公开(公告)号：CN112799834B

公开(公告)日：2024-05-07

申请号：CN202110105231.9

申请日：2021-01-26

申请人： 北京迈格威科技有限公司

发明人： 周亦庄

IPC分类号： G06F9/50 ,  G06F9/54 ,  G06N3/04 ,  G06N3/098

摘要： 本发明提供了一种训练数据分发方法、装置、电子设备及存储介质，该方法由计算机集群中的目标计算节点执行，包括：获取训练数据，并将训练数据保存在目标计算节点的数据队列中；当所述数据队列中的训练数据的数据量达到第一目标数据量时，将所述训练数据平均划分为与计算机集群中所有计算节点的总数量相同的份数；通过集合通信保留一份训练数据，并将其他份数的训练数据分别发送至计算机集群中每一个其他计算节点。本发明由于通过将一个计算节点获取到的训练数据平均分配到每一个计算节点中，所以每个计算节点使用的训练数据来自于同一分布，提高了每个计算节点的数据同步性，有利于提高对正负难样本的挖掘能力，有利于提高神经网络模型准确率。

公开(公告)号：CN114743043B

公开(公告)日：2024-04-26

申请号：CN202210253478.X

申请日：2022-03-15

申请人： 北京迈格威科技有限公司 ,  深圳旷视金智科技有限公司

发明人： 赵博睿 ,  宋仁杰 ,  梁嘉骏

IPC分类号： G06V10/764 ,  G06V10/774

摘要： 本申请提供了一种图像分类方法、电子设备、存储介质及程序产品，涉及图像处理技术领域，旨在准确对图像进行分类。所述方法包括：获取待分类图像；将所述待分类图像输入图像分类模型，得到所述待分类图像的分类预测结果；其中，所述图像分类模型从目标类维度，向预先训练完毕的第一模型学习了样本集中每个样本是否为目标类的二分类预测结果，并从非目标类维度，向所述第一模型学习了所述样本集中每个样本为每个非目标类的概率预测结果。

公开(公告)号：CN111914879B

公开(公告)日：2024-04-26

申请号：CN202010550949.4

申请日：2020-06-16

申请人： 北京迈格威科技有限公司

发明人： 魏秀参 ,  崔权

IPC分类号： G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/09

摘要： 本申请实施例提供一种分类参数值生成方法、图像分类方法、装置、设备及存储介质，旨在解决当训练集中仅包括一张正样本图像时无法实现二分类的问题。所述分类参数值生成方法包括：获得目标图像，并提取所述目标图像的图像特征，所述目标图像的类别为目标类别；基于所述目标图像，确定所述目标类别的决策边界；根据所述目标类别的决策边界和所述目标图像的图像特征，确定所述目标类别的分类参考分数；其中，所述目标类别的决策边界和所述目标类别的分类参考分数，用于确定所述待分类图像是否属于所述目标类别。

公开(公告)号：CN113570530B

公开(公告)日：2024-04-16

申请号：CN202110650974.4

申请日：2021-06-10

申请人： 北京旷视科技有限公司 ,  北京迈格威科技有限公司

发明人： 唐金伟

IPC分类号： G06T5/50 ,  G06T3/14 ,  G06T3/4038 ,  G06V10/74

摘要： 本申请提供一种图像融合方法、装置、计算机可读存储介质和电子设备，涉及图像处理技术领域，能够对于双摄图像进行配准和优化，使得配准后的图像解析力提升，且配准后的图像中有效的降低图像的扭曲和变形问题。图像配准优化方法，包括：获取针对同一目标场景的第一图像和第二图像；根据第二图像，确定第一图像中的感兴趣区域；对第二图像与感兴趣区域进行配准，得到深度图像；根据深度图像的深度值以及位置权重，计算各像素点的优化深度值；根据优化深度图对第二图像进行重映射，优化深度图中各像素点的深度值为优化深度值；根据重映射后的第二图像和第一图像中的感兴趣区域进行融合，得到融合图像。

公开(公告)号：CN111915483B

公开(公告)日：2024-03-19

申请号：CN202010595138.6

申请日：2020-06-24

申请人： 北京迈格威科技有限公司

发明人： 胡晨 ,  刘伟舟

IPC分类号： G06T3/4038

摘要： 本申请涉及一种图像拼接方法、装置、计算机设备和存储介质。所述方法包括：获取不同视角采集的各待处理图像，将各待处理图像转换到统一坐标空间，获得各待处理图像对应的转换后图像；确定各转换后图像的重叠区域；基于各转换后图像在重叠区域的像素点，获得空域光流信息，空域光流信息用于表征重叠区域中各像素点的偏移程度；根据空域光流信息，对各转换后图像进行拼接。采用本方法能够提高图像拼接质量。

