“陈醒濠”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20个，建议您升级VIP下载更多相关专利

[发明专利]自动搜索方法、自动搜索的性能预测模型训练方法及装置-CN202210249999.8在审
发明人：辜弘炀;陈醒濠;张世枫;李建民;朱军 -专利权人：华为技术有限公司
申请日： 2022-03-14 - 公布日： 2023-09-26 - 主分类号： G06V10/774 文献下载
摘要：本申请提供了，一种自动搜索方法、自动搜索的性能预测模型训练方法及装置。涉及人工智能领域，具体涉及计算机视觉领域。该方法包括基于性能预测模型的潜力数据选择模块，在自动搜索数据的过程中训练更新性能预测模型并使用训练后的性能预测模型进行推理，来辅助潜力数据的选择，其中，性能预测模型的损失函数包括可微分的排序损失函数LK和回归损失函数。本申请能够提高性能预测模型的预测准确性，进而将训练好的性能预测模型加入自动搜索中可以提高自动搜索的效率、准确性和探索的数据量。
自动搜索方法性能预测模型训练装置

[发明专利]一种模型的部署方法及装置-CN202310537759.2在审
发明人：陆璞;李文硕;宁雪妃;孙寒泊;陈醒濠;汪玉;王云鹤 -专利权人：华为技术有限公司;清华大学
申请日： 2023-05-12 - 公布日： 2023-09-05 - 主分类号： G06N3/0464 文献下载
摘要：本申请提供一种模型的部署方法，包括获取待部署的神经网络模型，该神经网络模型包括多个融合层，该融合层依次包括批正则化层、激活层和卷积层；将神经网络模型部署到存在读和/或写错误的计算设备上；将训练样本作为神经网络模型的输入，利用上一层卷积层的输出，校准当前层批正则化层的参数。本申请通过将融合层的融合顺序修改为批正则化层、激活层和卷积层，将卷积层和批正则化层进行解耦，可实现利用上一层卷积层的输出校准当前层批正则化层的均值和方差，大幅度消除计算设备的读写错误对其上部署的神经网络模型的推理结果的影响。
一种模型部署方法装置

[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]图像处理方法、装置和存储介质-CN202310212196.X在审
发明人：董文辉;郑得华;胡海林;陈醒濠;王云鹤 -专利权人：华为技术有限公司
申请日： 2023-02-24 - 公布日： 2023-07-04 - 主分类号： G06V10/764 文献下载
摘要：本申请涉及一种图像处理方法、装置和存储介质。该方法包括：对获取的图像进行特征提取，确定图像的第一特征向量；确定多个第一特征向量的前景得分，基于前景得分，从多个第一特征向量中挑选出部分特征向量作为第二特征向量，前景得分表示第一特征向量指示的图像部分为前景的概率；将第一特征向量和第二特征向量输入神经网络模型，对第二特征向量进行处理，基于处理后的第二特征向量，对第一特征向量进行更新，得到更新后的第一特征向量；神经网络模型基于更新后的第一特征向量，确定目标检测结果。根据本申请实施例，能够实现在保持模型精度的情况下，对模型进行压缩，降低模型的计算量，提高模型的运行效率，扩大了模型的应用范围。
图像处理方法装置存储介质

[发明专利]一种动作计数方法及其相关设备-CN202211716276.0在审
发明人：李文硕;翟英杰;陈醒濠;王云鹤 -专利权人：华为技术有限公司
申请日： 2022-12-29 - 公布日： 2023-04-18 - 主分类号： G06V40/20 文献下载
摘要：本申请公开了一种动作计数方法及其相关设备，可融合多种信息来完成目标动作的技术，有利于提高最终所得到的目标动作的计数结果的准确度。本申请的方法包括：在获取目标视频后，可先对目标视频进行第一处理，从而得到目标物体在目标视频中的位置信息。接着，可将目标物体在目标视频中的位置信息添加至目标视频，从而得到处理后的目标视频。然后，可对处理后的目标视频进行第二处理，从而得到目标物体的动作序列，动作序列可包含多个动作，这多个动作通常包含目标动作以及其余动作，且这多个动作按照在处理后的目标视频中的出现时间进行排序。最后，可对多个动作进行处理，从而得到目标物体的目标动作的次数。
一种动作计数方法及其相关设备

