“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]点云数据的处理方法、神经网络的训练方法以及相关设备-CN202111278599.1在审
发明人：钮敏哲;徐航;许春景 -专利权人：华为技术有限公司
申请日： 2021-10-30 - 公布日： 2022-03-04 - 主分类号： G06V40/16 文献下载
摘要：本申请实施例公开一种点云数据的处理方法、神经网络的训练方法以及相关设备，该方法可用于人工智能领域的点云数据的处理领域中。方法可以包括：获取与目标环境对应的点云数据，点云数据被划分为多个目标立方体；根据每个目标立方体内的目标点的初始信息，生成每个目标立方体的初始特征；根据注意力机制对多个目标立方体的初始特征进行更新，得到多个目标立方体的更新后的特征；对多个目标立方体的更新后的特征执行特征处理操作，得到与点云数据对应的预测结果。减少了整个点云数据的处理过程中消耗的计算机资源，有利于聚焦于点云数据所携带的重要信息，以提高输出的预测结果的准确度。
数据处理方法神经网络训练以及相关设备

[发明专利]一种物体检测方法及其相关设备-CN202111131185.6在审
发明人：钮敏哲;徐航;许春景 -专利权人：华为技术有限公司
申请日： 2021-09-26 - 公布日： 2022-01-28 - 主分类号： G06T7/00 文献下载
摘要：本申请提供一种物体检测方法及其相关设备,在物体检测的第二阶段中，物体检测模型所采样得到的点云数据能够完整地表征目标物体所在的初始区域，使得模型基于这些点云数据所得到的目标物体所在的最终区域，可具备足够的准确度。本申请的方法包括：对目标场景的点云数据进行处理，得到目标场景中目标物体所在的第一区域；在第一区域中构建多个网格点阵列，不同的网格点阵列具有不同的尺寸；获取多个网格点阵列中网格点的点云数据集合，点云数据集合包含网格点周围的点云数据；对点云数据集合进行处理，得到目标物体所在的第二区域。
一种物体检测方法及其相关设备

[发明专利]图像处理方法和装置-CN201910384600.5有效
发明人：杨朝晖;王云鹤;许春景 -专利权人：华为技术有限公司
申请日： 2019-05-09 - 公布日： 2022-01-14 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了人工智能领域中计算机视觉领域的一种图像处理方法及装置。其中，该图像处理方法，包括：获取待处理图像；根据目标图像压缩网络对该待处理图像进行压缩处理，得到该待处理图像的目标压缩图像，其中，该目标图像压缩网络的参数是根据该目标图像压缩网络对样本图像进行压缩处理的图像损失确定的，该图像损失包括感知损失，该感知损失是指该样本图像的特征向量与该样本图像对应的压缩图像的特征向量之间的差异，该待处理图像的特征向量与该目标压缩图像的特征向量的差异在预设范围内；基于该目标压缩图像进行识别，得到识别结果。本申请的技术方案能够提高计算机视觉系统识别目标压缩图像的准确率。
图像处理方法装置

[发明专利]一种注意力模型、特征提取方法及相关装置-CN202110731775.6在审
发明人：唐业辉;韩凯;王云鹤;肖安;许春景 -专利权人：华为技术有限公司
申请日： 2021-06-29 - 公布日： 2021-11-09 - 主分类号： G06F40/279 文献下载
摘要：本申请实施例公开了一种注意力模型以及特征提取方法，应用于人工智能技术领域。该注意力模型包括：一个或多个串行连接的自注意力网络，所述自注意力网络包括自注意力模块、多层感知机和第一神经网络层；所述自注意力模块包括多个并行的特征提取层和融合层，所述融合层分别与所述多个并行的特征提取层连接；所述多层感知机与所述自注意力模块串行连接，所述多层感知机包括多个串行的第一全连接层；所述第一神经网络层与所述自注意力模块以及所述多层感知机中的一个或多个并行连接，其中所述第一神经网络层用于执行特征变换。基于本方案，能够增加注意力模型所提取的特征的多样性，增强了特征的表达能力，从而提高注意力模型的性能。
一种注意力模型特征提取方法相关装置

[发明专利]图像处理方法和装置-CN201910336216.8有效
发明人：杨朝晖;刘传建;王云鹤;陈汉亭;许春景 -专利权人：华为技术有限公司
申请日： 2019-04-24 - 公布日： 2021-09-14 - 主分类号： G06T1/20 文献下载
摘要：本申请提供了一种图像处理方法，该方法包括：获取输入特征图；根据存储的多个基础卷积核和组合参数，对所述输入特征图进行卷积得到输出特征图，其中，所述组合参数用于指示所述多个基础卷积核组合成标准卷积核的排列顺序，所述基础卷积核的尺寸小于所述标准卷积核的尺寸；基于所述输出特征图进行图像处理，得到处理结果。本申请实施例提供的图像处理方法，能够减少进行图像处理所需使用的卷积神经网络模型的存储空间。
图像处理方法装置

