-
公开(公告)号：CN110796250A
公开(公告)日：2020-02-14
申请号：CN201910963711.1
申请日：2019-10-11
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本申请公开了一种应用于卷积神经网络的卷积处理方法，包括：获取目标操作对象；所述目标操作对象具体为输入特征；对所述目标操作对象进行边窗卷积计算，得到多个方向的计算结果；对所述多个方向的计算结果进行交叉熵的最优化处理，得到所述目标操作对象的卷积结果。本发明解决了原有卷积神经网络中以卷积核为中心点做卷积操作时带来的性能损失，通过综合分析多个方向上的边窗卷积操作，提高了卷积操作获取数据更泛化特征的能力，以此提高了卷积神经网络的性能。相应的，本申请还公开了一种应用于卷积神经网络的卷积处理系统、装置及可读存储介质。
-
公开(公告)号：CN110781506A
公开(公告)日：2020-02-11
申请号：CN201910996173.6
申请日：2019-10-18
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开了一种虚拟化FPGA的运行方法，对用户定制的vFPGA比特流配置文件进行加密，在vFPGA比特流配置文件生成及传输过程中均以密文形式呈现，仅FPGA板卡可以对vFPGA比特流配置文件进行解密，根据vFPGA比特流配置文件运行FPGA板卡上的vFPGA设备。因此在数据中心的应用层以及vFPGA比特流配置文件的传输过程中，即使被盗取，也无法获得vFPGA比特流配置文件的明文，充分保障了vFPGA比特流配置文件的安全性，有利于为FPGA异构加速数据中心大规模建设打下坚实基础。本发明还公开了一种虚拟化FPGA的运行装置及运行系统，具有上述有益效果。
-
公开(公告)号：CN119946378A
公开(公告)日：2025-05-06
申请号：CN202510406455.1
申请日：2025-04-02
Applicant: 浪潮电子信息产业股份有限公司
IPC: H04N21/81 , H04N21/854 , G06N3/045 , G06N3/096 , G06N3/0475 , G06N3/084 , G06N3/0464 , G06N3/094 , G06F16/783
Abstract: 本申请公开了一种文生视频生成方法、产品、设备及存储介质，涉及人工智能技术领域，包括：将文本描述和噪声向量输入至按照预设蒸馏策略训练的第一文生视频模型，以生成与文本描述匹配的视频和相应的视频隐向量；预设蒸馏策略为利用学生模型和基于注意力机制的扩散模型依次对历史高分辨率视频进行去噪，并基于去噪结果对应的损失对预设学生模型的模型参数进行更新；对视频隐向量进行上采样，并对得到的采样后向量和噪声向量进行拼接；将拼接后向量输入至基于多路状态空间模型的第二文生视频模型，以生成目标文生视频。本申请在基于注意力机制的基础上结合多路状态空间模型，通过多次推理，可提高文生视频的分辨率以及文生视频的生成效率。
-
公开(公告)号：CN114020863B
公开(公告)日：2025-04-29
申请号：CN202111161716.6
申请日：2021-09-30
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F16/3329 , G06F16/3331 , G06F16/34 , G06F16/35 , G06V30/148
Abstract: 本发明公开了一种视觉问答分析方法、装置、系统及计算机可读存储介质，该方法包括：获取图像和问题文本信息，并将图像和问题文本信息作为输入；判断图像中是否存在OCR信息，若存在，则采用字符识别网络对图像进行字符识别，得到多个字符结果及与每个字符结果各自对应的置信度得分；根据每个字符结果、各自对应的置信度得分以及预先建立的答案空间集合，得到与每个字符结合各自对应的相关答案空间及对应的分类概率值；根据各个分类概率值，从各个相关答案空间中确定出目标答案空间；本发明在使用过程中能够提高分类结果的准确性以及视觉问答结果的准确度。
-
公开(公告)号：CN119576239A
公开(公告)日：2025-03-07
申请号：CN202411745000.4
申请日：2024-11-29
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开了一种分布式训练的梯度数据同步方法及设备、介质和产品，涉及计算机技术领域，该方法包括：获取分布式训练系统的二维网络拓扑结构；其中，所述二维网络拓扑结构包括多个节点以及相邻节点之间的有向链路；基于所述二维网络拓扑结构生成N个路径树，其中，N个所述路径树中不包含相同有向链路，N个所述路径树包含的节点的合集覆盖所述二维网络拓扑结构中的所有节点；所述分布式训练系统中的节点将待同步梯度数据划分为N个数据块，分别基于N个路径树对N个所述数据块进行数据同步操作。本发明提高了分布式训练过程中的梯度数据同步效率。
-
Patent Agency Ranking
公开(公告)号：CN118395196B
公开(公告)日：2024-09-17
申请号：CN202410853496.0
