公开(公告)号：CN118115908A

公开(公告)日：2024-05-31

申请号：CN202311594993.5

申请日：2023-11-27

Applicant: 三星电子株式会社

Inventor： 粟海 ,  莫斯塔法·伊尔-哈米 ,  刘青峰

IPC: G06V20/40 ,  G06V10/26 ,  G06V10/764 ,  G06N3/044 ,  G06T7/20 ,  G06N5/04 ,  G06V10/82

Abstract: 公开了一种方法，包括在语义分割网络中接收来自多个帧的输入数据、计算所述多个帧上的真实标签、从所述多个帧上的真实标签生成真实时间语义边界图、基于输入数据的输出生成预测的时间语义边界图、以及基于真实时间语义边界图和预测的时间语义边界图确定损失。

公开(公告)号：CN109767383B

公开(公告)日：2024-11-29

申请号：CN201811191127.0

申请日：2018-10-12

Applicant: 三星电子株式会社

Inventor： 任昊宇 ,  莫斯塔法·伊尔-哈米 ,  李正元

IPC: G06T3/4053 ,  G06T3/4046 ,  G06T5/50

Abstract: 本发明提供一种用于使用卷积神经网络的视频超分辨率的方法和设备。方法包含：接收具有第一多个帧的视频，所述第一多个帧具有第一分辨率；基于第一类型的运动补偿从第一多个帧生成多个变形帧；生成具有第二分辨率的第二多个帧，其中第二分辨率属于比第一分辨率更高的分辨率，其中使用卷积网络从多个变形帧的子组获得具有第二分辨率的第二多个帧中的每一个；以及基于第二类型的运动补偿生成具有第二分辨率的第三多个帧，其中从第二多个帧的子组的融合获得具有第二分辨率的第三多个帧中的每一个。

公开(公告)号：CN109767383A

公开(公告)日：2019-05-17

申请号：CN201811191127.0

申请日：2018-10-12

Applicant: 三星电子株式会社

Inventor： 任昊宇 ,  莫斯塔法·伊尔-哈米 ,  李正元

IPC: G06T3/40 ,  G06T5/00 ,  G06T5/50 ,  G06T7/269

Abstract: 本发明提供一种用于使用卷积神经网络的视频超分辨率的方法和设备。方法包含：接收具有第一多个帧的视频，所述第一多个帧具有第一分辨率；基于第一类型的运动补偿从第一多个帧生成多个变形帧；生成具有第二分辨率的第二多个帧，其中第二分辨率属于比第一分辨率更高的分辨率，其中使用卷积网络从多个变形帧的子组获得具有第二分辨率的第二多个帧中的每一个；以及基于第二类型的运动补偿生成具有第二分辨率的第三多个帧，其中从第二多个帧的子组的融合获得具有第二分辨率的第三多个帧中的每一个。

公开(公告)号：CN118114752A

公开(公告)日：2024-05-31

申请号：CN202311400606.X

申请日：2023-10-25

Applicant: 三星电子株式会社

Inventor： 莫斯塔法·伊尔-哈米 ,  赵玟秀 ,  宋基逢

IPC: G06N3/0985 ,  G06N3/092 ,  G06N3/084 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0442

Abstract: 本文公开一种用于执行神经架构搜索的系统和方法。所述方法包括：对离散网络搜索空间进行第一次采样；使用所述离散网络搜索空间在超级网络中的操作符上的连续松弛(relaxation)来确定从所述超级网络采样的差分架构网络；基于所述差分架构网络的代理精度或代理复杂度来计算奖励(reward)；基于所述奖励来更新所述离散网络搜索空间的分布；以及基于所述奖励来确定更新的差分架构网络。

公开(公告)号：CN111435462A

公开(公告)日：2020-07-21

申请号：CN201911114742.6

申请日：2019-11-14

Applicant: 三星电子株式会社

Inventor： 金宰永 ,  李正元 ,  莫斯塔法·伊尔-哈米

IPC: G06N3/08

Abstract: 本文中公开一种用于训练神经网络的方法及系统。根据一个实施例，所述方法包括：接收有噪信号；产生经去噪输出信号；基于所述经去噪输出信号来确定信号失真比(SDR)损失函数；基于所述经去噪输出信号来确定感知语音质量评估(PESQ)损失函数；以及基于所述感知语音质量评估损失函数及所述信号失真比损失函数来优化总损失函数。

公开(公告)号：CN109754063A

公开(公告)日：2019-05-14

申请号：CN201811001199.4

申请日：2018-08-28

Applicant: 三星电子株式会社

Inventor： 崔裕镇 ,  李正元 ,  莫斯塔法·伊尔-哈米

IPC: G06N3/04 ,  G06N3/063 ,  G06N3/08

Abstract: 本发明提供一种用于学习低精度神经网络的方法及装置。所述方法包括：选择神经网络模型，其中所述神经网络模型包括多个层，且所述多个层中的每一者包括权重及激活；通过将多个量化层插入到所述神经网络模型内来修改所述神经网络模型；将成本函数与经修改的所述神经网络模型进行关联，其中所述成本函数包括与第一正则化项对应的第一系数，且所述第一系数的初始值是预定义的；以及训练经修改的所述神经网络模型，以通过增大所述第一系数来产生层的量化权重，直到所有权重均被量化且所述第一系数满足预定义的阈值为止，还包括优化所述量化权重的权重缩放因数及优化量化激活的激活缩放因数，其中所述量化权重是使用经优化的所述权重缩放因数进行量化。