“郭梓超”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]深度学习模型的建立方法、图像处理方法及装置-CN201910356937.5有效
发明人： 郭梓超 -专利权人：北京迈格威科技有限公司
申请日： 2019-04-29 - 公布日： 2022-08-12 - 主分类号： G06N3/04 文献下载
摘要：本发明提供了一种深度学习模型的建立方法、图像处理方法及装置，在第一深度学习模型中，将卷积层的最大输入通道数及最大输出通道数，设置为卷积层的权重池的体积参数；将多个比例参数依次与权重池的体积参数相乘，得到多个子权重池；针对子权重池依次进行卷积计算，并根据计算得到的每个子权重池的输出通道数，建立多个第二深度学习模型，将第二深度学习模型导入启发式算法模型，输出满足预设测试指标的第三深度学习模型。本发明通过划分多个具有不同宽度组合的第二深度学习模型，并利用启发式算法模型，从第二深度学习模型中筛选出具有优选宽度组合的第三深度学习模型，达到了模型宽度设定的自动化的目的，减少了模型训练所需的资源。
深度学习模型建立方法图像处理装置

[发明专利]神经网络模型训练方法、图像识别方法和装置-CN201910767331.0有效
发明人： 郭梓超 -专利权人：北京迈格威科技有限公司
申请日： 2019-08-20 - 公布日： 2022-07-29 - 主分类号： G06N3/08 文献下载
摘要：本申请涉及一种神经网络模型训练方法、图像识别方法、装置、计算机设备和可读存储介质。该方法包括：获取训练样本数据和初始阶段的采样概率向量；采样概率向量中的每个元素值表征每种数据变换方式被选中为目标数据变换方式的概率；根据训练样本数据、初始阶段的采样概率向量和预设的数据变换预测模型，采用不同阶段的采样概率向量得到的增广样本数据对初始的神经网络模型进行多个阶段的训练，得到训练好的神经网络模型；数据变换预测模型用于根据每个阶段的采样概率向量预测每个阶段的下一阶段的采样概率向量。采用本方法能够提高训练出的神经网络模型的性能。
神经网络模型训练方法图像识别装置

[发明专利]神经网络模型搜索方法、图像识别方法和装置-CN201910767313.2有效
发明人： 郭梓超 -专利权人：北京迈格威科技有限公司
申请日： 2019-08-20 - 公布日： 2022-07-12 - 主分类号： G06N3/04 文献下载
摘要：本申请涉及一种神经网络模型搜索方法、图像识别方法、装置、计算机设备和可读存储介质。该方法包括：获取训练样本数据、测试样本数据以及预设的多个不同结构的初始神经网络模型；根据训练样本数据、多个初始神经网络模型和预设的多种不同结构的网络层，衍生出多个神经网络模型，以及依据对测试样本数据进行测试的测试结果，从多个神经网络模型中选取测试结果最优的至少一个神经网络模型作为目标神经网络模型。采用本方法能够提高神经网络模型的设计效率。
神经网络模型搜索方法图像识别装置

[发明专利]图像特征的提取方法、装置及电子设备-CN201910873505.1有效
发明人： 郭梓超 -专利权人：北京迈格威科技有限公司
申请日： 2019-09-12 - 公布日： 2022-06-21 - 主分类号： G06V10/40 文献下载
摘要：本发明提供了一种图像特征的提取方法、装置及电子设备，涉及图像处理技术领域，包括：获取待处理图像；待处理图像包括待处理原始图像或待处理特征图像；对待处理图像进行切分，得到多张子图像；基于待处理图像与预设的多个初始权重生成与各子图像对应的目标权重；对于每张子图像，采用该子图像对应的目标权重对该子图像进行卷积操作，得到该子图像的特征图像；基于各子图像的特征图像生成待处理图像的特征图像。本发明能够有效改善现有的图像特征提取方式。
图像特征提取方法装置电子设备

[发明专利]获得用于图像处理任务的卷积神经网络的方法及装置-CN201811281755.8有效
发明人： 郭梓超 -专利权人：北京旷视科技有限公司
申请日： 2018-10-23 - 公布日： 2021-11-16 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及图像处理技术领域，提供一种获得用于图像处理任务的卷积神经网络的方法及装置。其中，卷积神经网络中包括至少一个采样结构，采样结构的每个采样分支按照不同的采样参数对卷积神经网络中产生的特征图进行采样，采样后的特征图由每个采样分支的采样结果按照每个采样分支的加权系数加权平均后获得，该方法包括：通过训练卷积神经网络确定每个采样结构的每个采样分支的加权系数；在训练完成后，将包含有加权系数最大的采样分支的卷积神经网络确定为可用于图像处理任务的卷积神经网络。上述方法自动选择针对当前训练集最优的采样方式，有效降低了模型设计过程中的人工负担，其适用范围较广，且获得的卷积神经网络性能较好。
获得用于图像处理任务卷积神经网络方法装置

