“党青青”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38个，建议您升级VIP下载更多相关专利

[发明专利]一种扩散模型的部署方法、图像生成方法和装置-CN202310574365.4在审
发明人：汪博筠;邓凯鹏;党青青;于佃海;马艳军;王海峰 -专利权人：北京百度网讯科技有限公司
申请日： 2023-05-19 - 公布日： 2023-09-29 - 主分类号： G06T11/00 文献下载
摘要：本公开提供了一种扩散模型的部署方法、图像生成方法和装置，涉及人工智能技术和计算机技术领域，尤其涉及深度学习、图像处理领域。具体实现方案为：获取扩散模型的多个动态图文件，该扩散模型用于根据文本数据和/或第一图像生成第二图像；多个动态图文件与扩散模型的多个模块一一对应；从多个动态图文件中，确定第一动态图文件和第二动态图文件；将第一动态图文件进行转换，以得到对应的静态图文件；以及，基于静态图文件及第二动态图文件，对扩散模型进行部署。本公开能够提升扩散模型部署过程的灵活性、以及改善扩散模型部署过程的计算效率。
一种扩散模型部署方法图像生成装置

[发明专利]模型处理方法、装置、设备以及存储介质-CN202310575844.8在审
发明人：张翰迪;吕梦思;王豪爽;党青青 -专利权人：北京百度网讯科技有限公司
申请日： 2023-05-19 - 公布日： 2023-09-29 - 主分类号： G06F16/953 文献下载
摘要：本公开提供了模型处理方法、装置、设备以及存储介质，涉及数据处理领域，尤其涉及人工智能、智能搜索领域。具体实现方案为：将检索数据对输入至语义模型，所述检索数据对至少包括目标检索信息，以及与所述目标检索信息对应的检索结果；利用语义模型，对表征语义特征所需的待处理参数至少进行如下量化处理：对第一归一化处理后的经由第一处理分支的第一参数组中的第一待处理参数进行量化处理，对第一归一化处理后的第二处理分支的第二参数组中的第二待处理参数进行量化处理；得到参数量化处理后的目标语义模型；所述目标语义模型用于提取语义特征，以得到目标检索信息与目标检索信息对应的检索结果的匹配程度。
模型处理方法装置设备以及存储介质

[发明专利]文本推理任务处理的方法、装置、设备以及存储介质-CN202310575764.2在审
发明人：李振宇;方华强;邓凯鹏;党青青;于佃海;马艳军;王海峰 -专利权人：北京百度网讯科技有限公司
申请日： 2023-05-19 - 公布日： 2023-09-29 - 主分类号： G06N5/04 文献下载
摘要：本公开提供了文本推理任务处理的方法、装置、设备以及存储介质，涉及计算机技术领域，尤其涉及人工智能、深度学习、神经网络模型、大语言模型技术领域。具体实现方案为：利用预设模型并行执行多个第一文本推理任务；在多个第一文本推理任务的完成情况满足预设条件的情况下，根据完成情况，从待执行的文本推理任务中确定第二文本推理任务；根据第二文本推理任务和未完成的第一文本推理任务，确定多个第三文本推理任务；以及利用预设模型，并行执行多个第三文本推理任务。本公开可以提高模型执行文本推理任务的吞吐量，提升处理效率。
文本推理任务处理方法装置设备以及存储介质

[发明专利]目标识别方法、装置、电子设备和介质-CN202210503582.X有效
发明人：牛志博;王冠中;陈建业;邓凯鹏;党青青;赖宝华;刘其文;于佃海;马艳军 -专利权人：北京百度网讯科技有限公司
申请日： 2022-05-09 - 公布日： 2023-09-22 - 主分类号： G06V20/40 文献下载
摘要：本公开提供了一种目标识别方法、装置、电子设备和介质，涉及深度学习、计算机视觉等领域。具体实现方案为：对待检测视频中的目标视频帧进行目标对象检测，以得到多个检测框，并确定多个检测框的图像质量分值；根据多个检测框的图像质量分值，从多个检测框中确定目标检测框，并对目标检测框中的图像内容进行特征提取，以得到目标图像特征；根据目标图像特征对目标检测框中的图像内容进行目标识别。由此，根据各检测框的图像质量分值，对各检测框进行筛选，以保留图像质量分值较高的目标检测框，从而仅对图像质量分值较高的目标检测框中的图像内容进行目标识别，可以提升目标识别结果的准确性。
目标识别方法装置电子设备介质