公开(公告)号：CN111739025B

公开(公告)日：2024-03-19

申请号：CN202010383453.2

申请日：2020-05-08

申请人： 北京迈格威科技有限公司

发明人： 李彦玮 ,  黎泽明

IPC分类号： G06T7/10 ,  G06N3/0464 ,  G06N3/09

摘要： 本发明提供了一种图像处理方法、装置、终端及存储介质，该方法包括：获取待处理图像的第一特征图；根据所述第一特征图，确定所述待处理图像中存在目标对象的至少一个子区域图像对应的至少一个第一子特征图；针对所述至少一个第一子特征图中的每个第一子特征图，生成与各第一子特征图匹配的卷积神经网络参数，以及，采用所述卷积神经网络参数对所述各第一子特征图进行处理，生成各第二子特征图；基于所述各第二子特征图，对所述待处理图像进行目标对象的实例分割，生成所述目标对象的实例分割结果。本发明在对图像进行处理时，能够提升图像处理速度慢、提升实例分割的精度，以及提升分割结果准确性。

公开(公告)号：CN111414990B

公开(公告)日：2024-03-19

申请号：CN202010105457.4

申请日：2020-02-20

申请人： 北京迈格威科技有限公司

发明人： 张选杨

IPC分类号： G06N3/0464 ,  G06N3/045 ,  G06N3/082

摘要： 本发明实施例提供了一种卷积神经网络处理方法、装置、电子设备及存储介质，所述方法包括：创建目标卷积神经网络，所述目标卷积神经网络的每一层的输入端与输出端之间设置有恒等变换分支和卷积处理分支，其中，所述恒等变换分支的输出与输入相同；为所述目标卷积神经网络的各个层中的恒等变换分支和卷积处理分支分别分配相应的权重，得到多个子卷积神经网络；以多个子卷积神经网络中至少部分子卷积神经网络为搜索空间，按照预设的模型搜索算法进行搜索，得到目标子卷积神经网络；根据目标子卷积神经网络的层数，确定预设的模型搜索算法的性能参数值。

公开(公告)号：CN111444788B

公开(公告)日：2024-03-15

申请号：CN202010173400.8

申请日：2020-03-12

申请人： 成都旷视金智科技有限公司 ,  北京迈格威科技有限公司

发明人： 蒋霆 ,  叶年进 ,  王光甫 ,  刘帅成

IPC分类号： G06V40/20 ,  G06V10/774 ,  G06V10/776 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明公开了一种行为识别的方法、装置及计算机存储介质。该方法包括：获取待识别图像，并将其输入至预先训练好的神经网络；获取所述神经网络的输出，包括表示待识别图像中人物行为正常的概率的第一输出、表示该人物正在进行第一行为的概率的第二输出、表示该人物正在进行第二行为的概率的第三输出；根据输出确定该人物的行为。可见，本发明实施例能够利用预先训练好的神经网络确定待识别图像中人物的行为，具体地，该神经网络能够提取丰富的视觉特征，能够关注待识别图像中的人物的特定行为，使得行为识别的准确率更高。并且，本发明实施例的行为识别的方法能够满足实时性要求，能够进行实时运算，进而满足各种不同的应用领域的识别要求。

公开(公告)号：CN111626105B

公开(公告)日：2024-02-20

申请号：CN202010297991.X

申请日：2020-04-15

申请人： 南京旷云科技有限公司 ,  徐州旷视数据科技有限公司 ,  北京迈格威科技有限公司

发明人： 魏秀参

IPC分类号： G06V40/10 ,  G06V10/774 ,  G06V10/82 ,  G06V10/44 ,  G06N3/042 ,  G06N3/0464

摘要： 本发明提供了一种姿态估计方法、装置及电子设备，首先获取包含目标对象的待处理图像；将该待处理图像输入至关键点识别模型中，输出该目标对象的关键点信息；然后根据该目标对象的关键点信息确定该目标对象的关键点的位置；进而根据该目标对象的关键点的位置以及该关键点之间的连接关系，确定该目标对象的姿态。本发明实施例通过结合肢体结构中关键点之间的连接关系，预先建立关键点识别模型并对其进行训练，基于该模型在对关键点进行识别时，可以根据关键点之间的相互关系对关键点位置进行调整和推理，从而提高关键点位置的估计精度，进而提高人体姿态的估计精度。

公开(公告)号：CN111062479B

公开(公告)日：2024-01-23

申请号：CN201911313875.6

申请日：2019-12-19

申请人： 北京迈格威科技有限公司

发明人： 张宇涵

IPC分类号： G06N3/08

摘要： 本发明提供了一种基于神经网络的模型快速升级方法及装置，涉及机器学习技术领域，包括：获取升级前的第一模型的原始特征；将所述原始特征输入预先训练好的第三模型，得到所述第三模型的输出特征作为第二模型的升级后特征，所述第二模型是对所述第一模型升级后得到的模型。本发明实施例利用构建的神经网络直接将特征作为输入和输出，可实现直接对用户端的特征库进行端到端的快速升级。且采用高质量的升级模型，在传统识别问题神经网络模型训练方法的基础上，结合多种损失函数，获得更好的模型训练效果。保证在节省存储空间和实现快速升级的同时，保证精度基本不会损失，保证系统的稳定性和可靠性。且不需要额外存储原图或原视频，节省了存储空间。