-
公开(公告)号：CN115984668A
公开(公告)日：2023-04-18
申请号：CN202310015157.0
申请日：2023-01-04
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请提供一种抓取点预测模型训练方法、物体抓取点确定方法及装置，涉及计算机视觉技术领域，该抓取点预测模型训练方法包括：获取训练图片；将训练图片输入目标神经网络模型的图像特征提取模型，得到图像特征信息；将图像特征信息输入实例特征生成模型，得到实例特征信息；生成实例特征信息的位置参考点信息；将实例特征信息输入抓取点生成模型，得到预测抓取点信息，利用预测抓取点信息、二维抓取点位置标注信息和位置参考点信息生成损失函数；利用损失函数调整目标神经网络模型，得到抓取点预测模型。本发明通过实例特征信息的位置参考点信息，减小抓取点的预测搜索范围，提高抓取点预测模型训练的效率。
-
公开(公告)号：CN115187845A
公开(公告)日：2022-10-14
申请号：CN202210815529.3
申请日：2022-07-08
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06V10/82 , G06V10/774 , G06V10/764 , G06N3/04
Abstract: 本申请提供一种图像处理方法、装置及设备，该方法包括：获取待处理图像对应的输入特征；基于所述输入特征确定移位操作特征，基于所述输入特征和所述移位操作特征确定限定范围特征；基于所述移位操作特征和所述限定范围特征确定所述待处理图像对应的映射特征；基于所述映射特征进行归一化操作，得到归一化特征，并基于所述归一化特征确定所述待处理图像对应的输出特征；基于所述输出特征确定所述待处理图像对应的图像处理结果。通过本申请的技术方案，能够减轻运算复杂度，运算量较小，资源消耗较小。
-
公开(公告)号：CN109919166B
公开(公告)日：2021-04-09
申请号：CN201711316202.7
申请日：2017-12-12
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本公开是关于一种获取属性的分类信息的方法和装置，属于图像识别领域。所述方法包括：将多个样本图像，输入特征提取模型，分别得到每个样本图像的特征信息，将每个样本图像的特征信息分别输入多个属性分类模型，得到每个样本图像对应的多种属性的分类信息；根据每个样本图像对应的多种属性的分类信息、以及预设的每个样本图像对应的多种属性的基准分类信息，分别对特征提取模型与多个属性分类模型进行模型参数调整，得到训练后的特征提取模型与多个训练后的属性分类模型；当获取到待获取分类信息的目标图像时，基于特征提取模型与多个属性分类模型，获取目标图像对应的多种属性的分类信息。采用本公开，可以提高获取图像的属性的分类信息的效率。
-
公开(公告)号：CN112102183A
公开(公告)日：2020-12-18
申请号：CN202010910413.9
申请日：2020-09-02
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06T5/00
Abstract: 本发明提供一种稀疏处理方法、装置及设备，可根据特征图确定稀疏参数，进而可避免或减少关键信息的损失。该方法包括：获得待处理的目标特征图，所述目标特征图包含多个特征值；将所述目标特征图输入至已训练的稀疏网络以得到稀疏特征图；其中，所述稀疏网络包括第一计算层和第二计算层，所述第一计算层用于依据所述目标特征图中的各特征值确定对应的稀疏参数并输出给所述第二计算层，所述第二计算层用于依据输入的所述稀疏参数对所述目标特征图中的特征值进行稀疏处理以得到所述稀疏特征图。
-
公开(公告)号：CN111353349A
公开(公告)日：2020-06-30
申请号：CN201811581382.6
申请日：2018-12-24
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06K9/00
Abstract: 本申请实施例提供了人体关键点检测方法、装置、电子设备及存储介质，该方法包括：获取待检测图像；通过预设神经网络的特征提取部分对待检测图像进行分析，得到待检测图像的多个层级特征；通过预设神经网络的人体检测部分对各层级特征进行分析，确定各层级特征中的人体区域；对各层级特征中的人体区域进行区域特征映射，得到各实例特征；通过预设神经网络的关键点检测部分对各实例特征进行分析，得到各人体关键点。本申请实施例的人体关键点检测方法，实现了人体关键点的自动检测；并且将人体检测与关键点检测统一在一个网络框架内，仅通过单个神经网络就完成多人场景下的人体关键点检测，且无需复杂的后处理过程，实用价值高。
-
Patent Agency Ranking
公开(公告)号：CN119830982A
公开(公告)日：2025-04-15
申请号：CN202411865347.2
申请日：2022-05-31