[发明专利]分布式部署模型的量化方法、装置、设备和介质-CN202310495866.3在审
发明人：于广华;王豪爽;党青青;沙燕霖;于佃海;马艳军 -专利权人：北京百度网讯科技有限公司
申请日： 2023-05-05 - 公布日： 2023-09-12 - 主分类号： G06N3/04 文献下载
摘要：本公开提供了一种分布式部署模型的量化方法、装置、设备和介质，涉及人工智能领域，具体涉及深度学习、分布式训练和模型量化等技术领域。分布式部署模型的量化方法的具体实现方案为：对于部署的模型所包括的多个网络层，确定根据第一量化精度量化多个网络层中每个网络层的损失值，作为每个网络层的量化损失值；将多个网络层的量化损失值发送给分布式部署模型的多个计算节点中的目标节点，以使所述目标节点根据接收的量化损失值确定多个网络层中的目标网络层；以及根据第一量化精度量化目标网络层的网络参数。
分布式部署模型量化方法装置设备介质

[发明专利]目标检测方法、装置、电子设备、计算机可读存储介质-CN202310397226.9在审
发明人：吕文玉;赵祎安;徐尚良;王冠中;党青青 -专利权人：北京百度网讯科技有限公司
申请日： 2023-04-12 - 公布日： 2023-09-05 - 主分类号： G06V10/42 文献下载
摘要：本公开提供了目标检测方法、装置、电子设备、计算机可读存储介质，涉及图像处理技术领域，尤其涉及深度学习、目标检测技术领域。具体实现方案为：对待检测图像进行多尺度特征提取，获取多个对应不同尺度的尺度特征，多个所述尺度特征包括一个深层特征和至少一个浅层特征，所述浅层特征对应的尺度小于所述深层特征对应的尺度；基于多个所述尺度特征，进行交叉注意力计算，获取全局语义特征；将所述全局语义特征与所述浅层特征进行特征融合，获取检测特征；根据所述检测特征获取所述待检测图像中的目标类别以及目标位置。
目标检测方法装置电子设备计算机可读存储介质

[发明专利]深度学习模型的压缩方法、训练方法、处理方法和装置-CN202310728945.4在审
发明人：于广华;王豪爽;党青青;沙燕霖;于佃海 -专利权人：北京百度网讯科技有限公司
申请日： 2023-06-19 - 公布日： 2023-09-05 - 主分类号： G06N3/082 文献下载
摘要：本公开提供了深度学习模型的压缩方法、训练方法、处理方法和装置，涉及人工智能技术领域，具体涉及深度学习、自然语言处理等技术领域。该压缩方法的具体实现方案为：根据初始模型的每个处理层的权重参数的分布信息，调整初始模型的每个处理层之前的处理层的特征参数，得到第一中间模型；利用第一中间模型对文本数据进行处理，得到每个处理层的输入激活值，其中，输入激活值由位于每个处理层之前的处理层对文本数据处理后得到；基于输入激活值，调整第一中间模型的每个处理层的权重参数，得到待量化的权重参数；以及对待量化的权重参数进行量化，得到与初始模型对应的压缩模型。
深度学习模型压缩方法训练处理装置

[发明专利]深度学习模型的压缩方法、训练方法、处理方法及装置-CN202310730276.4在审
发明人：于广华;王豪爽;党青青;沙燕霖;于佃海 -专利权人：北京百度网讯科技有限公司
申请日： 2023-06-19 - 公布日： 2023-08-18 - 主分类号： G06N3/082 文献下载
摘要：本公开提供了深度学习模型的压缩方法、训练方法、处理方法及装置，涉及人工智能技术领域，具体涉及深度学习、自然语言处理技术领域。该压缩方法的具体实现方案为：将文本数据输入初始模型，得到初始模型包括的依次连接的多个处理层中每个处理层的目标参数；其中，目标参数包括：每个处理层的权重参数和每个处理层的输入激活值；输入激活值是由位于每个处理层之前的处理层对文本数据处理后得到；根据多个处理层的目标参数的分布信息，调整初始模型的每个处理层之前的处理层的特征参数，得到第一中间模型；将文本数据输入第一中间模型，得到多个处理层的待量化参数；以及对待量化参数进行量化，得到与初始模型对应的压缩模型。
深度学习模型压缩方法训练处理装置