[发明专利]一种数据处理方法及相关设备-CN202210203516.0在审
发明人： 陈醒濠;王一凯;王秀东;王云鹤 -专利权人：华为技术有限公司
申请日： 2022-03-02 - 公布日： 2022-08-12 - 主分类号： G06K9/62 文献下载
摘要：本申请实施例公开了一种数据处理方法，该方法应用于多模态融合场景，方法包括：获取第一数据与第二数据，第一数据与第二数据的模态不同；获取第一数据的第一特征集合与第二数据的第二特征集合；使用第二特征集合中的第二目标特征替换第一特征集合中的第一目标特征，得到第三特征集合，第二目标特征与第一目标特征对应；基于第三特征集合与第二特征集合获取数据特征，数据特征用于实现计算机视觉任务。通过使用不同模态数据之间的特征进行替换，可以高效融合不同模态数据的信息，使得获取的数据特征具有多模态数据的特性，提高数据特征的表达能力。
一种数据处理方法相关设备

[发明专利]一种图像分类方法及其相关设备-CN202111294416.5在审
发明人： 陈醒濠;董旻京;张依曼;王云鹤 -专利权人：华为技术有限公司
申请日： 2021-11-03 - 公布日： 2022-03-11 - 主分类号： G06K9/62 文献下载
摘要：本申请提供一种图像分类方法及其相关设备，可准确判断目标图像的特征落于哪一个类别对应的目标概率分布，从而准确得到目标图像的分类结果。本申请的方法包括：获取目标图像；通过图像分类模型对目标图像进行处理，得到分类结果，分类结果用于在多个类别中确定目标图像所属的类别，该处理用于令目标图像的特征符合目标概率混合分布，目标概率混合分布包含与多个类别一一对应的多个目标概率分布，每个目标概率分布具有一个偏度，任意两个偏度之间存在夹角。
一种图像分类方法及其相关设备

[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]神经网络结构的搜索方法、图像处理方法和装置-CN201910834158.1在审
发明人： 陈醒濠;杨朝晖;王云鹤;许春景 -专利权人：华为技术有限公司
申请日： 2019-09-04 - 公布日： 2021-03-05 - 主分类号： G06F16/2455 文献下载
摘要：本申请提供了人工智能领域中计算机视觉领域的一种神经网络结构的搜索方法、图像处理方法及装置。其中，该神经网络结构的搜索方法包括：根据目标任务确定搜索网络，搜索网络包括结构空间和参数空间；根据目标任务的训练数据，对参数空间进行更新，以获取更新参数空间；从搜索网络中确定子网络集合；对子网络集合进行更新，以获取更新子网络集合；根据更新参数空间和更新子网络集合，确定与目标任务对应的多个目标神经网络。上述技术方案能够通过一次搜索获得多个目标神经网络模型，使得用户可以根据应用场景中的资源约束选择合适的模型进行应用。
神经网络结构搜索方法图像处理装置

[发明专利]一种神经网络蒸馏方法及装置-CN202010615537.4在审
发明人：许奕星;陈醒濠;王云鹤;许春景 -专利权人：华为技术有限公司
申请日： 2020-06-30 - 公布日： 2020-11-03 - 主分类号： G06N3/04 文献下载
摘要：本申请公开了一种神经网络蒸馏方法，应用于人工智能领域，包括：通过第一神经网络和第二神经网络对待处理数据进行处理，以获取第一目标输出和第二目标输出，第一目标输出为对第一神经网络层的输出进行基于核函数的变换得到的，第二目标输出为对第二神经网络层的输出进行基于核函数的变换得到的；根据第一目标输出和第二目标输出构建的目标损失对第一神经网络进行知识蒸馏。本申请对第一神经网络层的输出和第二神经网络层的输出进行了基于核函数的变换，进而可以将第一神经网络层和第二神经网络层输入和权重映射到高维特征空间，消除了知识蒸馏时由于神经网络层的权重分布不同而造成的网络性能降低。
一种神经网络蒸馏方法装置

