样本数据。相对增量训练集包含的样本数据的局限性，扩充了迭代训练的样本数据，以及，相对全量训练集包含的样本数据的宽泛性，缩减了与应用场景特征不相关的数据。从而有效地提高了迭代训练神经网络处理数据的精度。
数据处理方法装置系统

[发明专利]数据处理方法和相关设备-CN202110484209.X在审
发明人：田行辉;黄全充 -专利权人：华为技术有限公司
申请日： 2021-04-30 - 公布日： 2022-08-19 - 主分类号： G06F9/50 文献下载
摘要：一种数据处理方法，包括：先获取业务处理请求，该业务处理请求为多媒体处理框架中任意一个处理元件待处理的请求；在处理元件集合中选择第一处理元件执行获取的业务处理请求，并利用该第一处理元件执行该业务处理请求。其中，处理元件集合包括多个用于执行相同类型的业务数据的处理元件，第一处理元件为多个处理元件中负载最低的处理元件。由于是从处理元件集合中选择负载最低的第一处理元件来执行业务处理请求，这样，处理元件集合中的多个处理元件的负载能够相对较为均衡，可以尽可能避免该处理元件集合中的部分处理元件因为负载较低而出现算力浪费，同时其它处理元件因为负载较高而出现处理效率低的问题。
数据处理方法相关设备

[发明专利]业务需求调整方法和相关设备-CN202011268966.5在审
发明人：王广官;黄全充 -专利权人：华为技术有限公司
申请日： 2020-11-13 - 公布日： 2022-05-13 - 主分类号： G06F8/10 文献下载
摘要：本申请提供了一种业务需求调整方法和相关设备，包括：根据更新业务需求构建第一元件集合，该第一元件集合包括多媒体处理框架中执行更新业务需求所需的所有第一元件的标识和第一时序关系，其中，第一时序关系用于标识所有第一元件之间的调用关系；然后，根据第一元件集合调整第二元件集合，第二元件集合包括多媒体处理框架中执行原业务需求的所有第二元件以及第二元件之间的调用关系；并按照调整后的第二元件集合完成业务需求处理。如此，可以实现在多媒体处理框架中将原业务需求调整为更新业务需求，从而实现了对于业务需求的调整。
业务需求调整方法相关设备

[发明专利]一种数据处理方法、装置以及设备-CN202011050075.2在审
发明人：吴钢;周建友;谢乾;黄全充 -专利权人：华为技术有限公司
申请日： 2020-09-29 - 公布日： 2022-04-12 - 主分类号： G06F16/22 文献下载
摘要：一种数据处理方法、装置以及设备，本申请中，多个数据处理模块可以对数据进行协同处理，每个数据处理模块输出的数据存储在数据集合中，数据集合中包括多个数据，每个数据携带一个索引，索引用于指示生成数据的数据处理模块，该多个数据处理模块中的第一数据处理模块可以从数据集合中获取携带有第一索引的第一数据，第一索引指示生成第一数据的数据处理模块；之后，对第一数据进行处理，生成携带有第二索引的第二数据，第二索引指示第一数据处理模块；之后，第一数据处理模块将第二数据存储在数据集合中。数据处理模块可以对数据进行针对性的处理，提高了该多个数据处理模块对数据协同处理的灵活性。
一种数据处理方法装置以及设备

[发明专利]故障模拟与仿真方法以及相关设备-CN201711380608.1有效
发明人：蔡圆圆;黄全充;周超 -专利权人：华为技术有限公司
申请日： 2017-12-19 - 公布日： 2021-07-09 - 主分类号： G06F11/26 文献下载
摘要：本申请提供故障模拟与仿真方法以及相关设备，其中，所述方法包括：接收主机设备发送的处理命令；根据所述处理命令在预置故障信息集合中查找与所述处理命令对应的第一故障信息；在查找到所述第一故障信息的情况下，根据所述第一故障信息向所述主机设备处理响应。本申请的方案，能真实地模拟存储设备的故障场景，覆盖存储设备可能出现的各种故障场景，提高测试可靠性。
故障模拟仿真方法以及相关设备

1
共 9 条