[发明专利]数据处理方法、装置、电子设备以及存储介质-CN202310565645.9在审
发明人：吴飞圣;邓凯鹏;党青青;于佃海;马艳军;王海峰 -专利权人：北京百度网讯科技有限公司
申请日： 2023-05-19 - 公布日： 2023-08-04 - 主分类号： G06N3/048 文献下载
摘要：本公开提供了数据处理方法、装置、电子设备以及存储介质，涉及数据处理技术领域，尤其涉及人工智能、深度学习、模型推理优化等技术领域。具体实现方案为：从存储介质中读取待处理对象的激活矩阵，以及目标神经网络层的参数矩阵；采用至少一个内核从激活矩阵中分离出第一矩阵和第二矩阵，并从参数矩阵中分离出第三矩阵和第四矩阵；对第一矩阵和第三矩阵执行矩阵乘积操作，得到第一处理结果；对第二矩阵和第四矩阵执行矩阵乘积操作，得到第二处理结果；将第一处理结果和第二处理结果进行融合，得到目标神经网络层对激活矩阵的数据处理结果。本公开实施例可节约存储空间的同时，加速大模型的推理速度，以提高资源的利用率。
数据处理方法装置电子设备以及存储介质

[发明专利]神经网络模型的量化方法、装置、电子设备及介质-CN202211452620.X有效
发明人：于广华;王豪爽;党青青 -专利权人：北京百度网讯科技有限公司
申请日： 2022-11-18 - 公布日： 2023-08-04 - 主分类号： G06N3/0495 文献下载
摘要：本公开提供了一种神经网络模型的量化方法、装置、电子设备及介质，涉及人工智能领域，尤其涉及深度学习领域。具体实现方案为：对部署于分布式平台中目标计算设备的目标神经网络模型执行多次量化处理，得到目标量化因子序列；以及根据目标量化因子序列，对目标神经网络模型进行量化；其中，多次量化处理包括：根据第n+2子量化因子序列和来自分布式平台的多个附加计算设备的多个第n+2附加子量化因子序列，得到第n+2量化因子序列；n为不小于2的整数；根据第n候选量化因子序列和第n+2量化因子序列，得到第n+1候选量化因子序列；响应于确定满足预设条件，确定第n+1候选量化因子序列为目标量化因子序列。
神经网络模型量化方法装置电子设备介质

[发明专利]目标检测模型的训练方法、装置、电子设备和存储介质-CN202310357394.5在审
发明人：吕文玉;魏金满;倪烽;王冠中;党青青;刘毅 -专利权人：北京百度网讯科技有限公司
申请日： 2023-04-06 - 公布日： 2023-07-21 - 主分类号： G06N3/096 文献下载
摘要：本公开提供了一种目标检测模型的训练方法、装置、电子设备和存储介质，涉及人工智能技术领域，尤其涉及深度学习、图像处理、计算机视觉等领域。具体实现方案为：基于样本图像以及教师模型，得到当前伪标签；基于所述当前伪标签以及历史伪标签库中的至少一个伪标签，得到记忆平滑伪标签；基于所述样本图像以及学生模型，得到目标检测结果；基于所述记忆平滑伪标签以及所述目标检测结果，得到第一损失；基于所述第一损失对所述学生模型进行训练，得到目标检测模型。本公开可以提升目标检测模型的训练效果，进而提升目标检测的准确度。
目标检测模型训练方法装置电子设备存储介质