[发明专利]一种基于点云语义增强的人手姿态回归方法和系统-CN201810758545.7有效
发明人：王贵锦;陈醒濠;杨华中 -专利权人：清华大学
申请日： 2018-07-11 - 公布日： 2020-09-15 - 主分类号： G06K9/00 文献下载
摘要：本发明实施例提供一种基于点云语义增强的人手姿态回归方法和系统，提取手部点云数据的点云特征，并进行逐点分类，得到手部点云数据的语义分割信息，基于语义分割信息对手部点云数据进行语义增强，基于语义增强后的手部点云数据得到手姿态预测结果，并对所述手姿态预测结果进行几何变换，得到手姿态回归结果，利用网络学习来对输入数据和输出进行几何变换的方法，使得人手姿态估计方法对于输入数据的几何变换更加鲁棒，将输入点云逐点分类子网络的语义信息和姿态回归子网络进行有效融合，使得人手姿态估计的性能得到进一步提升。
一种基于语义增强人手姿态回归方法系统

[发明专利]一种感知网络结构搜索方法及其装置-CN202010109254.2在审
发明人：韩凯;郭健元;王云鹤;陈醒濠;聂迎;许奕星;许春景 -专利权人：华为技术有限公司
申请日： 2020-02-21 - 公布日： 2020-07-10 - 主分类号： G06N3/04 文献下载
摘要：本申请公开了一种感知网络结构搜索方法，涉及人工智能领域，包括：获取待搜索感知网络和目标搜索空间，所述待搜索感知网络包括主干网络和头端header，所述主干网络与所述header连接，所述主干网络包括第一卷积层，所述header包括第三卷积层，所述目标搜索空间包括多个操作类型；在所述目标搜索空间内对所述第一卷积层进行结构搜索，在所述目标搜索空间内对所述第二卷积层进行结构搜索，在所述目标搜索空间内对所述第三卷积层进行结构搜索，得到搜索后的感知网络。本申请中结构搜索后得到的感知网络的性能更优。
一种感知网络结构搜索方法及其装置

[发明专利]剪枝神经网络的方法和装置-CN202010109980.4在审
发明人： 陈醒濠;张依曼;王云鹤;许春景;田奇 -专利权人：华为技术有限公司
申请日： 2020-02-23 - 公布日： 2020-07-07 - 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一种剪枝神经网络的方法，包括：根据目标神经网络的参数去除比例确定第一剪枝阈值，所述第一剪枝阈值用于剪枝目标神经网络中的第一子网络；根据所述目标神经网络的参数去除比例确定第二剪枝阈值，所述第二剪枝阈值用于剪枝所述目标神经网络中的第二子网络，所述第二子网络的功能与所述第一子网络的功能不同，其中，所述目标神经网络的参数去除比例与目标设备的资源大小负相关，所述目标设备为剪枝后的所述目标神经网络部署的设备；根据所述第一剪枝阈值和所述第二剪枝阈值对所述目标神经网络进行剪枝。基于不同的剪枝阈值进行剪枝能够减小剪枝处理对多任务神经网络的性能的负面影响。
剪枝神经网络方法装置

[发明专利]神经网络结构搜索方法和神经网络结构搜索装置-CN202010109054.7在审
发明人： 陈醒濠;杨朝晖;王云鹤;许春景 -专利权人：华为技术有限公司
申请日： 2020-02-21 - 公布日： 2020-07-07 - 主分类号： G06N3/08 文献下载
摘要：本申请提供利用人工智能技术进行神经网络结构搜索的方法和装置。本申请的技术方案中，根据给定搜索空间和目标设备的资源约束条件来训练采样模型，以使得该采样模型从该给定搜索空间中采样得到满足该资源约束条件的神经网络结构，然后使用该采样模型从该采样模型从该给定搜索空间中采样得到的候选搜索空间，并搜索目标神经网络结构，该技术方案可以保证搜索得到满足目标设备的资源约束条件的神经网络，从而可以提高神经网络结构的搜索效率。此外，本申请还提出了先搜索神经网络结构的关键层，再搜索神经网络结构的非关键层的技术方案，不仅可以搜索得到更优的神经网络结构，还可以进一步提高神经网络结构的搜索效率。
神经网络结构搜索方法装置

1
2
下一页»
尾页
共 20 条