“李宝普”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]用于滤色器阵列图像去噪的深度残差网络-CN202080005172.1在审
发明人：潘志宏;李宝普;郑旭君;包英泽 -专利权人：百度时代网络技术（北京）有限公司;百度（美国）有限责任公司
申请日： 2020-01-23 - 公布日： 2021-12-07 - 主分类号： G06T5/00 文献下载
摘要：本文中描述了专用于滤色器阵列马赛克图案的深度残差网络的实施方式。引入马赛克跨步卷积层以匹配多光谱滤波器阵列(MSFA)或滤色器阵列原始图像的马赛克图案。应用使用MSFA移位和动态噪声的数据增强的实施方式，以使模型对不同的噪声水平是鲁棒的。通过使用噪声标准偏差来归一化L1损失函数，可创建网络优化准则的实施方式。综合实验表明，所公开的深度残差网络的实施方式在MSFA领域优于现有技术的去噪算法。
用于滤色器阵列图像深度网络

[发明专利]在移动设备上实现多边形地理围栏服务的系统及方法-CN201980034800.6有效
发明人：赵艺伟;杨俊;黄硕;李宝普 -专利权人：华为技术有限公司
申请日： 2019-04-28 - 公布日： 2021-10-19 - 主分类号： H04W4/021 文献下载
摘要：本发明涉及用于基于位置的服务的技术，尤其涉及地理防护。计算设备生成多个圆形地理围栏，以覆盖多边形地理围栏定义的地理区域。对所述多个圆形地理围栏进行监控，以检测进入任一所述圆形地理围栏的边界的用户设备的当前位置。基于所述检测，确定所述用户设备的当前位置在所述多边形地理围栏中。通知基于位置的服务所述用户设备已经进入所述多边形地理围栏。
移动设备实现多边形地理围栏服务系统方法

[发明专利]基于用于深度神经网络的增强学习的张量分解中的排序选择-CN201980061133.0在审
发明人：程治宇;李宝普;范彦文;包英泽 -专利权人：百度时代网络技术（北京）有限公司;百度（美国）有限责任公司
申请日： 2019-11-26 - 公布日： 2021-07-27 - 主分类号： G06N3/04 文献下载
摘要：张量分解对于压缩深度神经网络(DNN)有利。在DNN的许多应用中，减少参数的数量和计算工作量有助于提高部署中的推理速度。现代DNN包括具有多阵列权重的多个层，其中张量分解是执行压缩的自然方式，其中卷积层或完全连接层中的权重张量用指定的张量排序(例如，标准排序、张量列排序)来分解。使用DNN的常规张量分解涉及手动选择排序，这需要繁琐的人工来优化性能。因此，本文提出了排序选择实施方式，其受增强学习的启发，以自动选择张量分解中的排序。实验结果验证了基于学习的排序选择实施方式显着地优于对多个测试数据集的手工制作的排序选择试探法，目的是有效地压缩深度神经网络，同时保持相当的精度。
基于用于深度神经网络增强学习张量分解中的排序选择

[发明专利]用于使用深度全色图像引导残余内插对多光谱图像去马赛克的系统和方法-CN201980060178.6在审
发明人：潘志宏;李宝普;包英泽;郑旭君 -专利权人：百度时代网络技术（北京）有限公司;百度（美国）有限责任公司
申请日： 2019-07-05 - 公布日： 2021-05-14 - 主分类号： G06T5/00 文献下载
摘要：本文描述了使用深度全色图像引导的残余内插的对多光谱图像进行去马赛克的系统和实施方式。公开了用于从多光谱滤波器阵列(MSFA)马赛克图像重构全分辨率全色图像的基于ResNet的深度学习模型的实施方式。在一个或多个实施方式中，将重构的深度全色图像(DPI)部署为引导，以使用双程引导残余内插方法来恢复全分辨率多光谱图像。实验结果表明，所公开的方法实施方式在定性和定量上都优于一些现有技术的传统的和深度学习的去马赛克方法。
用于使用深度全色图像引导残余内插光谱马赛克系统方法

[发明专利]手机多模态位置感测-CN201980059741.8在审
发明人： 李宝普;陈娟;赵艺伟;杨俊;孙文有;黄硕 -专利权人：华为技术有限公司
申请日： 2019-04-28 - 公布日： 2021-04-30 - 主分类号： G01C21/34 文献下载
摘要：本公开的实施例提供了用于位置感测服务和时间线服务的技术，所述位置感测服务和所述时间线服务在主机设备中实现，用于提供位置历史记录。特别地，所述位置感测服务可以使用第三方应用程序提出的请求被动地采集设备的位置坐标。响应于用户活动的变化或响应于所述设备的蜂窝标识的变化，所述位置感测服务可以接收信号，所述信号包括定位请求意图。所述设备可以确定从上个定位请求到与接收到所述信号中的一个或多个对应的时间所经过的时间超过时间阈值，并基于此，请求所述设备的位置坐标。
手机多模态位置

[发明专利]用于加速神经网络训练的信息处理的方法、电子设备和计算机可读介质-CN202010517306.X在审
发明人：程治宇;李宝普;包英泽 -专利权人：百度（美国）有限责任公司
申请日： 2020-06-09 - 公布日： 2021-04-23 - 主分类号： G06N3/04 文献下载
摘要：本公开的实施方式公开了用于加速神经网络训练的信息处理方法，该方法包括：获取对应于深度学习任务的神经网络；以及基于训练数据集对神经网络执行迭代训练的多次迭代，其中，训练数据集包括对应于深度学习任务的任务数据；以及迭代训练包括：利用当前神经网络处理训练数据集中的任务数据，并基于当前迭代训练中神经网络对任务数据的处理结果，确定当前迭代训练的预测损失；基于预设学习速率函数、预设动量函数和当前迭代次数，确定当前迭代训练中的学习速率和动量；以及基于预设的梯度下降、当前迭代训练中的学习速率、动量和预测损失，通过梯度下降更新当前神经网络的权重参数。该方法实现了高效，低成本的基于深度学习的神经网络训练。
用于加速神经网络训练信息处理方法电子设备计算机可读介质

[发明专利]训练图像分类模型的系统及方法和对图像进行分类的方法-CN202010518225.1在审
发明人： 李宝普;程治宇;包英泽 -专利权人：百度（美国）有限责任公司
申请日： 2020-06-09 - 公布日： 2021-04-13 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了用于训练图像分类模型的计算机实现的方法、用于训练图像分类模型的系统以及用于对图像进行分类的计算机实现的方法。在一个或多个实施例中，紧凑的深度学习模型包括更少的层，这需要更少的浮点运算(FLOP)。本文还提供了新的学习率函数的实施例，其可以在两个线性函数之间自适应地改变学习率。在一个或多个实施例中，在训练过程中，半精度浮点格式训练与更大批量大小的组合也可用于帮助训练过程。
训练图像分类模型系统方法进行