[发明专利]神经网络的量化策略确定方法、图像识别方法和装置-CN201910531769.9有效
发明人：刘泽春;郭梓超;衡稳 -专利权人：北京迈格威科技有限公司
申请日： 2019-06-19 - 公布日： 2021-10-15 - 主分类号： G06N3/02 文献下载
摘要：本申请涉及一种神经网络的量化策略确定方法、图像识别方法、装置、计算机设备和可读存储介质。该方法包括：获取预设的针对目标神经网络的多种量化策略；其中，每个量化策略用于表征目标神经网络中各网络层的运算属性的值，目标神经网络在各个量化策略下具有对应的模型参数；根据目标神经网络采用不同量化策略下的模型参数对测试样本进行测试的测试精度，从目标神经网络对应的多种量化策略中选择至少一种量化策略作为目标量化策略。采用本方法确定的目标量化策略能够在对目标神经网络压缩的同时，避免目标神经网络的预测精度严重下降的问题。
神经网络量化策略确定方法图像识别装置

[发明专利]图像处理方法及装置、存储介质及电子设备-CN201811584647.8有效
发明人： 郭梓超 -专利权人：北京旷视科技有限公司
申请日： 2018-12-24 - 公布日： 2021-10-01 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及深度学习技术领域，提供一种模型搜索方法及装置、图像处理方法及装置。其中，模型搜索方法包括：构建待搜索结构，待搜索结构的任意两个相连节点之间连接有至少一条边，至少一条边中的每条边对应不同的候选操作；训练待搜索结构，在每次迭代时，将每两个相连节点之间的边中保留一条边后获得的模型确定为本次迭代所要训练的模型，若该模型中包含之前已经训练过的边，则直接迁移这些边已经训练好的参数；在待搜索结构训练好后，根据对模型性能的测试结果从待搜索结构包含的模型中选择至少一个可用的模型。该方法搜索模型的效率较高，且可以覆盖较大的搜索范围，避免遗漏有价值的模型。
图像处理方法装置存储介质电子设备

[发明专利]一种用于获取神经网络架构的方法及装置-CN202010405396.3在审
发明人：胡一鸣;梁玉鼎;郭梓超;万若斯 -专利权人：北京迈格威科技有限公司
申请日： 2020-05-13 - 公布日： 2020-10-09 - 主分类号： G06N3/04 文献下载
摘要：本申请实施例提供一种用于获取神经网络架构的方法及装置，所述方法包括：根据搜索空间中候选模型训练前初始的权重向量和训练后当前的权重向量之间的夹角确定目标搜索空间，其中，所述候选模型为所述搜索空间对应的超网络中的一个子模型；根据搜索算法从所述目标搜索空间中获取用于视觉处理任务的神经网络架构。本申请实施例的技术方案克服了现有技术中使用基于测试准确度指标和基于幅度指标来得到神经网络架构的诸多缺陷，通过本申请实施例的角度计算过程无需模型完全收敛，因此可以在早期发现性能较差的选项，这对搜索空间裁剪非常有利。
一种用于获取神经网络架构方法装置

[发明专利]神经网络的生成及图像处理方法、装置、系统和存储介质-CN201910900766.8在审
发明人： 郭梓超 -专利权人：北京迈格威科技有限公司
申请日： 2019-09-23 - 公布日： 2020-02-18 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种神经网络的生成及图像处理方法、装置、系统和存储介质，该方法包括：获取第一神经网络，并在第一神经网络的任意节点位置处插入超级模块形成第二神经网络，超级模块包括多个分支，每个分支对应于一个候选的神经网络操作，每个分支与第一神经网络构成第二神经网络的一个分支网络；对第二神经网络的每个分支网络进行训练和测试，以确定最优操作，包括最优操作的分支网络作为第三神经网络；确定第三神经网络是否满足预设约束条件，如果满足，则将第三神经网络作为最终生成的神经网络，如果不满足，则将第三神经网络视为第一神经网络，并回到插入超级模块的步骤。本发明的方案能够实现高效地自动生成在特定任务上表现较好的神经网络。
神经网络生成图像处理方法装置系统存储介质

1
共 9 条