-
公开(公告)号：CN115050077B
公开(公告)日：2025-05-16
申请号：CN202210760941.X
申请日：2022-06-30
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本申请公开了情绪识别方法、装置、设备及存储介质，应用于神经网络技术领域，该情绪识别模型训练方法包括：获取待测视频和待测音频；在待测视频中确定多个待测视频帧，并利用标签集合中的各个情绪标签分别与待测文本模板拼接生成各个情绪标签分别对应的待测文本数据；将待测视频帧、待测文本数据和待测音频输入情绪识别模型，得到待测非文本编码数据和各个待测文本数据分别对应的各个待测文本编码数据；利用待测非文本编码数据分别和各个待测文本编码数据生成待测相似度数据；将最大待测相似度数据对应的情绪标签确定为待测视频对应的情绪识别结果；该方法引入了标签的本身所包含的语义信息，提高准确率。
-
公开(公告)号：CN118395195B
公开(公告)日：2024-09-24
申请号：CN202410853495.6
申请日：2024-06-28
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F18/214 , G06F18/2431 , G06F16/36 , G06F18/22 , G06N3/0464 , G06V20/40 , G06V10/764
Abstract: 本发明公开了一种模型训练方法、视频定位方法、系统、设备、产品及介质，涉及视频数据处理领域，用于解决定位音频事件时将视频模态视作噪声导致定位不准确的问题。获取训练数据集；根据视觉特征得到第一知识图结构，根据音频特征得到第二知识图结构；根据两个知识图结构对第一神经网络模型优化得到目标神经网络模型，目标神经网络模型用于对待处理视频数据进行类别标签定位。本发明通过构建视觉特征和音频特征对应的知识图结构，使用知识图结构优化第一神经网络模型，并未将视觉信息视为噪声，能捕捉和利用音频与视频间的复杂关联关系，能够更好地整合和利用多模态数据，提高得到的目标神经网络模型的定位精度和可靠性。
-
公开(公告)号：CN118152141B
公开(公告)日：2024-08-06
申请号：CN202410552711.3
申请日：2024-05-07
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F9/50
Abstract: 本发明公开了一种基于内存扩展系统的高维向量检索方法、系统、装置，涉及数据处理领域，为解决现有高维向量检索方案内存压力大、检索效率低的问题，该方法包括获取多个高维向量对应的向量数据及图数据；将多个高维向量对应的图数据写入主机内存，对每一高维向量对应的向量数据进行切片得到n份子数据，将n份子数据一一对应地写入n个设备内存中；在多个高维向量中确定查询向量以及多个当前候选向量；基于所有加速器设备计算的子距离得到每一当前候选向量和查询向量之间的总距离，将总距离最小的当前候选向量确定为查询向量的相似向量。本发明能够在降低大规模数据集造成的主机内存的压力的同时，保证检索精度，提高检索效率。
-
公开(公告)号：CN118152141A
公开(公告)日：2024-06-07
申请号：CN202410552711.3
申请日：2024-05-07
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F9/50
Abstract: 本发明公开了一种基于内存扩展系统的高维向量检索方法、系统、装置，涉及数据处理领域，为解决现有高维向量检索方案内存压力大、检索效率低的问题，该方法包括获取多个高维向量对应的向量数据及图数据；将多个高维向量对应的图数据写入主机内存，对每一高维向量对应的向量数据进行切片得到n份子数据，将n份子数据一一对应地写入n个设备内存中；在多个高维向量中确定查询向量以及多个当前候选向量；基于所有加速器设备计算的子距离得到每一当前候选向量和查询向量之间的总距离，将总距离最小的当前候选向量确定为查询向量的相似向量。本发明能够在降低大规模数据集造成的主机内存的压力的同时，保证检索精度，提高检索效率。
-
公开(公告)号：CN117876940B
公开(公告)日：2024-05-31
申请号：CN202410270242.6
申请日：2024-03-11
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06V20/40 , G06V10/82 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种视频语言任务执行及其模型训练方法、装置、设备、介质，应用于视频理解技术领域。其中，方法包括将具有文本标签的视频样本、待学习视频参数和待学习帧参数输入至视频语言模型，视觉语言预训练模型提取视觉特征和参数特征，视频帧适配器基于待学习帧参数，将视觉特征转换为满足视觉语言预训练模型需求的帧视觉信息，视频适配器基于待学习视频参数提取视频视觉信息；根据帧视觉信息、视频视觉信息与文本语义特征之间损失信息，对视频语言模型进行迭代更新，直至满足预设模型训练结束条件。本发明可以解决相关技术视频语言模型收敛慢，训练耗时耗资源的问题，能够有效提升视频语言模型的训练效率，节省模型训练所需的计算资源。
-
Patent Agency Ranking
公开(公告)号：CN117811846B
公开(公告)日：2024-05-28
申请号：CN202410230120.4
申请日：2024-02-29
Applicant: 浪潮电子信息产业股份有限公司
