“许春景”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80个，建议您升级VIP下载更多相关专利

[发明专利]一种网络模型的训练方法以及相关装置-CN201910331313.8有效
发明人：陈汉亭;舒晗;王云鹤;许春景 -专利权人：华为技术有限公司
申请日： 2019-04-23 - 公布日： 2023-10-24 - 主分类号： G06V10/774 文献下载
摘要：本申请公开了一种网络模型的训练方法，可以应用于对网络模型进行训练的服务器中，服务器可以分别获取第一生成网络和第二生成网络，并利用第二生成网络输出的第二转换后图像，对第一生成网络进行迭代训练，由于第二生成网络为执行过训练操作的大型网络，则可以保证执行过训练操作的第三生成网络的图像处理能力较好，且由于第一生成网络的参数量小于第二生成网络，从而第一生成网络占用的内存面积，且运算量较少。
一种网络模型训练方法以及相关装置

[发明专利]模型压缩方法及装置-CN201910430876.2有效
发明人：舒晗;王云鹤;韩凯;许春景 -专利权人：华为技术有限公司
申请日： 2019-05-22 - 公布日： 2023-10-24 - 主分类号： G06N3/006 文献下载
摘要：本申请实施例提供模型压缩方法及装置，用于解决现有的压缩算法直接应用在生成器模型上不能取得令人满意的结果的问题，包括：对压缩前的生成器模型的网络结构进行二值编码，得到包括M个第一代生成器子模型的网络结构的第一代子群；获取每个第一代生成器子模型的网络结构的适应值；根据适应值和遗传算法，确定第N代子群中适应值最优的第N代生成器子模型的网络结构，第N代子群中M个第N代生成器子模型的网络结构的适应值的平均值与第(N‑1)代子群中M个第(N‑1)代生成器子模型的网络结构的适应值的平均值的差值小于设定值；根据压缩前的生成器模型中的网络参数和适应值最优的第N代生成器子模型的网络结构，确定压缩后的生成器模型。
模型压缩方法装置

[发明专利]图像生成方法、神经网络的压缩方法及相关装置、设备-CN201910254752.3有效
发明人：陈汉亭;王云鹤;刘传建;韩凯;许春景 -专利权人：华为技术有限公司
申请日： 2019-03-31 - 公布日： 2023-09-12 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了人工智能领域中的一种图像生成方法、神经网络的压缩方法及相关装置、设备，该图像生成方法包括将第一矩阵输入初始图像生成器，得到生成图像；将生成图像输入预设判别器，得到判别结果，其中，预设判别器是经过真实图像和所述真实图像对应的分类训练得到的；根据判别结果更新初始图像生成器，得到目标图像生成器；进而，将第二矩阵输入目标图像生成器，得到样本图像。进一步地，还公开一种神经网络的压缩方法，基于上述图像生成方法得到的样本图像对预设判别器进行压缩。
图像生成方法神经网络压缩相关装置设备

[发明专利]一种感知网络及数据处理方法-CN202110221934.8有效
发明人：郭健元;韩凯;王云鹤;许春景 -专利权人：华为技术有限公司
申请日： 2021-02-27 - 公布日： 2023-09-01 - 主分类号： G06N3/0464 文献下载
摘要：本申请公开了一种感知网络，可以应用于人工智能领域，包括：特征提取网络，其中特征提取网络中的第一block用于对输入数据进行卷积处理，以得到M个目标特征图，特征提取网络中的至少一个第二block用于对M个目标特征图中的M1个目标特征图进行卷积处理，以得到M1个第一特征图，特征提取网络中的目标操作用于对M个目标特征图中的M2个目标特征图进行处理，以得到M2个第二特征图，特征提取网络中的拼接操作用于将M1个第一特征图和M2个第二特征图进行拼接，以得到拼接后的特征图。本申请利用相同stage之间跨层的目标操作来让感知网络生成这些与关键特征相似性高的特征，降低了模型的参数量，以此提高在GPU设备、TPU设备以及NPU设备上的模型的运行速度。
一种感知网络数据处理方法