[发明专利]目标测距方法、装置及设备-CN201710867746.6有效
发明人：江立辉;刘健庄;许春景 -专利权人：华为技术有限公司
申请日： 2017-09-22 - 公布日： 2021-08-27 - 主分类号： G06T7/80 文献下载
摘要：本申请涉及人工智能，具体涉及一种目标测距方法、装置及设备，应用于交通领域，例如应用于辅助驾驶领域或自动驾驶领域等，所述方法包括：选取图像中位于基准目标的前面或侧面的交通目标，图像是搭载在基准目标上的单目相机拍摄得到的；读取单目相机的内参和外参，并从预设的标准中读取交通目标的尺寸；根据内参、外参和交通目标的尺寸，计算交通目标与基准目标的距离。本申请除了可以计算没有触地点的交通目标与基准目标的距离，以扩展目标测距方法的使用场景；还可以计算处于上下坡路段中的交通目标与基准目标的距离，以提高测量结果的准确性。
目标测距方法装置设备

[发明专利]基于对象轨迹的用于跨域对应的多模态传感器融合方法-CN201980087727.9在审
发明人：阿米尔·本纳坦;雅科夫·卢巴斯基;帕维尔·基西列夫;彭学明;佘晓丽;许春景 -专利权人：华为技术有限公司
申请日： 2019-01-10 - 公布日： 2021-08-13 - 主分类号： G06K9/00 文献下载
摘要：一种用于计算多个传感器观测值之间的对应关系的系统包括：接口，用于基于源自捕获不同类型的信号的第一传感器和第二传感器的信号接收多个运动对象的第一时空数据集和第二时空数据集；处理电路，用于：分别基于所述第一时空数据集和所述第二时空数据集生成多个第一时空对象轨迹和多个第二时空对象轨迹；通过从相应域到预定域的相应映射，计算所述第一和第二时空对象轨迹之间的距离度量；采用距离度量来执行所述多个第一和第二时空对象轨迹的映射之间的匹配计算，以便计算第一和第二时空对象轨迹的每对映射之间的相似度，以及输出所述匹配计算的结果。
基于对象轨迹用于对应多模态传感器融合方法

[发明专利]一种神经网络的训练方法及相关设备-CN202110132041.6在审
发明人：许奕星;韩凯;唐业辉;王云鹤;许春景 -专利权人：华为技术有限公司
申请日： 2021-01-30 - 公布日： 2021-07-23 - 主分类号： G06N3/04 文献下载
摘要：本申请实施例公开了一种神经网络的训练方法及相关设备，该方法包括：在前向传播过程中，采用二值化函数对目标权重进行二值化处理，将二值化处理后的数据作为神经网络中第一神经网络层的权重；在反向传播过程中，将拟合函数的梯度作为二值化函数的梯度，计算损失函数对目标权重的梯度，由于拟合函数是基于二值化函数的级数展开确定的，所以拟合函数与二值化函数的拟合效果较好，从而能够提高训练效果，提高训练得到的神经网络的准确率。
一种神经网络训练方法相关设备

[发明专利]生成样本图像的方法、装置、设备、存储介质和程序产品-CN202110220846.6在审
发明人：肖安;郭天宇;韩凯;王云鹤;许春景 -专利权人：华为技术有限公司
申请日： 2021-02-26 - 公布日： 2021-07-23 - 主分类号： G06K9/62 文献下载
摘要：本公开的实施例提供了用于生成样本图像的方法、设备、装置、存储介质和程序产品，涉及人工智能领域，更具体地涉及计算机视觉领域。在本申请的生成样本图像的方法中，样本生成设备首先获取第一图像和与第一图像对应的第二图像，其中第一图像和第二图像具有相同的分辨率，并且第二图像具有比第一图像更高的图像质量。随后，样本生成设备确定第一图像的第一频域表示和第二图像的第二频域表示之间的频谱差异，并基于频谱差异，利用第二频域表示的至少一部分来更新第一频域表示。样本生成设备进一步基于经更新的第一频域表示来生成样本图像。这样，本公开的实施例能够充分地考虑原样本之间的差异，进而提高样本图像对于模型训练的有效性。
生成样本图像方法装置设备存储介质程序产品

[发明专利]一种模型的训练方法、图像增强方法及设备-CN202110221444.8在审
发明人：张依曼;陈汉亭;陈醒濠;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： 2021-07-02 - 主分类号： G06N3/04 文献下载
摘要：本申请实施例公开了一种模型的训练方法、图像增强方法及设备，可应用于人工智能领域中的图像处理领域，具体可用于超分辨率重建任务，该方法针对由生成网络、教师网络、学生网络构成的模型重新构建了一套损失函数，用于提升生成网络和学生网络的训练效果。在提升生成网络训练效果方面，基于超分辨重建任务的特性(即超分辨图像具有低分辨图像的所有信息，并包含更多细节信息)，针对超分辨重建任务构建了一种训练生成网络的损失函数，提升了模型在超分辨重建任务上的训练效果；在提升学生网络训练效果方面，由于无数据的知识蒸馏十分困难，为了降低蒸馏难度，采用渐进蒸馏方式训练学生网络，直至训练完整个学生网络，降低了蒸馏难度。
一种模型训练方法图像增强设备

