-
公开(公告)号：CN118839167A
公开(公告)日：2024-10-25
申请号：CN202411316530.7
申请日：2024-09-20
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06F18/214 , G06F18/241 , G06N3/096 , G06N3/045 , G06N3/0464 , G06N3/0455
Abstract: 本申请实施例提供了一种数据生成、模型蒸馏方法、装置、电子设备及存储介质，涉及计算机技术领域，该方法包括：获取第一训练数据，并获取第一分组对应的第一语义描述集合，第一语义描述集合包括第一分组中的训练数据对应的多个语义描述；从第一语义描述集合中，选择多个第一语义描述；根据第一训练数据、第一分组的标识和多个第一语义描述，确定数据生成条件；将数据生成条件输入生成模型，得到第二训练数据。该方法能够在较快的速度、较低的成本下获得多样化数据，解决学生模型蒸馏中过拟合和泛化性差的问题。
-
公开(公告)号：CN118551848A
公开(公告)日：2024-08-27
申请号：CN202411017271.8
申请日：2024-07-29
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06N5/04 , G06N3/045 , G06N3/0495 , G06N3/0464 , G06N3/044 , G06N3/048
Abstract: 本申请公开了基于softmax的神经网络模型的推理方法和装置，包括：人工智能芯片利用所述神经网络模型，对所述神经网络模型的输入数据进行推理，直到确定出所述softmax算子的输入特征；中央处理器或向量处理器对所述输入特征以行为单位进行稀疏化处理，并利用softmax算子对稀疏化处理后的输入特征进行处理；人工智能芯片基于softmax算子处理后的输出结果完成所述神经网络模型的推理，以此类推直至确定所述神经网络模型的输出。应用本申请，能够有效提高模型推理速度，并保证模型推理效果。
-
公开(公告)号：CN118247442B
公开(公告)日：2024-08-02
申请号：CN202410667307.0
申请日：2024-05-24
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请实施例提供了一种神经辐射场重建模型生成方法、装置、设备、介质及产品，涉及三维重建技术领域，方法包括：获取图像采集设备在每一预设位姿下采集的待重建对象的原始RGB图像和深度图像；对每一预设位姿进行调整，得到该预设位姿对应的虚拟位姿；针对每一虚拟位姿，基于得到该虚拟位姿所利用的预设位姿对应的原始RGB图像和深度图像生成三维点云，并将生成的三维点云投影至图像采集设备在该虚拟位姿下的图像平面，得到该虚拟位姿对应的伪RGB图像；利用得到的伪RGB图像和对应的虚拟位姿，以及原始RGB图像和对应的预设位姿，构建表示待重建对象的神经辐射场重建模型。如此，可以提高得到的神经辐射场重建模型的准确度。
-
公开(公告)号：CN113128659B
公开(公告)日：2024-06-28
申请号：CN202010038017.1
申请日：2020-01-14
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请提供一种神经网络定点化方法、装置、电子设备及可读存储介质，该神经网络定点化方法包括：对于所述神经网络的待定化单元，基于所述神经网络的已定点化单元保持定点化状态的情况下该待定点化单元输出的特征值的数据分布，确定该待定点化单元输出的特征值的定点化超参；基于该定点化超参对该待定点化单元输出的特征值进行定点化。该方法可以提升神经网络定点化的性能。
-
公开(公告)号：CN111753950B
公开(公告)日：2024-02-27
申请号：CN202010062768.7
申请日：2020-01-19
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请提供一种前向耗时的确定方法、装置及设备，该方法包括：将待测神经网络划分为多个子网络；从多个子网络中选取至少一个子网络作为目标子网络；针对每个目标子网络，确定与所述目标子网络对应的子网络集合；子网络集合包括所述目标子网络和所述目标子网络的关联子网络，所述关联子网络为多个子网络中除所述目标子网络之外的子网络；根据子网络集合的信息获取所述目标子网络的耗时；根据每个目标子网络的耗时确定待测神经网络的前向耗时。通过本申请的技术方案，能够有效预测待测神经网络的前向耗时。
-
Patent Agency Ranking
公开(公告)号：CN117350365A
公开(公告)日：2024-01-05
申请号：CN202311269007.9
申请日：2023-09-27
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06N3/096 , G06N3/0455 , G06N3/0464 , G06V10/82 , G06V10/44 , G06V10/762 , G06V10/764
