-
公开(公告)号：CN114169490B
公开(公告)日：2025-04-15
申请号：CN202010945736.1
申请日：2020-09-10
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC: G06N3/0464
Abstract: 本发明提供一种模型优化方法、装置、设备及可读存储介质，涉及深度学习技术领域，该模型优化方法包括确定M个网络模型；基于待分析数据集确定所述M个网络模型的描述长度；从所述M个网络模型中确定描述长度最小的目标网络模型作为优化的网络模型，基于所述优化的网络模型进行数据处理。这样，解决了现有的深度学习网络模型的优化程度较弱，不能有效降低深度学习网络模型的复杂度的问题。
-
公开(公告)号：CN118736570A
公开(公告)日：2024-10-01
申请号：CN202310324373.3
申请日：2023-03-29
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC: G06V20/70 , G06V10/764 , G06V10/82 , G06T7/00 , G06N3/0464 , G06N3/08
Abstract: 本申请公开了一种图像处理方法、装置、设备及计算机可读存储介质。其中，方法包括：获取未标注的图像集；确定所述未标注的图像集对应的第一目标检测模型；所述第一目标检测模型与所述未标注的图像集本身的图像特征信息相关，所述图像特征信息至少包括图像的类别信息；基于所述第一目标检测模型，对所述未标注的图像集进行目标检测，得到目标预标注结果；所述目标预标注结果用于构成已标注的图像集的图像。
-
公开(公告)号：CN118210515A
公开(公告)日：2024-06-18
申请号：CN202211585407.6
申请日：2022-12-09
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC: G06F8/60 , G06F18/23213 , H04N7/18
Abstract: 本发明提供了智慧园区视频AI模型部署方法、装置、设备及介质，所述方法包括：对智慧园区中各个监控点位的监控视频数据分别进行特征提取，得到所述各个监控点位的视频特征数据；基于所述各个监控点位的视频特征数据对所述各个监控点位进行聚类处理，得到至少一个点位集；针对每个所述点位集，根据相应点位集中的监控视频数据，对每个所述点位集部署对应的AI模型，所述AI模型用于对相应点位集中的监控视频数据进行预设任务处理。这样，对每个点位集部署对应的AI模型，以对监控视频数据进行预设任务处理，可以在复杂度较低的情况下，提升检测效果。
-
公开(公告)号：CN116912538A
公开(公告)日：2023-10-20
申请号：CN202211478007.5
申请日：2022-11-23
Applicant: 中国移动通信集团广东有限公司 , 中国移动粤港澳大湾区(广东)创新研究院有限公司 , 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
Inventor： 张志鹏 , 马文婷 , 郝源 , 袁晓航 , 罗亚丹 , 柴鑫刚 , 何应腾 , 陈嘉敏 , 魏捷 , 喻朝新 , 答嘉曦 , 陈金悬 , 唐弘毅 , 汪啸林 , 崔金刚 , 李飞彬 , 连丽娜
IPC: G06V10/764 , G06V10/774
Abstract: 本发明提供一种目标检测模型的训练样本的获取及训练方法、装置及设备，包括：利用目标检测模型对指定生产场景的未标注数据样本进行目标检测，获取目标检测结果；对目标检测结果进行不确定性评估，获取目标检测结果的不确定信息量；依据不确定信息量确定未标注数据样本是否作为优化目标检测模型的训练样本。根据不确定信息量选择至少部分未标注数据样本作为训练样本；利用标注后的训练样本训练目标检测模型。通过目标检测结果进行不确定性评估，基于不确定信息量确定哪些数据可以作为训练数据，这些训练数据进行标注后提供目标检测模型进行训练，提供了有效的训练数据，提高目标检测模型的泛化能力，同时提高标注效率和模型优化效率。
-
公开(公告)号：CN111401390B
公开(公告)日：2023-04-07
申请号：CN201910000459.4
申请日：2019-01-02
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC: G06V10/764 , G06V10/774
Abstract: 本发明实施例公开了一种分类器训练方法及装置、电子设备及存储介质。所述方法包括：获取第一图像；对所述第一图像进行变换处理，得到N张第二图像，其中，N不小于2的正整数；分别从所述第一图像及N张所述第二图像中提取图像特征；融合所述图像特征，得到融合特征；利用所述融合特征训练分类器。
-
Patent Agency Ranking
公开(公告)号：CN111401102A
公开(公告)日：2020-07-10
申请号：CN201910000456.0
