模型训练方法、业务执行方法、装置、介质及设备

    公开(公告)号:CN117975202B

    公开(公告)日:2024-07-26

    申请号:CN202410388685.5

    申请日:2024-04-01

    Inventor: 王宏升 林峰

    Abstract: 本说明书公开了模型训练方法、业务执行方法、装置、介质及设备,专用设备通过将获取的初始残缺点云数据进行填充处理,得到待处理点云数据,而后将待处理点云数据以及该待处理点云数据所需的去噪次数N输入到待训练的点云处理模型中进行去噪,进而得到第一输出点云数据,根据此第一输出点云数据以及初始残缺点云数据对应的标签点云数据,即可对点云处理模型进行训练。训练后的点云处理模型可以将残缺点云数据对应的待处理点云数据去噪,从而获取残缺点云对应的去噪后的点云数据。该去噪后的点云数据相对于残缺点云数据更加完整,可通过此去噪后的点云数据作为还原点云数据,从而构建人体模型,进而执行目标业务。

    一种姿态分布指导的三维虚拟人模型重建方法

    公开(公告)号:CN117830564B

    公开(公告)日:2024-06-11

    申请号:CN202410250378.0

    申请日:2024-03-05

    Inventor: 王宏升 林峰

    Abstract: 本说明书公开了一种姿态分布指导的三维虚拟人模型重建方法,该方法适用于从视频中生成出三维人体网格序列,首先可以提取得到视频数据对应的视频图像特征、语义特征以及视频序列特征,将视频图像特征和语义特征输入到重建模型中的U形神经网络中,得到中间层输出结果,将语义特征、视频序列特征和U形神经网络的中间层输出结果输入到重建模型中的稳定扩散网络中,得到人体姿态特征,以及确定出视频数据对应的原始分布,通过流方法将视频数据中人体的原始分布进行转换,得到姿态分布,根据姿态分布对人体姿态特征进行强化,得到强化后的人体姿态特征,以根据强化后的人体姿态特征,进行人体三维模型重建,从而提高了人体三维模型重建的准确度。

    一种点云的处理方法、装置、存储介质及电子设备

    公开(公告)号:CN117934858B

    公开(公告)日:2024-06-04

    申请号:CN202410329387.9

    申请日:2024-03-21

    Inventor: 王宏升 林峰

    Abstract: 本说明书公开了一种点云的处理方法、装置、存储介质及电子设备,获取目标物的原始粗略点云,将原始粗略点云输入三维表面生成模型的特征提取层,以使特征提取层提取原始粗略点云在若干平面上的平面特征。将平面特征输入三维表面生成模型的流变换层,以使该流变换层对平面特征进行变换,得到变换后的平面特征,并使该流变换层对变换后的平面特征进行去噪,得到去噪后的平面特征。将去噪后的平面特征输入三维表面生成模型的结果预测层,得到结果预测层输出的目标物的最终精准点云。该方法使得得到的最终精准点云构成的目标物的三维表面更精确,也即提高了最终精准点云构成的目标物的形状与目标物的真实形状相似度。

    一种用于视频的三维人体重建模型的训练方法及装置

    公开(公告)号:CN117726760B

    公开(公告)日:2024-05-07

    申请号:CN202410175200.4

    申请日:2024-02-07

    Inventor: 王宏升 林峰

    Abstract: 本说明书公开了一种用于视频的三维人体重建模型的训练方法及装置,重建模型至少包含特征提取层、运动增强层和回归层,针对每个图像序列,根据该图像序列的初始特征对应的第一张量的帧数轴、高度轴和宽度轴,确定所述初始特征的序列特征元,根据各序列特征元的运动增强特征,得到样本视频中预测三维人体的重建视频,根据各图像序列的速度损失和样本视频的三维重建损失训练该重建模型。在得到各图像序列的初始特征后,以序列特征元为单位,对同一通道的同一图像序列包含的各帧图像的特征进行特征增强,增强了同一图像序列中各帧图像之间联系,并根据速度损失来监督重建模型对帧间连续性的增强。

    一种长短时特征引导的人体康复运动视频数据生成方法

    公开(公告)号:CN117880444A

    公开(公告)日:2024-04-12

    申请号:CN202410281162.0

    申请日:2024-03-12

    Inventor: 王宏升 林峰

    Abstract: 本说明书公开了一种长短时特征引导的人体康复运动视频数据生成方法,可以通过视频生成模型中的图像参考网络,提取得到参考图像对应的图像参考特征,以及将第k‑1个分段视频样本输入到视频生成模型中的视频参考网络中,得到视频参考特征。通过生成的噪声,对第k个分段视频样本进行加噪,得到加噪后的分段视频样本,并将第k个分段姿态序列、加噪后的分段视频样本、视频参考特征以及图像参考特征,输入到视频生成模型中的稳定扩散网络中,通过稳定扩散网络预测对第k个分段视频样本加入的噪声,得到预测噪声;以最小化预测噪声与生成的噪声之间的差异为优化目标,对视频生成模型进行训练,从而提高了视频生成质量。

