-
公开(公告)号：CN111539903B
公开(公告)日：2023-04-07
申请号：CN202010300269.7
申请日：2020-04-16
Applicant: 北京百度网讯科技有限公司
Abstract: 本公开的实施例公开了训练人脸图像合成模型的方法和装置，涉及图像处理领域。该方法包括：获取包括身份特征提取网络、待训练的纹理特征提取网络和待训练的解码器的待训练的人脸图像合成模型；将样本人脸图像输入至待训练的纹理特征提取网络和身份特征提取网络进行特征提取；拼接样本人脸图像的纹理特征和身份特征得到拼接特征，基于待训练的解码器对拼接特征解码得到样本人脸图像对应的合成人脸图像；提取合成人脸图像的身份特征，基于样本人脸图像的身份特征和对应的合成人脸图像的身份特征的差异确定人脸图像合成误差，基于人脸图像合成误差迭代调整待训练的纹理特征提取网络和待训练的解码器的参数。该方法能获得性能良好的人脸图像合成模型。
-
公开(公告)号：CN110852421B
公开(公告)日：2023-01-17
申请号：CN201911095878.7
申请日：2019-11-11
Applicant: 北京百度网讯科技有限公司
Abstract: 本公开涉及人工智能领域。本公开的实施例公开了模型生成方法和装置。该方法包括：通过依次执行多次迭代操作生成用于执行深度学习任务的神经网络模型；迭代操作包括：基于当前的奖励反馈值，在与预设的神经网络模型的各网络结构单元分别对应的量化方法搜索空间中确定出各网络结构单元的当前量化方法，以更新预设的神经网络模型的量化策略；基于更新后的量化策略对预设的神经网络模型进行量化；获取量化后的神经网络模型的性能，并更新奖励反馈值；响应于确定奖励反馈值达到预设的收敛条件或迭代操作的次数达到预设的阈值，确定当前量化后的神经网络模型为生成的用于执行深度学习任务的神经网络模型。该方法可以减少神经网络模型占用的内存空间。
-
公开(公告)号：CN115482422A
公开(公告)日：2022-12-16
申请号：CN202211147121.X
申请日：2022-09-20
Applicant: 北京百度网讯科技有限公司
IPC: G06V10/771 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/08 , G06N3/04
Abstract: 本公开提供了一种深度学习模型的训练方法，涉及人工智能、深度学习和计算机视觉领域。具体实现方案为：深度学习模型包括级联的L个特征计算层；从样本图像的M个特征中确定部分特征作为第1层的冗余特征，将M个特征中除冗余特征外的剩余特征输入第1层，得到第1层的输出特征，其中，M为大于等于2的整数；将第i层的输出特征和第i层的冗余特征组成第i+1层的全量特征，从第i+1层的全量特征中确定部分特征作为第i+1层的冗余特征，将第i+1层的全量特征中除第i+1层的冗余特征外的剩余特征输入第i+1层，得到第i+1层的输出特征，其中，i＝1，……L‑1；根据第L层的输出特征，确定深度学习模型的损失；以及根据损失，调整深度学习模型的参数。
-
公开(公告)号：CN115482396A
公开(公告)日：2022-12-16
申请号：CN202211219252.4
申请日：2022-09-30
Applicant: 北京百度网讯科技有限公司
Abstract: 本公开提供了一种深度学习模型的训练方法，涉及人工智能技术领域，尤其涉及深度学习、图像处理、计算机视觉等技术领域。具体实现方案为：将样本图像输入第一深度学习模型的第一特征提取网络，得到样本图像的第一特征；对样本图像的第二特征进行转换，得到转换后的第二特征，其中，第一特征的维度与转换后的第二特征的维度之间的差异小于或等于预设维度差异阈值；将转换后的第二特征输入第一深度学习模型的第一分类网络，得到转换后的分类结果；以及根据转换后的分类结果，训练第一深度学习模型。本公开还提供了一种深度学习模型的训练装置、图像分类装置、电子设备和存储介质。
-
公开(公告)号：CN115471893A
公开(公告)日：2022-12-13
申请号：CN202211130047.0
申请日：2022-09-16
Applicant: 北京百度网讯科技有限公司
Abstract: 本公开提供了训练人脸识别模型、人脸识别的方法和装置，涉及人工智能技术领域，具体为深度学习、图像处理、计算机视觉技术领域，可应用于人脸等场景。具体实现方案为：获取包括不同年龄段的人脸图像的视频；通过人脸检测模型从所述视频中提取人脸图像集合；通过第一人脸识别模型对所述人脸图像集合进行聚类，得到第一聚类结果；根据所述第一聚类结果，将同一类的人脸图像和不同类的人脸图像分别作为正样本和负样本训练所述第一人脸识别模型，得到训练后的第二人脸识别模型。通过该实施方式能够通过无监督的训练得到跨年龄人脸识别模型，不仅可以节省人工标注成本，还能提高跨年龄人脸识别的准确性。