[发明专利]模型训练方法、装置、设备及存储介质-CN202310444991.1在审
发明人：吕文玉;赵祎安;徐尚良;王冠中;党青青 -专利权人：北京百度网讯科技有限公司
申请日： 2023-04-24 - 公布日： 2023-07-21 - 主分类号： G06N3/04 文献下载
摘要：本公开提供一种模型训练方法、装置、设备及存储介质，涉及人工智能技术领域，具体涉及机器视觉、深度学习等技术领域，可应用于目标检测、神经网络优化等场景下，具体实现方案包括：获取待训练神经网络的解码模块内各参数传递层级的层级序号；根据层级序号生成第一传递路径集合，第一传递路径集合中，每个传递路径中的相邻层级之间的层级序号间隔不超过2层；根据预设路径选取规则，从第一传递路径集合中选取目标传递路径作为神经网络中解码模块的传递路径；根据目标传递路径，采用训练数据对神经网络进行训练。本公开可以提升神经网络模型训练的精度。
模型训练方法装置设备存储介质

[发明专利]目标检测模型训练及目标检测方法、装置、设备和介质-CN202310300413.0在审
发明人：吕文玉;徐尚良;赵祎安;魏金满;王冠中;党青青 -专利权人：北京百度网讯科技有限公司
申请日： 2023-03-24 - 公布日： 2023-07-07 - 主分类号： G06V10/40 文献下载
摘要：本公开提供了一种目标检测模型训练及目标检测方法、装置、设备和介质，涉及人工智能技术领域，具体涉及计算机视觉、深度学习等技术领域。所述目标检测模型包括：特征提取网络和多个辅助预测网络，所述训练方法包括：获取训练数据；采用所述特征提取网络，获得所述训练数据中图像样本的图像特征；基于所述图像特征和各个辅助预测网络，获得辅助预测结果；基于所述辅助预测结果、所述训练数据中的真实结果和目标匹配关系，构建子损失函数，其中，所述目标匹配关系是基于所述多个辅助预测网络共用的初始匹配关系确定的；基于所述子损失函数，构建总损失函数，并采用所述总损失函数调整模型参数。本公开可以提高目标检测精度。
目标检测模型训练方法装置设备介质

[发明专利]神经网络模型的压缩方法及装置、设备和介质-CN202210556816.7有效
发明人：吕梦思;王豪爽;党青青;刘其文 -专利权人：北京百度网讯科技有限公司
申请日： 2022-05-19 - 公布日： 2023-07-04 - 主分类号： G06N3/082 文献下载
摘要：本公开提供了一种神经网络模型的压缩方法及装置、设备和介质，涉及人工智能技术领域，尤其涉及深度学习、云服务技术领域。实现方案为：获取用于部署目标神经网络模型的目标部署环境信息；确定多个候选压缩策略；基于所述每个候选压缩策略，对所述目标神经网络模型执行压缩操作，以得到与所述多个候选压缩策略分别对应的多个候选压缩模型；针对所述每个候选压缩模型，确定该候选压缩模型对应的推理耗时信息；至少基于所述多个候选压缩模型的推理耗时信息，从所述多个候选压缩策略中确定目标压缩策略；以及至少基于所述目标压缩策略，确定所述目标神经网络模型相应的压缩神经网络模型。
神经网络模型压缩方法装置设备介质

[发明专利]数据处理方法、装置、设备以及存储介质-CN202310094738.8在审
发明人：徐畅;于广华;王豪爽;党青青;刘其文;马艳军 -专利权人：北京百度网讯科技有限公司
申请日： 2023-01-18 - 公布日： 2023-05-26 - 主分类号： G06N3/08 文献下载
摘要：本公开提供了数据处理方法、装置、设备以及存储介质，涉及人工智能领域，尤其涉及深度学习、模型量化技术领域。具体实现方案为：获取待量化网络模型的目标类神经网络层的待量化信息；确定待量化信息的数值分布；在基于待量化信息的数值分布确定待量化信息适合量化、且待量化信息在模拟量化后导致精度损失大于损失阈值的情况下，确定对待量化网络模型的量化过程中目标类神经网络层的待量化信息不执行量化操作。本公开实施例不仅降低模型量化的工作量，提高模型量化的效率，降低对硬件的需求。同时，将不适合被量化的目标类神经网络层跳过量化过程，保留了该类神经网络层的精度，也可提高量化后模型的精度。
数据处理方法装置设备以及存储介质

1
2
3
下一页»
尾页
共 38 条