|
钻瓜专利网为您找到相关结果 5977173个,建议您 升级VIP下载更多相关专利
- [发明专利]图特征缓存方法-CN202310350352.9在审
-
孙杰;沈雯婷;王磊;于文渊;李永;周靖人;苏立
-
阿里巴巴(中国)有限公司
-
2023-03-29
-
2023-07-04
-
G06T1/60
- 本说明书实施例提供图特征缓存方法,其中所述图特征缓存方法包括:获取样本图,其中,样本图基于多个样本节点数据以及各样本节点数据之间的关联关系构建;根据训练平台中计算单元组的数量和样本图中样本节点数据间的关联关系分布,分割样本图,获得多个样本子图,其中,计算单元组包括具有连接关系的至少两个计算单元;基于多个样本子图,确定各计算单元组中计算单元的采样信息;将采样信息对应分发至各计算单元,以使各计算单元基于采样信息对图特征进行采样并缓存,并基于图特征对图处理模型进行训练。通过确定各计算单元对应的采样信息,减少控制单元与计算单元之间的数据传输,进而提升后续对图处理模型的训练效率。
- 特征缓存方法
- [发明专利]特征图处理方法和装置-CN202210190064.7在审
-
尚垚威;张淮声
-
格兰菲智能科技有限公司
-
2022-02-28
-
2023-09-08
-
G06T1/20
- 本申请涉及一种特征图处理方法和装置。所述方法包括:确定用于卷积运算的输入特征图,多个卷积核,以及与输入特征图对应的输出特征图的维度信息;获取用于组成输出特征图的各输出图像块的第一尺寸信息,基于第一尺寸信息以及维度信息,得到多个线程束;获取各个线程束分别对应的用于组成输入特征图的输入图像块以及通过各个线程束包含的多个线程分别读取对应的多个卷积核;控制各个线程束根据对应的输入图像块,以及包含的多个线程分别对应的卷积核,得到各个线程束多个输出通道的输出图像块;基于多个输出通道的输出图像块,得到多个输出通道的输出特征图采用本方法能够提高特征图的处理效率。
- 特征处理方法装置
- [发明专利]图特征提取、脂水分配系数预测方法及图特征提取模型-CN202011159909.3在审
-
周文彪
-
北京望石智慧科技有限公司
-
2020-10-26
-
2021-01-05
-
G16C20/30
- 本发明公开了一种图特征提取、脂水分配系数预测方法及图特征提取模型,其中,图特征提取方法包括:获取待提取特征图,待提取特征图由多个节点以及连接具有关联关系的节点的边组成;将待提取特征图输入到图特征提取模型进行特征提取,得到每一个节点的特征,图特征提取模型包含多个卷积层和GRU网络层,多个卷积层与GRU网络层间隔设置,通过GRU网络层进行具有关联关系节点的特征融合;将最后一层卷积层输出的每一个节点的特征输入到归并层进行特征融合,得到待提取特征图的特征。本发明在每次卷积操作时使用了GRU网络层来把具有关联关系节点的特征信息融合起来,使得网络的表达能力更好,更适合表达图内部节点之间的相互作用,减少前期的提取工作量。
- 特征提取水分系数预测方法模型
- [发明专利]特征图编解码方法和装置-CN202210300566.0在审
-
师一博;葛运英;王晶;毛珏;赵寅;杨海涛
-
华为技术有限公司
-
2022-03-25
-
2023-03-21
-
H04N19/13
- 本申请提供了特征图编解码方法和装置。涉及基于人工智能(AI)的数据编解码技术领域,具体设计基于神经网络的数据编码解码技术领域。其中特征图解码方法包括:获取待解码特征图的码流,该待解码特征图包括多个特征元素;基于该码流,获得每个特征元素对应的第一概率估计结果,该第一概率估计结果包括第一峰值概率;基于第一阈值和每个特征元素对应的第一峰值概率,从多个特征元素中确定第一特征元素的集合和第二特征元素的集合;基于该第一特征元素的集合和第二特征元素的集合,得到该解码特征图。通过概率估计结果和每个特征元素对应的第一峰值概率确定每个特征元素的解码方式,能在降低编解码复杂度的同时提升编解码性能。
- 特征解码方法装置
- [发明专利]图特征处理的方法及装置-CN202010114823.2有效
-
张屹綮;张天翼;王维强
-
支付宝(杭州)信息技术有限公司
-
2020-02-25
-
2021-07-06
-
G06F16/901
- 本说明书实施例提供一种图特征处理的方法和装置。根据该方法,首先根据关系数据,构建关系网络图,其中关系数据包括用户参与的交互事件记录;关系网络图包括多个用户节点,以及基于交互事件形成的有向边。然后,将该关系图分割为多个子图,其中包括用于用户分类模型训练的第一子图。对于第一子图中各个节点,获取节点的低阶特征,其中包括节点的度。然后,还对于基于第一子图得到的无向图中的各个节点,获取节点的高阶特征,其中包括多阶H指数,每阶H指数表示,满足H个邻居节点的上一阶H指数大于等于H的最大H值;其中0阶H指数为节点的度。于是,可以基于低阶特征和高阶特征,生成备选特征集,作为训练用户分类模型的备选特征。
- 特征处理方法装置
|