Abstract: 本申请公开了一种模型蒸馏方法、装置、存储介质和电子设备，包括：利用通识模型对不同领域的存量数据样本进行识别；利用目标任务的训练样本集训练生成教师模型；利用通识模型对训练样本集中的训练样本进行识别；确定与训练样本语义相关的存量数据样本构成初筛样本集；为初筛样本集和训练样本集中的样本确定各实例的实例特征；在初筛样本集中选择其实例特征与训练样本的实例特征的相似程度在指定范围内的存量数据样本，构成搜索样本集；将搜索样本集和训练样本集作为蒸馏样本集，利用教师模型进行蒸馏训练，得到蒸馏后的学生模型。应用本申请，能够对训练样本域进行扩张，再基于扩张后多领域的样本进行蒸馏处理，从而提高模型在多场景的泛化能力。
-
公开(公告)号：CN117152571A
公开(公告)日：2023-12-01
申请号：CN202311021873.6
申请日：2023-08-14
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06V10/80 , G06V10/764 , G06V10/762 , G06V10/56 , G06V10/54 , G06V10/82 , G06V10/774 , G06V10/74 , G06V10/776 , G06N3/0455
Abstract: 本申请实施例提供了一种标签生成方法、装置、电子设备及存储介质，涉及机器学习技术领域，方法包括：将每一无标签数据输入至基于有标签数据训练得到的模型，得到表示该无标签数据属于各预设类别的概率的第一预测标签；基于无标签数据的数据特征和第一预测标签，对无标签数据进行聚类得到第一聚类簇，以及基于有标签数据的数据特征和真值标签，对有标签数据进行聚类得到第二聚类簇；针对每一第一聚类簇，基于该第一聚类簇与每一聚类簇集合之间的特征距离，得到表示该第一聚类簇属于每一预设类别的概率的第二预测标签；对每一无标签数据的第一预测标签和第二预测标签进行融合得到融合标签，并得到最终的标签。如此，可以生成无标签数据有效的标签。
-
公开(公告)号：CN111860064B
公开(公告)日：2023-10-20
申请号：CN201910360492.8
申请日：2019-04-30
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请公开了一种基于视频的目标检测方法、装置、设备及存储介质，属于目标检测技术领域。所述方法包括：获取待检测视频中的连续N帧视频图像，该N为大于1的整数；调用目标检测模型，该目标检测模型至少包括三维卷积层和目标检测层，该三维卷积层用于将该N帧视频图像的特征进行卷积融合，该目标检测层用于基于卷积融合后得到的目标特征图检测出视频图像中的目标；将该N帧视频图像输入至该目标检测模型中进行处理，输出目标检测结果。本申请基于特征关联后的目标特征图进行目标检测不仅可以保证检测的准确性，即避免漏检和误检的情况，而且还可以避免需要人工设计不同的规则，提高了目标检测的适应性。
-
公开(公告)号：CN115062792A
公开(公告)日：2022-09-16
申请号：CN202210751469.3
申请日：2022-06-28
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请提供一种网络模型的训练方法、装置及设备，该方法包括：获取网络层对应的浮点型激活梯度值；对浮点型激活梯度值进行量化，得到定点型激活梯度值和激活值量化超参；浮点型激活梯度值包括多个浮点型数值，基于激活值量化超参确定每个浮点型数值对应的量化中间值；针对每个量化中间值，若量化中间值不大于预设阈值，确定量化中间值对应的概率向量，基于概率向量确定量化中间值对应的定点型数值；基于所有量化中间值对应的定点型数值生成定点型激活梯度值；基于定点型激活梯度值对网络层的初始模型权重进行调整，将调整后模型权重更新为网络层的初始模型权重。通过本申请技术方案，可以减轻运算复杂度，运算量较小，能够对训练过程进行加速。
-
公开(公告)号：CN110400332B
公开(公告)日：2021-11-05
申请号：CN201810379134.7
申请日：2018-04-25
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本发明实施例提供了一种目标检测跟踪方法、装置及计算机设备，其中，目标检测跟踪方法包括：从获取的视频中提取关键帧，关键帧为连续的多个视频帧中的第一个视频帧；利用预设目标检测方法，对关键帧进行目标检测，得到关键帧中目标所处检测框的位置信息；将当前帧与关键帧进行融合，并对融合后的图像进行光流分析，得到当前帧相对于关键帧的特征位移信息，当前帧为连续的多个视频帧中除关键帧以外的任一个视频帧；根据检测框在关键帧中的位置信息，以及特征位移信息，确定当前帧中预测框的位置信息；基于预测框的位置信息，对目标进行跟踪。通过本方案，可以在降低计算量、保证目标检测跟踪的实时性前提下，提高目标检测跟踪的准确率。
-
-
-
-
-
-
-
-
-
Search Results
120
records
(took 0.06 seconds)
