-
公开(公告)号：CN113554169A
公开(公告)日：2021-10-26
申请号：CN202110859734.5
申请日：2021-07-28
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请提供一种模型优化方法、装置、电子设备及可读存储介质，该方法包括：对当前网络模型进行预设轮数的稀疏约束训练，并依据预设阈值对训练后的第一网络模型进行裁剪，得到第一裁后模型；对第一裁后模型的各层进行等比例扩充，并对扩充后的网络模型进行非稀疏约束训练；迭代执行上述操作，直至得到的第二网络模型满足预设停止规则时，确定迭代完成；依据预设裁后计算量，以及迭代过程中得到的第二网络模型，确定第二裁后模型；依据第二裁后模型，对原始网络模型进行变权重稀疏约束训练，得到原始网络模型对应的稀疏模型，并对所述稀疏模型进行离线裁剪。该方法可以实现基于变权重稀疏约束的网络模型自动裁剪。
-
公开(公告)号：CN113222121A
公开(公告)日：2021-08-06
申请号：CN202110602261.0
申请日：2021-05-31
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请提供一种数据处理方法、装置及设备，该方法包括：获取至少一个训练平台训练的第一深度学习模型，每一训练平台训练的第一深度学习模型包括第一模型结构、第一模型参数；将每一训练平台训练的第一深度学习模型转换为第二深度学习模型，第二深度学习模型包括第二模型结构、第二模型参数；将该第二深度学习模型转换为与硬件设备匹配的第三深度学习模型；将该第三深度学习模型发送给该硬件设备，以使该硬件设备运行该第三深度学习模型，并通过该第三深度学习模型实现数据处理。通过本申请的技术方案，可以提升跨训练平台以及跨硬件设备的部署效率，减少开发工作量，提高用户体验。
-
公开(公告)号：CN113128659A
公开(公告)日：2021-07-16
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：CN112884123A
公开(公告)日：2021-06-01
申请号：CN202110204808.1
申请日：2021-02-23
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优化方法、装置、电子设备及可读存储介质，该神经网络优化方法包括：对待优化神经网络进行子网划分，并依据预设融合规则以及融合目标分别对各子网进行网络层layer融合，得到各子网的最优融合结果；依据各子网的最优融合结果、所述预设融合规则以及融合目标，对所述待优化神经网络进行layer融合，得到所述待优化神经网络的最优融合结果。该方法可以在保证得到满足预设融合规则以及融合目标的情况下的最优融合结果的情况下，提高确定待优化神经网络的最优融合结果的效率。
-
公开(公告)号：CN111784555A
公开(公告)日：2020-10-16
申请号：CN202010549772.6
申请日：2020-06-16
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本发明提供一种图像处理方法、装置及设备，可提高对具有一定并行度的应用平台的利用率。该方法包括：获得待处理的目标图像；确定目标图像对应的N个目标特征图；将N个目标特征图输入至神经网络，得到图像处理结果；神经网络包括N个特征处理子网络和图像处理子网络；N个特征处理子网络对目标特征图进行处理并输出特征处理结果至图像处理子网络；N个特征处理子网络中的至少一个包括分组卷积层，每一分组卷积层包括多个并联的卷积层、且各卷积层对应的输入通道数相同；N个特征处理子网络对应的输入通道数相同、且由一个分组卷积层对应的输入通道数确定；图像处理子网络用于对输入的特征处理结果进行图像处理得到图像处理结果。
-
Patent Agency Ranking
公开(公告)号：CN111783996A
公开(公告)日：2020-10-16
申请号：CN202010562081.X
申请日：2020-06-18
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请提供一种数据处理方法、装置及设备，该方法包括：从服务器获取初始基线模型和样本数据对应的第一特征分布信息；获取初始噪声数据，将初始噪声数据输入给初始基线模型，得到初始噪声数据对应的第二特征分布信息；基于第一特征分布信息和第二特征分布信息对初始噪声数据进行训练，得到目标噪声数据；基于目标噪声数据和终端设备的场景数据对初始基线模型进行优化，得到优化后的目标基线模型；在所述终端设备部署所述目标基线模型，以通过所述目标基线模型对所述终端设备的应用数据进行处理。通过本申请的技术方案，目标噪声数据能够反映样本数据的特性，从而基于样本数据的特性对初始基线模型进行优化，解决样本数据缺失的问题。
-
公开(公告)号：CN111783797A
公开(公告)日：2020-10-16
申请号：CN202010610242.8
申请日：2020-06-30
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本发明实施例提供一种目标检测方法、装置及存储介质，通过对待检测图像进行特征提取和特征融合，得到多张不同尺度的第一特征图，分别对多张不同尺度的第一特征图进行目标检测，得到第一目标检测结果。通过对第一目标检测结果中的各目标框对应的类别分数信息进行修正，得到修正后的第二目标检测结果。再对第二目标检测结果中的各目标框进行非极大值抑制，确定最终的目标检测结果。上述方法可有效降低相近类别之间的误检，提高目标检测的准确性。
-
公开(公告)号：CN111753949A
公开(公告)日：2020-10-09
申请号：CN201910245117.9
申请日：2019-03-28
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数据块处理方法、装置及电子设备。其中，所述方法包括：获取多个经过裁剪处理的输入数据块，所述输入数据块中的特征数据设置有标签，所述标签用于表示特征数据在经过裁剪处理前所处的位置；针对所述多个输入数据块中的每个特征数据，将该特征数据，和与该特征数据的标签相同的特征数据进行预设计算，得到计算结果；将所述计算结果存放于输出数据块中该特征数据的标签所表示的位置。可以在输入数据块尺寸不同的情况下，实现对输入数据块的元素级操作。由于不要求输入数据块的尺寸相同，因此可以输入数据块的裁剪方式可以相对独立，即可以分别针对每个输入数据块进行独立优化，可以有效降低神经网络的优化难度。
-
公开(公告)号：CN111753870A
公开(公告)日：2020-10-09
申请号：CN202010298486.7
申请日：2020-04-16
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请实施例提出了一种目标检测模型的训练方法、装置和存储介质，其中，上述方法包括：获取训练样本；将所述训练样本输入至预置目标检测模型进行训练，得到第一梯度；根据预置第一区间数对所述第一梯度进行不均匀划分，得到第一区间集合，并根据所述第一区间集合内的每个区间的样本数获得所述每个区间的第一梯度密度，其中，所述第一区间集合包括多个不均匀的区间；根据所述第一梯度密度对所述预置目标检测模型继续进行训练，得到训练后的目标检测模型。本申请通过对训练样本的梯度进行不均匀划分，可以有效解决训练样本不均衡问题，从而可以提高模型的检测性能。
-
公开(公告)号：CN110400332A
公开(公告)日：2019-11-01
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 0.042 seconds)