-
Patent Agency Ranking
公开(公告)号：CN113657408B
公开(公告)日：2022-11-18
申请号：CN202110934300.7
申请日：2021-08-13
Applicant: 北京百度网讯科技有限公司
Abstract: 本公开提供了一种确定图像特征的方法，涉及人工智能技术领域，尤其涉及计算机视觉和深度学习技术领域，可应用于图像处理、图像识别等场景。具体实现方案为：将原始图像划分为多个局部图像作为待处理图像，每个局部图像包括多个图像块；根据每个局部图像中各个图像块之间的关系，确定上述待处理图像的局部特征；以及针对每个局部图像，根据该局部图像中预设位置的第一图像块与其他局部图像中上述预设位置的第二图像块之间的关系，确定上述待处理图像的全局特征。本公开还提供了一种确定图像特征的装置、电子设备和存储介质。
-
公开(公告)号：CN114723966A
公开(公告)日：2022-07-08
申请号：CN202210335573.4
申请日：2022-03-30
Applicant: 北京百度网讯科技有限公司
Abstract: 本公开提供了一种多任务识别方法、训练方法、装置、电子设备及存储介质，涉及人工智能技术领域，尤其涉及为深度学习、图像处理、计算机视觉技术领域，可应用于人脸等场景。具体实现方案为：根据待识别图像，得到第一中间特征数据；基于目标选择策略和第一中间特征数据，从多个特征提取策略中选择与待识别图像匹配性最高的特征提取策略，得到目标特征提取策略；基于目标特征提取策略，对第一中间特征数据进行处理，得到第二中间特征数据；根据第二中间特征数据，得到待识别图像的多任务识别结果。
-
公开(公告)号：CN114360028A
公开(公告)日：2022-04-15
申请号：CN202210032945.6
申请日：2022-01-12
Applicant: 北京百度网讯科技有限公司
Abstract: 本公开提供了一种图像处理方法、装置、电子设备和存储介质，涉及人工智能领域，尤其涉及深度学习、计算机视觉技术领域。具体实现方案为：对图像集合中的每张图像进行特征提取，得到每张图像的第一特征；基于每张图像的第一特征，确定图像集合中的多张目标图像；对多张目标图像的第一特征进行特征分离，得到每张目标图像的第二特征，其中，任意两张图像的第二相似度小于预设相似度；基于多张目标图像的第二特征，对待识别图像进行图像识别，得到待识别图像包含的待识别对象的识别结果。在相似人脸图像识别过程中采用在线特征分离的方法，解决了相关技术中区分长相非常相似的人容易出现误判的问题。
-
公开(公告)号：CN113989899A
公开(公告)日：2022-01-28
申请号：CN202111315762.7
申请日：2021-11-08
Applicant: 北京百度网讯科技有限公司
IPC: G06V40/16 , G06V10/762 , G06V10/774 , G06K9/62
Abstract: 本公开提供了一种人脸识别模型中特征提取层的确定方法、设备和存储介质，涉及人工智能技术领域，具体为深度学习、计算机视觉技术领域。具体实现方案为：通过目标网络模型中的两个分支对同一个对象的两个人脸样本图像进行分析，以得到两个人脸样本图像的聚类结果向量，并基于所得到的聚类结果向量对目标网络模型进行训练，以得到训练好的目标网络模型，以及将训练好的目标网络模型中第一分支中的特征提取层确定出人脸识别模型的特征提取层。由此，提供了一种人脸识别模型的特征提取层的获取方式。
-
公开(公告)号：CN113657468A
公开(公告)日：2021-11-16
申请号：CN202110866832.1
申请日：2021-07-29
Applicant: 北京百度网讯科技有限公司
Abstract: 本公开提出了一种预训练模型的生成方法、装置、电子设备和存储介质，涉及人工智能技术领域，尤其涉及计算机视觉和深度学习技术领域，可应用于图像处理、图像识别等场景。方案为：对包含多个模型的超网络执行对应的训练任务，从训练后的超网络中选取部分模型进行模型组合得到多组候选模型组合，采用各组候选模型组合对第一样本集进行特征提取，根据各组候选模型组合所提取特征的信息熵，从多组候选模型组合中选取目标模型组合，根据目标模型组合生成预训练模型。本公开中超网络训练多个模型，提高了模型训练的速度和关联性，通过信息熵评估模型组合提取到的特征包含的信息量，以筛选得到的最优的模型组合，提高了预训练模型的精度。
-
-
-
-
-
-
-
-
-
Search Results
294
records
(took 0.046 seconds)