[发明专利]一种图像处理方法、神经网络的训练方法以及相关设备-CN202110221909.X在审
发明人：宋德华;谢文彬;王云鹤;许春景;李文硕 -专利权人：华为技术有限公司
申请日： 2021-02-27 - 公布日： 2021-07-02 - 主分类号： G06T1/20 文献下载
摘要：本申请实施例公开一种图像处理方法、神经网络的训练方法以及相关设备，该方法可用于人工智能领域的图像处理领域中，第一神经网络模块包括计算量不同的M个分支，方法包括：从第一图像中获取第一区域的图像，第一图像被分为N个区域，第一区域为N个区域中的一个区域；将第一区域的图像输入第一神经网络模块的目标分支中，得到目标分支生成的处理结果，目标分支为M个分支中与第一区域对应的一个分支；将与N个区域对应的处理结果进行融合，以得到第一神经网络模块生成的处理结果；通过计算量小的分支对图像中部分区域进行处理，以降低处理图像中部分区域的计算功耗，不仅降低整个神经网络的计算功耗，且提高了图像处理过程的灵活性。
一种图像处理方法神经网络训练以及相关设备

[发明专利]一种卷积神经网络的剪枝处理方法、数据处理方法及设备-CN202110221926.3在审
发明人：唐业辉;许奕星;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： 2021-07-02 - 主分类号： G06N3/04 文献下载
摘要：本申请实施例公开了一种卷积神经网络的剪枝处理方法、数据处理方法及设备，可应用于人工智能领域，包括：通过构建的目标损失函数对卷积神经网络进行稀疏化训练，该目标损失函数可包括三个子损失函数，第一子损失函数用来衡量输入样本复杂度，第二子损失函数用来衡量处理输入样本的剪枝后的子网络复杂度，第三子损失函数用来衡量不同输入样本之间的相似度。第二子损失函数根据通道重要性函数与动态权重得到，并在第一子损失函数的取值未达到第一阈值的情况下，输入样本复杂度越高，动态权重取值越小(呈反相关)，训练得到的通道重要性函数的稀疏性越小，剪枝越少，从而实现针对每个输入样本的灵活剪枝，并实现相似的输入样本输入到相似的子网络。
一种卷积神经网络剪枝处理方法数据处理设备

[发明专利]一种图像处理方法及相关装置-CN202110221928.2在审
发明人：陈醒濠;李文硕;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： 2021-07-02 - 主分类号： G06K9/62 文献下载
摘要：本申请实施例公开了一种图像处理方法，应用于人工智能领域，包括：获取待处理图像的输入特征图，所述输入特征图包括第一输入子特征图和第二输入子特征图，所述第一输入子特征图的分辨率高于所述第二输入子特征图的分辨率；通过目标网络对所述输入特征图进行特征融合处理，得到输出特征图，在该目标网络中采用从低层往高层的方式将第一输入子特征图的特征往第二输入子特征图的特征中进行融合；根据所述输出特征图对所述待处理图像进行目标检测，得到目标检测结果。本方案中，采用从低层往高层的方式将低层特征往高层特征进行融合，弥补高层特征的稀疏问题，从而提高目标检测精度，解决加法神经网络无法应用于目标检测的问题。
一种图像处理方法相关装置

[发明专利]一种神经网络压缩方法及其相关设备-CN202110221937.1在审
发明人：聂迎;韩凯;刘振华;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： 2021-07-02 - 主分类号： G06N3/04 文献下载
摘要：本申请提供一种神经网络压缩方法及其相关设备，可使得压缩后的神经网络对不同图像进行不同精度的图像处理，从而保证图像处理的准确性。本申请的方法包括：获取目标图像；将目标图像输入第一神经网络，得到第二神经网络的量化比特数，其中，第二神经网络用于对目标图像进行图像处理，第二神经网络的量化比特数与图像处理所需的计算量正相关；根据第二神经网络的量化比特数，对第二神经网络的参数进行量化处理，得到量化处理后的第二神经网络。
一种神经网络压缩方法及其相关设备

[发明专利]一种特征提取的方法以及装置-CN202110223032.8在审
发明人：韩凯;王云鹤;肖安;郭健元;许春景;钱莉 -专利权人：华为技术有限公司
申请日： 2021-02-26 - 公布日： 2021-07-02 - 主分类号： G06K9/62 文献下载
摘要：本申请实施例涉及人工智能领域，公开了一种特征提取的方法以及装置。方法包括：获取待处理的对象，根据待处理对象获取切分后的对象，切分后的对象包括待处理对象中的部分元素。通过第一向量表示切分后的对象，通过第二向量表示切分后的对象中的部分元素。对第一向量进行特征提取获取第一特征，对第二向量进行特征提取后，获取第二特征。根据第一目标权重对至少两个第二特征进行融合，以获取第一融合特征。对第一特征和第一融合特征进行融合处理，以获取第二融合特征，第二融合特征用于获取待处理对象的特征，使提取的待处理对象的特征可以更好的表征待处理对象，进而可以提升应用了该特征提取方法的模型的性能。
一种特征提取方法以及装置