IPC: H04L9/40 , H04L67/10 , H04L41/142 , G06N3/045 , G06N3/098
Abstract: 本发明公开了一种基于分布式系统的网络安全检测方法、系统、设备及介质，涉及网络安全领域，为解决边缘计算设备采用固定大小的本地网络安全检测模型无法发挥最优性能的问题，该方法包括基于本地安全数据训练初始网络安全检测模型；将测试安全数据集输入初始网络安全检测模型后，根据两个输出网络块对应的输出值调整初始网络安全检测模型的神经网络深度得到本地网络安全检测模型；当满足参数更新条件时，利用本地网络安全检测模型的模型参数和关联计算设备的模型参数更新本地网络安全检测模型；通过更新后的本地网络安全检测模型进行本地网络安全检测。本发明能够使边缘计算设备发挥最优的本地网络安全检测性能，减少了通信开销和带宽需求。
-
公开(公告)号：CN117808924B
公开(公告)日：2024-05-24
申请号：CN202410224980.7
申请日：2024-02-29
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06T11/00 , G06F40/30 , G06T17/00 , G06V10/44 , G06V10/82 , G06N3/0464 , G06V10/80 , G06T9/00 , G06V10/764 , G06F18/25
Abstract: 本发明公开了一种图像生成方法、系统、电子设备及可读存储介质，涉及图像内容生成领域，为解决纯文本生成图像方案不能在特定场景下进行情感引导，该方法包括根据输入文本确定语义指导特征和情绪指导特征；基于第i次图像处理操作的输入图像和目标指导特征得到生成图像；根据第i次图像处理操作的情绪修正特征确定第i次图像处理操作的生成图像和情绪指导特征的情绪匹配值；当情绪匹配值满足输出条件，将第i次图像处理操作的生成图像作为关联图像输出，当情绪匹配值不满足输出条件，将第i次图像处理操作的生成图像作为第i+1次图像处理操作的输入图像。本发明能够提高图像生成的精准性，在满足语义要求的同时，进行情感方向引导。
-
公开(公告)号：CN117971630A
公开(公告)日：2024-05-03
申请号：CN202410382408.3
申请日：2024-04-01
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F11/34 , G06F9/445 , G06F18/214
Abstract: 本发明公开了一种异构计算平台及其任务仿真与耗时预测方法、装置、设备，应用于异构计算领域。其中，方法包括获取异构计算平台采用层间并行方式执行目标任务的任务配置信息；调用预先构建的子任务训练耗时确定模型，根据任务配置信息中的目标任务特征确定各目标算力的子任务训练耗时信息。根据各目标算力的子任务训练耗时信息、任务配置信息中各子任务对应的目标算力及相应处理顺序，对采用层间并行方式执行目标任务的过程进行仿真，最后根据仿真结果确定目标任务的训练耗时预测结果。本发明可以解决相关技术并行训练任务的训练耗时无法精准预测的问题，能够实现精准预测层间并行训练任务的训练耗时。
-
公开(公告)号：CN117829274A
公开(公告)日：2024-04-05
申请号：CN202410230112.X
申请日：2024-02-29
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06N3/098 , G06N5/04 , G06V10/764 , G06V10/82 , G06Q10/04
Abstract: 本发明公开了一种模型融合方法、装置、设备、联邦学习系统及存储介质，属于边缘计算领域，用于在簇内聚合与全局聚合时分别确定权重系数进行加权聚合，解决了边缘计算设备的数据异构导致的模型精度受损的问题。一方面由各簇簇头为簇内各边缘计算设备确定设备权重系数，并进行加权聚合，另一方面由中心服务器确定各个簇的簇权重系数，并进行加权聚合，在两次加权聚合时分别参考对应的模型性能进行权重系数的确定，不但可以根据重要性区别调节对于各边缘计算设备的学习率，提升了全局网络模型的精度，使中心服务器在工业设备故障预测、网络安全问题识别与图片分类时发挥最优的效果。
-
公开(公告)号：CN117806838A
公开(公告)日：2024-04-02
申请号：CN202410230125.7
申请日：2024-02-29
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F9/50 , G06F18/22 , G06F18/241 , G06N20/00 , G06N5/04
Abstract: 本发明提供基于异构数据的设备分簇方法、装置、设备、系统及介质，涉及计算机技术领域，首先可将多个边缘设备划分至多个设备簇，以便各边缘设备对机器学习模型进行层级联邦训练；同时，在分簇过程中，本发明可确定各边缘设备本地的机器学习模型对同一测试数据集的推理结果，并可基于该推理结果确定各边缘设备间的训练数据相似度；进而，可利用各训练数据相似度将各边缘设备划分至多个设备簇，即可在分簇过程中考虑数据异构的特点和分布情况，并将拥有相似数据的设备放在同一簇中，从而可提高簇内数据的相似性。这样，在各边缘设备进行层级联邦训练时，可确保相近的机器学习模型参数先聚合，可确保全局模型更快收敛，并可提升联邦学习效率。
-
-
-
-
-
-
-
-
-
Search Results
244
records
(took 0.054 seconds)