申请日：2024-06-28
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F18/214 , G06V20/40 , G06V10/764 , G06F18/2431 , G06N3/0464 , G06N3/084
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，涉及视频定位领域，用于解决传统方法中因忽略上下文信息而导致的事件定位准确性不足的问题。该方案通过获取训练视频数据，根据每个视觉片段和音频片段的起始时间和结束时间确定视觉拓展片段和音频拓展片段，并根据视觉拓展片段和音频拓展片段优化视频定位模型，得到目标视频定位模型，目标视频定位模型用于对待处理视频数据进行类别标签定位。通过引入拓展片段，更全面地考虑事件在时间和空间上的延续性，有效地避免了局部信息的限制，使得模型能够更全面地理解和分析视频中的事件，提升了事件定位的精度和鲁棒性。
-
公开(公告)号：CN118113444B
公开(公告)日：2024-07-30
申请号：CN202410534357.1
申请日：2024-04-30
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F9/48 , G06F9/50 , G06F16/901 , G06N20/20
Abstract: 本申请公开了一种任务处理方法、装置及电子设备和存储介质，涉及自然语言理解技术领域，该方法包括：获取目标任务的输入内容和输出描述；利用预训练语言模型基于所述目标任务的输入内容和输出描述对所述目标任务进行步骤分解，以生成所述目标任务对应的思维树；其中，所述思维树中的节点为步骤分解得到的步骤；基于预设搜索算法在所述思维树中搜索执行所述目标任务的最佳步骤路径；基于所述最佳步骤路径根据所述输入内容执行所述目标任务，输出所述目标任务的执行结果。本申请提高了执行目标任务的效果，可适用于不同类型的任务，泛化性较高。
-
公开(公告)号：CN118395196A
公开(公告)日：2024-07-26
申请号：CN202410853496.0
申请日：2024-06-28
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F18/214 , G06V20/40 , G06V10/764 , G06F18/2431 , G06N3/0464 , G06N3/084
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，涉及视频定位领域，用于解决传统方法中因忽略上下文信息而导致的事件定位准确性不足的问题。该方案通过获取训练视频数据，根据每个视觉片段和音频片段的起始时间和结束时间确定视觉拓展片段和音频拓展片段，并根据视觉拓展片段和音频拓展片段优化视频定位模型，得到目标视频定位模型，目标视频定位模型用于对待处理视频数据进行类别标签定位。通过引入拓展片段，更全面地考虑事件在时间和空间上的延续性，有效地避免了局部信息的限制，使得模型能够更全面地理解和分析视频中的事件，提升了事件定位的精度和鲁棒性。
-
公开(公告)号：CN117874529B
公开(公告)日：2024-05-28
申请号：CN202410275992.2
申请日：2024-03-12
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F18/214 , G06F18/22
Abstract: 本申请公开了模型训练技术领域内的一种运动轨迹预测方法、模型训练方法、装置、设备及介质。本申请使模型输入数据由目标运动轨迹的下一时刻的预测位置信息、目标运动轨迹的下一时刻的拟合位置信息、由目标运动轨迹的邻近运动轨迹计算得到的位移模仿信息、预测位置信息和位移模仿信息之间的相似程度以及基于邻近运动轨迹确定的预测位置信息的移动约束构成，那么第二轨迹预测模型可综合考虑目标运动轨迹与其所在空间内其他轨迹之间的关系，并且结合了同一目标运动轨迹的两种预测结果，能够提高轨迹预测的准确率。
-
公开(公告)号：CN117808127B
公开(公告)日：2024-05-28
申请号：CN202410230103.0
申请日：2024-02-29
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开了一种数据异构条件下的图像处理方法、联邦学习方法及装置，涉及图像处理技术领域，根据数据分布相似性对边缘计算设备分簇，簇内边缘计算设备具有相似的数据分布，可以让模型更好的捕捉到数据的特征，有效解决数据异构问题。簇内的边缘计算设备根据簇内树形聚合网络进行模型参数聚合，下层的边缘计算设备只向上一层中相应的边缘计算设备发送模型参数，而不向其他边缘计算设备发送模型参数，这样可以极大降低通信开销。边缘计算设备与边缘云服务器在联邦学习过程中进行两层模型参数聚合，得到准确可靠的图像处理模型，最终边缘计算设备使用该准确可靠的图像处理模型进行图像处理，可以提升图像处理的准确性与可靠性。
-
-
-
-
-
-
-
-
-
Search Results
158
records
(took 0.041 seconds)