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06N3/082 , G06N3/0464 , G06V10/82 , G06V10/764
Abstract: 本申请提供一种神经网络模型裁剪方法、装置、电子设备及存储介质，该方法包括：依据待裁剪神经网络模型的结构特性，将所述待裁剪神经网络模型划分为多个结构分组；依据对所述待裁剪神经网络模型进行裁剪前后的损失函数变化，确定对所述多个结构分组中各结构分组进行裁剪的目标裁剪率；其中，所述损失函数变化依据第一因子和第二因子确定，所述第一因子用于表征各结构分组中各个权重的重要性，所述第二因子用于表征不同结构分组之间的相互作用；依据所述目标裁剪率，分别对各结构分组进行裁剪，得到裁剪后的神经网络模型。该方法可以在较小性能损失的情况下加速压缩神经网络模型。
-
公开(公告)号：CN119807717A
公开(公告)日：2025-04-11
申请号：CN202510294166.7
申请日：2025-03-13
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06F18/213 , G06N3/0455
Abstract: 本发明实施例提出注意力特征提取方法、装置和计算机可读存储介质。方法包括：根据待查询内容和参考内容，计算待查询内容对参考内容的定点注意力权重向量；将定点注意力权重向量的归一化结果表示成：浮点中间注意力权重向量除以浮点中间注意力权重向量的元素和；对浮点中间注意力权重向量、参考内容的浮点特征向量和浮点中间注意力权重向量的元素和分别进行量化处理；将定点中间注意力权重向量和参考内容的定点特征向量进行点乘后再除以浮点中间注意力权重向量的元素和的定点值，将得到的商向量的定点向量作为待查询内容的定点注意力特征向量。本发明实施例在不增加注意力特征提取复杂度的同时，降低注意力特征提取过程中的量化损失。
-
公开(公告)号：CN119227757A
公开(公告)日：2024-12-31
申请号：CN202411752106.7
申请日：2024-12-02
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06N3/0495 , G06N3/08
Abstract: 本申请实施例提供了一种模型压缩方法、装置、电子设备、存储介质及产品，涉及深度学习技术领域，方法包括：针对同一输入数据，分别利用待压缩模型和量化模型进行处理；计算待压缩模型与量化模型的输出数据之间的差异，作为量化模型对应的第一差异；按照第一差异对待压缩模型中每一网络层的量化参数进行调整；基于每一网络层的最优量化参数计算该网络层的连续域量化位宽；从需要部署模型的硬件平台所支持的各离散域量化位宽中，确定大于该网络层的连续域量化位宽且与该网络层的连续域量化位宽的差值最小的离散域量化位宽；从利用多个稀疏度组合分别进行压缩得到的各备选压缩模型中，确定对应的第二差异最小的目标压缩模型。可以提高模型的适用性。
-
公开(公告)号：CN118747514B
公开(公告)日：2024-12-31
申请号：CN202411222893.4
申请日：2024-09-02
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06N3/0495 , G06N3/082 , G06T9/00
Abstract: 本申请实施例提供了大规模预训练模型压缩及图像数据处理方法、装置，按照训练后的大规模预训练模型的权重、预设稀疏度及预设秩构建权重约束条件、稀疏度约束条件和秩约束条件，利用构建的上述权重约束条件、稀疏度约束条件和秩约束条件将权重压缩为低秩部分及非结构化稀疏部分，得到压缩后的大规模预训练模型。通过联合非结构化稀疏和低秩分解方法对大规模预训练模型权重进行压缩，减少了压缩的计算量，提高了模型压缩率。
-
公开(公告)号：CN118839742A
公开(公告)日：2024-10-25
申请号：CN202411329970.6
申请日：2024-09-24
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06N3/082 , G06N3/0495 , G06N3/045
Abstract: 本申请涉及模型量化技术领域，公开了模型量化方法、装置、设备、存储介质及产品，包括：获取初始浮点模型的模型输出数据，以及初始浮点模型的输出层各输出节点对应的相关性分值，并获取初始浮点模型中各层网络对应的单层量化输出数据；计算初始浮点模型中各层网络分别对应的敏感度评估值；根据敏感度评估值从初始浮点模型中各层网络中选取待调整网络；对初始浮点模型中待调整网络及其他层网络设置量化配置；根据设置后的量化配置对初始浮点模型进行模型量化。由于是根据可表征网络的量化对模型输出影响程度的敏感度评估值选取部分网络作为待调整网络，并将待调整网络设置为量化精度较高的量化配置，保证了可合理的调整量化方式，提高量化效果。
-
-
-
-
-
-
-
-
-
Search Results
120
records
(took 0.044 seconds)