[发明专利]风格迁移模型的训练方法、视频风格迁移的方法以及装置-CN202010409043.0有效
发明人：张依曼;陈醒濠;王云鹤;许春景 -专利权人：华为技术有限公司
申请日： 2020-05-14 - 公布日： 2023-08-25 - 主分类号： G06T3/00 文献下载
摘要：本申请公开了人工智能领域中的一种风格迁移模型的训练方法、视频风格迁移的方法以及装置，包括：获取训练数据；通过神经网络模型根据样本风格图像对N帧样本内容图像进行图像风格迁移处理，得到N帧预测合成图像；根据N帧样本内容图像与N帧预测合成图像之间的图像损失函数，确定神经网络模型的参数，图像损失函数包括低秩损失函数，低秩损失函数用于表示第一低秩矩阵与第二低秩矩阵之间的差异，第一低秩矩阵是基于N帧样本内容图像与光流信息得到的，第二低秩矩阵是基于N帧预测合成图像与光流信息得到的，光流信息用于表示N帧样本内容图像中相邻两帧图像之间对应像素点的位置差异。本申请的技术方案能够提高视频在风格迁移处理后的稳定性。
风格迁移模型训练方法视频以及装置

[发明专利]数据处理方法和数据处理装置-CN202010110945.4有效
发明人：李松江;磯部骏;贾旭;袁善欣;格雷戈里·斯拉堡;许春景;田奇 -专利权人：华为技术有限公司
申请日： 2020-02-21 - 公布日： 2023-07-18 - 主分类号： G06T3/40 文献下载
摘要：本申请实施例公开了一种数据处理方法，应用于人工智能领域，具体为图像处理技术，包括：获取帧序列，帧序列中的帧具有第一分辨率；从帧序列中确定至少两个帧组，帧组包括第一目标帧和第一目标帧的至少两个邻近帧，第一目标帧为帧序列中的任意一帧，邻近帧为帧序列中除第一目标帧以外的帧；通过三维卷积神经网络确定至少两个帧组中每个帧组的特征，三维卷积神经网络中卷积核在时间维度的尺寸与帧组中帧的数量正相关；融合至少两个帧组中每个帧组的特征，以确定第一目标帧的细节特征；根据细节特征和第一目标帧，获取具有第二分辨率的第一目标帧，第二分辨率大于第一分辨率。
数据处理方法装置

[发明专利]图像分类方法、数据处理方法和装置-CN201910335678.8有效
发明人：韩凯;王云鹤;许春景 -专利权人：华为技术有限公司
申请日： 2019-04-24 - 公布日： 2023-05-09 - 主分类号： G06V10/764 文献下载
摘要：本申请提供了图像分类方法和装置，涉及人工智能领域，具体涉及计算视觉领域。其中，该图像分类方法包括：获取神经网络的基准卷积核的卷积核参数和神经网络的掩码张量，对该神经网络的基准卷积核以及基准卷积核对应的掩码张量进行哈达玛积运算，得到多个子卷积核；根据该多个子卷积核对待处理图像进行卷积处理，并根据卷积最终得到的卷积特征图对待处理图像分类，得到待处理图像的分类结果。由于掩码张量相对于卷积核占用的存储空间更小，因而能够使得一些存储资源受限的设备也能够部署包含基准卷积核和掩码张量的神经网络，进而实现对图像的分类。
图像分类方法数据处理装置

[发明专利]一种数据处理方法及其装置-CN202210857639.6在审
发明人：韩建华;徐航;卢冠松;张维;许春景 -专利权人：华为技术有限公司
申请日： 2022-07-20 - 公布日： 2022-11-22 - 主分类号： G06T9/00 文献下载
摘要：一种数据处理方法，应用于人工智能领域，方法包括：获取图像以及多个第一信息，每个第一信息指示一个对象的类别；通过文本编码器，分别独立处理多个第一信息中的每个第一信息，以得到每个第一信息对应的第一编码结果；通过图像编码器，处理图像，得到第二编码结果；根据第一编码结果和第二编码结果，从多个第一信息指示的多个标签中识别出图像中包括的对象的类别。本申请将图像中不同对象的信息分别作为不同的输入数据输入到文本编码器中，文本编码器可以分别独立处理多个第一信息中的每个第一信息，文本编码器在处理每个第一信息时减少了不必要的注意力计算，提高了模型的运行效率。
一种数据处理方法及其装置