申请日：2019-01-02
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC: G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08 , G06T7/00 , G06T7/12 , G06T7/136 , G06T7/155 , G06T7/187
Abstract: 本发明实施例提供一种深度学习模型训练方法及装置、电子设备及存储介质。所述方法包括：利用第一深度学习模型对第一训练数据进行标注，获得第一标注结果；基于所述第一标注结果，获得各条所述第一训练数据的第一特征数据；获取所述第一特征数据的第二标注结果；基于所述第一特征数据和所述第二标注结果组成的第一训练集，训练第二深度学习模型。
-
公开(公告)号：CN119323964A
公开(公告)日：2025-01-17
申请号：CN202411443211.2
申请日：2024-10-16
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
Abstract: 本申请实施例提供了一种音频信号的编码方法、解码方法、设备及存储介质，该方法包括：获取第t帧的第一音频信号；根据目标编码模式，确定待编码的第一目标信号；对所述第一目标信号进行编码得到第一编码信号，向第二设备发送所述第一编码信号；其中，所述目标编码模式包括第一模式和第二模式；在所述第一模式下，所述第一目标信号为所述第一音频信号；在所述第二模式下，所述第一目标信号为第二音频信号，所述第二音频信号是所述第一音频信号和第一残差信号中信息量的较少者，所述第一残差信号是所述第一音频信号与预测得到的第t帧的预测信号之间的残差。本申请在兼容传统编码解码方法的同时，还通过引入神经网络，进一步提升音频编码效率。
-
公开(公告)号：CN114764614B
公开(公告)日：2024-11-12
申请号：CN202110029346.4
申请日：2021-01-11
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC: G06N3/0464 , G06N3/082
Abstract: 本发明提供一种神经网络压缩方法、装置和存储介质，属于计算机视觉领域。所述神经网络压缩方法，通过对训练后的神经网络的每一指定卷积层进行逐层执行如下操作：在所述指定卷积层后分别添加编码层和激活层，得到待压缩的神经网络；采用训练图像集和验证图像集，将所述待压缩的神经网络训练m个迭代，直到所述激活层输出的特征向量的稀疏性满足第一阈值；根据所述激活层输出的特征向量和第二阈值，删除所述指定卷积层中的冗余通道，获取剪枝后的指定卷积层；最后，获得对所有指定卷积层都完成剪枝后的压缩后的神经网络模型；通过上述方法实现对通过对剪枝方法的优化，实现对卷积神经网络的压缩效果的优化。
-
公开(公告)号：CN118799551A
公开(公告)日：2024-10-18
申请号：CN202410838457.3
申请日：2024-06-26
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC: G06V10/25 , G06V20/40 , G06V10/82 , G06N3/0464 , G06V10/44
Abstract: 本发明公开了一种目标检测方法、装置、设备、存储介质及程序产品，通过对待检测图像进行目标定位，根据定位出的第一位置信息从待检测图像中提取目标对象所在区域的局部图像；对局部图像中的目标对象和标定线进行定位，得到目标对象的第一位置检测结果和标定线的第二位置检测结果；当标定线处于同一平面时，根据第二位置检测结果，确定目标对象的位移检测结果；当标定线不处于同一平面时，根据第一位置检测结果对标定线进行角度补偿，并根据补偿角度和第二位置检测结果，确定目标对象的位移检测结果，从而有效提高标定线连续性判断的准确率，提高任意视角下目标位移检测的精度。
-
公开(公告)号：CN118797491A
公开(公告)日：2024-10-18
申请号：CN202311713870.9
申请日：2023-12-13
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC: G06F18/2431 , G06F18/214 , G06N3/0442 , G06N3/084 , G06N3/09
Abstract: 本申请公开了一种信号检测方法、装置、设备及计算机可读存储介质。其中，方法包括：获取目标信号数据；对所述目标信号数据进行周期性划分，得到至少两个周期的信号数据；对所述至少两个周期的信号数据进行特征提取，得到关键点特征；所述关键点特征表征所述目标信号数据所在业务领域的关键先验知识；基于提取的所述关键点特征，构建第一网络；所述第一网络表征图卷积神经网络；利用所述第一网络进行信号的异常检测，得到相应的检测结果。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.106 seconds)
