-
公开(公告)号：CN116049459A
公开(公告)日：2023-05-02
申请号：CN202310324164.9
申请日：2023-03-30
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F16/53 , G06F16/583 , G06F16/55 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/047 , G06N3/084
Abstract: 本申请公开了跨模态互检索的方法、装置、服务器及存储介质，涉及数据处理技术领域，其中训练方法包括：构建文本信息特征编码器和图像序列特征编码器；基于文本信息特征编码器和图像序列特征编码器进行检索网络构建，得到初始图像文本检索网络；基于每个样本的正样本组和负样本组构造对齐损失函数；基于对齐损失函数和训练数据对初始图像文本检索网络进行训练，得到多模态图像文本检索网络。以提高对于多结构文本数据和图像数据进行图文互检的准确性。
-
公开(公告)号：CN115495615B
公开(公告)日：2023-02-28
申请号：CN202211420795.2
申请日：2022-11-15
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F16/783 , G06F16/732 , G06F16/75 , G06F16/332 , G06N3/0464 , G06N3/049 , G06N3/08
Abstract: 本申请公开了计算机技术领域内的一种视频与文本的互检方法、装置、设备、存储介质及终端。本申请在确定目标视频中每帧画面的特征后，利用以强化学习方式训练得到的视频播放模型确定目标视频中每帧画面的播放速度，得到目标视频的播放控制策略，通过播放控制策略可以在目标视频中选择出能够表示视频画面转折点的多帧关键画面，后续检索与这些关键画面匹配的目标文本。该方案不以视频里的全部帧进行检索，而是从中选出能够表示视频画面转折点的一些关键画面进行检索，降低了数据处理量，保障了检索精度，提升了检索效率。本申请提供的一种视频与文本的互检装置、设备、存储介质及终端，也同样具有上述技术效果。
-
公开(公告)号：CN110689548B
公开(公告)日：2023-01-17
申请号：CN201910931351.7
申请日：2019-09-29
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06T7/11 , G06T7/13 , G06T5/30 , G06V10/774
Abstract: 本发明公开了一种医学图像分割方法、装置、设备及可读存储介质，该方法，包括：获取待分割的医学图像，并将医学图像输入至深度学习图像分割网络中；利用重点关注指定组织边缘的目标分割参数对医学图像进行组织分割，获得图像分割结果；其中，深度学习图像分割网络的训练过程，包括：利用医学图像训练样本对应的分割标签，确定医学图像训练样本的边缘增强区域；将医学图像训练样本输入至深度学习图像分割网络进行组织分割，获得训练分割结果；利用损失函数计算损失值时，为训练分割结果中边缘增强区域对应像素增加损失权重；利用损失值对深度学习图像分割网络的分割参数进行调节，获得目标分割参数。该方法可提高医学图像分割精度。
-
公开(公告)号：CN111160458B
公开(公告)日：2022-04-22
申请号：CN201911386418.X
申请日：2019-12-29
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06V10/80 , G06V10/771 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本申请公开了一种图像处理系统及其卷积神经网络，该卷积神经网络包括智能密集连接模块，智能密集连接模块包括基本卷积模块和智能注意力模块，基本卷积模块用于对接收到的待处理图像进行卷积运算以得到相应的特征图，然后将特征图传输至与自身输出侧连接的智能注意力模块；智能注意力模块用于获取与自身输入侧连接的基本卷积模块传输的特征图作为输入侧特征图以及获取位于自身位置之前的其它模块传输的特征图作为待融合特征图，并从输入侧特征图的所有通道中筛选出部分通道作为目标通道，然后将目标通道对应的特征图与待融合特征图进行通道叠加以得到新的特征图并输出。通过本申请的上述技术方案，能够减少输入通道数，降低计算量。
-
公开(公告)号：CN110717913B
公开(公告)日：2022-04-22
申请号：CN201910844438.0
申请日：2019-09-06
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明提供一种图像分割方法及装置，利用预设的3D卷积神经网络模型确定获取的待分割图像进行参数调整后的每个目标物的分割图像，利用3D卷积神经网络模型中的提取模块提取待分割图像的至少一个目标物的第一特征图矩阵，像素级显著性增强模块对每个目标物的第一特征图矩阵的参数进行调整，确定每个目标物的像素级的加权矩阵，根据通道级显著性增强模块增强每个目标物的第一特征图矩阵的矩阵通道，确定每个目标物的通道级的加权矩阵，3D残差反卷积模块对增大每个目标物的像素级的加权矩阵和通道级的加权矩阵的和得到目标物的目标矩阵的尺寸进行还原处理，确定进行参数调整后的每个目标物的分割图像。基于本发明，能够得到高精度的分割图像。