[发明专利]一种提取数据特征的方法和相关装置-CN202110761751.5有效
发明人：韩凯;王云鹤;许春景 -专利权人：华为技术有限公司
申请日： 2020-06-30 - 公布日： 2022-11-08 - 主分类号： G06N3/04 文献下载
摘要：本申请提供了人工智能领域中提取数据特征的方法和装置。本申请的技术方案中，采用加法卷积运算，基于量化后的特征提取参数提取量化后的数据中的目标特征，即计算量化后的特征提取参数和量化后的数据的差值的绝对值之和，以根据该和获取目标特征，这样可以在节省存储资源的同时还能节省计算资源，从而可以减小人工智能在资源受限的设备上的应用。此外，本申请还提出了使用相同的量化参数对特征提取参数和数据进行量化，这样，在对提取到的特征数据进行反量化时，可以基于该量化参数对特征数据进行反量化，从而可以在提高特征数据的精准度的同时还能降低计算复杂度，进而节省计算资源。进一步地，本申请还提供了用于实现该加法卷积运算的硬件装置。
一种提取数据特征方法相关装置

[发明专利]一种图像处理方法和终端设备-CN202210712879.7在审
发明人：韩建华;徐航;许春景 -专利权人：华为技术有限公司
申请日： 2022-06-22 - 公布日： 2022-11-04 - 主分类号： G06T7/11 文献下载
摘要：本申请实施例公开了一种图像处理方法和终端设备，用于实现对图像的语义识别。本申请实施例提供一种图像处理方法，语义分割模型包括：视觉编码器和聚类头，其中，方法包括：将待预测的图像输入到视觉编码器中，以得到像素级嵌入特征；将像素级嵌入特征输入到聚类头中，以得到聚类结果；根据聚类结果对像素级嵌入特征进行池化，以得到多个图像区域分别对应的视觉嵌入特征；根据多个图像区域分别对应的视觉嵌入特征和文本嵌入特征，对多个图像区域进行语义分割，以得到每个图像区域对应的语义分割结果；文本嵌入特征为根据预定义的文本类别获得。
一种图像处理方法终端设备

[发明专利]一种图像处理方法、装置、存储介质及计算机程序产品-CN202210774661.4在审
发明人：叶超强;徐航;杨臻;张维;许春景 -专利权人：华为技术有限公司
申请日： 2022-07-01 - 公布日： 2022-11-01 - 主分类号： G06V20/56 文献下载
摘要：本申请涉及一种图像处理方法、装置、存储介质及计算机程序产品。其中，该方法包括：获取第一图像采集装置采集的二维图像；第一图像采集装置为安装在自车上的任一图像采集装置；通过神经网络模型提取二维图像的特征，并在所提取的特征中确定与至少一个场景点对应的特征；其中，场景点为BEV视角下预设场景点集合中的预设场景点，预设场景点集合分布于以自车为极点的极坐标系中，且预设场景点集合所在平面与地面平行；神经网络模型由目标任务对应的训练数据训练得到；根据至少一个场景点对应的特征，执行目标任务。通过本申请可以将2D图像转化为BEV视角下的统一的、准确的、稠密的3D场景表达，并用于执行目标任务。
一种图像处理方法装置存储介质计算机程序产品