    图像生成模型训练方法、业务执行方法、装置及介质

    公开(公告)号:CN117392485A

    公开(公告)日:2024-01-12

    申请号:CN202311673947.4

    申请日:2023-12-07

    Inventor: 王宏升 林峰

    Abstract: 本说明书公开了图像生成模型训练方法、业务执行方法、装置及介质,专用设备通过将获取的原始图像进行加噪处理后输入到图像生成模型中以根据加噪后的图像被加噪的次数值对原始图像进行去噪,从而获取预测的还原图像,通过最小化还原图像中提取出的图像前景特征与原始图像中提取出的图像前景特征之间的偏差为训练目标,训练图像生成模型,以使训练出的图像生成模型可根据输入的加噪后的原始图像生成图像中的图像前景特征与原始图像中的图像前景特征相似的还原图像。还原图像与原始图像都可用于构建训练集,以在原始图像不足以训练出符合业务要求的预设的指定模型时,可通过扩充后的训练集训练出业务执行所需的预设的指定模型。

    基于滤波器分布的神经网络模型加速方法及平台

    公开(公告)号:CN112561041B

    公开(公告)日:2023-10-27

    申请号:CN202110209931.2

    申请日:2021-02-25

    Inventor: 王宏升 管淑祎

    Abstract: 本发明公开了一种基于滤波器分布的神经网络模型加速方法及平台,引入滤波器彼此之间的距离来反映滤波器的分布,而且在此基础上设计了一种新颖的基于滤波器平均相似度分数的裁剪准则,即随着网络迭代训练的不断更新,根据当前通道滤波器的分布计算神经网络模型的裁剪准则。包括如下步骤:步骤一、定义问题,将神经网络卷积操作进行建模;步骤二、设计基于滤波器裁剪的神经网络优化目标;步骤三、计算基于Minkowski距离的滤波器相似度分数;步骤四、设计滤波器裁剪准则。

    一种任务执行的方法、装置、存储介质及电子设备

    公开(公告)号:CN116467061B

    公开(公告)日:2023-09-19

    申请号:CN202310724767.8

    申请日:2023-06-19

    Abstract: 本说明书公开了一种任务执行的方法、装置、存储介质及电子设备。所述任务执行的方法包括:接收待执行任务的任务代码;通过所述主机节点,将所述待执行任务拆分为各子任务,并针对每个子任务,根据所述任务代码确定执行该子任务所需的各算子;将各子任务分配给所述各计算节点,以针对每个计算节点,以使该计算节点根据执行分配给该计算节点的子任务所需的各算子,以及执行分配给该计算节点的子任务所需的各算子之间的数据传输关系,生成该计算节点的可执行任务子图;通过各计算节点运行各可执行任务子图,以执行所述待执行任务。

    一种任务执行的方法、装置、存储介质及电子设备

    公开(公告)号:CN116467061A

    公开(公告)日:2023-07-21

    申请号:CN202310724767.8

    申请日:2023-06-19

    Abstract: 本说明书公开了一种任务执行的方法、装置、存储介质及电子设备。所述任务执行的方法包括:接收待执行任务的任务代码;通过所述主机节点,将所述待执行任务拆分为各子任务,并针对每个子任务,根据所述任务代码确定执行该子任务所需的各算子;将各子任务分配给所述各计算节点,以针对每个计算节点,以使该计算节点根据执行分配给该计算节点的子任务所需的各算子,以及执行分配给该计算节点的子任务所需的各算子之间的数据传输关系,生成该计算节点的可执行任务子图;通过各计算节点运行各可执行任务子图,以执行所述待执行任务。

    一种深度学习任务构图方法、装置、介质

    公开(公告)号:CN116166275B

    公开(公告)日:2023-07-18

    申请号:CN202310442740.X

    申请日:2023-04-24

    Inventor: 王宏升 陈光

    Abstract: 本发明涉及一种深度学习任务构图方法、装置、介质,包括如下步骤:构建前向算子并进行前向计算,获取包括前向算子输入张量、输出张量和输出梯度的备选张量集,实现前向构图,其中,所述前向算子与深度学习任务和运行设备无关;构建后向算子,基于所述备选张量集进行后向计算,实现后向构图;在计算过程中,针对所述前向算子和所述后向算子,以及所述前向算子的输出张量和所述后向算子的输出张量的生命周期进行控制。与现有技术相比,本发明具有构图效率高、易于实现、资源开销小等优点。

Patent Agency Ranking