-
Patent Agency Ranking
公开(公告)号：CN111079767B
公开(公告)日：2022-03-22
申请号：CN201911332559.3
申请日：2019-12-22
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本申请公开了一种用于分割图像的神经网络模型及其图像分割方法、设备及可读存储介质，包括智能选择模块，该智能选择模块进一步包括特征提取单元和智能选择单元。由于特征提取单元采用多尺度的空洞卷积，获得了输入特征图不同尺度的信息，为后面特征筛选提供大量丰富的特征信息；而智能选择单元通过训练一个权重值，并根据权重值大小对输入特征图通道进行智能筛选，因此该智能选择模块能够在保证分割精度的同时，降低参数量和计算量。因此，本申请的神经网络模型通过采用上述智能选择模块，能够快速抽取图像的有效特征，且计算量小，模型参数少，适用于移动终端。
-
公开(公告)号：CN119149210A
公开(公告)日：2024-12-17
申请号：CN202411667145.7
申请日：2024-11-21
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开了一种基于分离式内存系统的内存调度方法、系统以及产品，涉及内存调度技术领域。根据当前任务的需求参数和分离式内存系统的实际运行参数确定当前任务访问的目标内存设备，在实际部署内存设备之前，根据当前任务的执行的需求参数，实现对应不同任务的需求参数与分离式内存系统的实际运行参数初步确定当前任务待访问的目标内存设备。为了减小当前任务对应的访问时延，通过当前任务对应的目标计算加速器的历史调用次数和访问时延预估当前目标内存设备的访问代价，根据访问代价确定当前任务的调度内存设备，使每个任务对应的目标计算加速器访问的调度内存设备的访问代价较小，提高当前任务的目标计算加速器的访问执行效率。
-
公开(公告)号：CN117808126B
公开(公告)日：2024-05-28
申请号：CN202410230008.0
申请日：2024-02-29
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06N20/00 , G06N5/04 , G06F18/22 , G06V10/764 , G06Q10/04
Abstract: 本发明公开了一种机器学习方法、装置、设备、联邦学习系统及存储介质，属于边缘计算领域，用于在模型聚合过程中识别并剔除恶意用户的模型数据，解决了恶意用户攻击导致模型精度下降的问题。一方面边缘计算设备可以在簇内选择与自身的相关性达标的边缘计算设备的模型参数对自身的模型参数进行更新，另一方面簇头在进行簇内聚合时可以排除异常的边缘计算设备的模型参数，通过两层的风险识别，可以精准的识别并忽略异常的模型参数，排除了风险，有利于提升最终得到的全局网络模型的性能，使中心服务器在工业设备故障预测、网络安全问题识别与图片分类时发挥最优的效果，也避免了全局网络模型学习到恶意用户希望的特定行为。
-
公开(公告)号：CN117808126A
公开(公告)日：2024-04-02
申请号：CN202410230008.0
申请日：2024-02-29
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06N20/00 , G06N5/04 , G06F18/22 , G06V10/764 , G06Q10/04
Abstract: 本发明公开了一种机器学习方法、装置、设备、联邦学习系统及存储介质，属于边缘计算领域，用于在模型聚合过程中识别并剔除恶意用户的模型数据，解决了恶意用户攻击导致模型精度下降的问题。一方面边缘计算设备可以在簇内选择与自身的相关性达标的边缘计算设备的模型参数对自身的模型参数进行更新，另一方面簇头在进行簇内聚合时可以排除异常的边缘计算设备的模型参数，通过两层的风险识别，可以精准的识别并忽略异常的模型参数，排除了风险，有利于提升最终得到的全局网络模型的性能，使中心服务器在工业设备故障预测、网络安全问题识别与图片分类时发挥最优的效果，也避免了全局网络模型学习到恶意用户希望的特定行为。
-
公开(公告)号：CN116721221B
公开(公告)日：2024-01-12
申请号：CN202310987823.7
申请日：2023-08-08
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06T17/00 , G06T11/60 , G06T19/20 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于多模态的三维内容生成方法、装置、设备及存储介质，属于三维内容生成领域，用于实现基于多模态的数据生成三维内容，解决了只能基于文本数据生成三维内容的技术问题。本发明预先获取若干文本数据以及与文本数据一一对应的描述同一对象的目标模态数据，作为训练数据集，然后基于训练数据集、文本数据编码器以及目标模态数据编码器，对目标模态数据编码器进行训练，使得目标模态数据编码器提取出的目标模态数据的数据特征与文本数据提取出的文本数据的数据特征位于同一目标语义空间，如此一来，便可以将目标模态数据位于目标语义空间的数据特征转换为三维内容，
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.04 seconds)