[发明专利]一种图像处理方法、模型训练方法及相关装置-CN202210313671.8在审
发明人：卢冠松;徐航;许春景;付彦伟 -专利权人：华为技术有限公司;复旦大学
申请日： 2022-03-28 - 公布日： 2022-08-26 - 主分类号： G06T11/60 文献下载
摘要：本申请公开了一种图像处理方法，应用于人工智能技术领域。在该方法中，将图像编辑任务分成两部分来执行，先基于待编辑区域的提示文本有效地区分图像中的待编辑区域和内容保留区域，然后将输入文本的特征与图像中的内容保留区域的特征进行融合处理，最终得到图像编辑结果。由于预先基于待编辑区域的提示文本来区分图像中的两种区域，因此能够在特征处理阶段只对内容保留区域的特征和输入文本的特征进行融合处理，从而使得图像编辑结果中能够完整地保留内容保留区域的内容，并且图像编辑结果中的编辑内容能够很好地满足输入文本的描述。
一种图像处理方法模型训练相关装置

[发明专利]一种模型的训练方法、车道线的检测方法及设备-CN202210368255.8在审
发明人：蔡信岳;杨臻;徐航;许春景;张洪波 -专利权人：华为技术有限公司
申请日： 2022-03-31 - 公布日： 2022-08-09 - 主分类号： G06V20/56 文献下载
摘要：本申请公开了一种模型的训练方法、车道线的检测方法及设备，可用于人工智能领域中，具体可应用于汽车领域的车道线检测，包括：对训练样本分别标注第一类型的真值集、第二类型的真值集及第三类型的真值集，分别用于表征属于车道线的特征点、车道线上特征点的局部方向信息、特征点与车道线远端端点距离的信息，在上述真值标注基础下对目标模型进行训练，本申请解耦了车道线预测任务同时重度依赖准确的局部信息以及鲁棒的全局信息的需求，使用第二类型的真值集获取局部信息，能够使车道线预测更加贴合；使用第三类型的真值集获取全局信息，能够使车道线的长度预测更为精准，两相配合大幅度提升了车道线检测的性能，能够更好地适应真实的驾驶场景。
一种模型训练方法车道检测设备

[发明专利]一种图像处理方法、一种车道线检测方法及相关设备-CN202210018538.X在审
发明人：韩建华;徐航;许春景 -专利权人：华为技术有限公司
申请日： 2022-01-07 - 公布日： 2022-05-13 - 主分类号： G06T7/00 文献下载
摘要：本申请实施例公开了一种图像处理方法，该方法可以应用于自适应巡航、车道偏离预警、车道保持辅助等包含车道线检测的场景。该方法包括：对待检测图像进行特征提取，得到第一特征；对待检测图像的检测框信息进行处理，得到第二特征，检测框信息包括待检测图像中至少一个对象的检测框在待检测图像中的位置；将第一特征与第二特征输入基于transformer结构的第一神经网络，得到待检测图像中的车道线。通过将transformer结构的神经网络应用于车道线检测任务上，可以获取待检测图像的全局信息，进而有效地建模车道线之间的长程联系。并通过增加检测框信息，提升对图像场景的感知能力。
一种图像处理方法车道检测相关设备

[发明专利]一种3D目标检测的方法及设备-CN202011057005.X在审
发明人：王子辰;钮敏哲;张晓鹏;许春景 -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： G06V20/64 文献下载
摘要：本申请实施例公开了一种3D目标检测的方法及设备，可应用于人工智能领域的计算机视觉领域，该方法包括：首先得到激光点云中各个激光点对应的2D信息，并再将激光点云和2D信息分别输入两个三维的稀疏卷积模块，得到第一特征和第二特征，再将第一特征和第二特征级联后输入一个二维的卷积模块，得到第三特征(即融合特征)，第三特征再与第一特征和第二特征级联得到第四特征(即组合特征)，最后利用第四特征实现3D目标检测。本申请实施例将该激光点云与2D信息在特征层面进行融合，提升了3D目标检测性能的同时保留了激光点云的原始特征，使该3D目标检测在夜晚、雨雾天等摄像头失效的复杂场景下具备良好的鲁棒性。
一种目标检测方法设备

1
2
3
4
5
6
下一页»
尾页
共 80 条