-
公开(公告)号：CN113723552A
公开(公告)日：2021-11-30
申请号：CN202111042840.0
申请日：2021-09-07
Applicant: 北京大学深圳研究生院
Abstract: 本发明属于分布式训练技术领域，公开了一种大规模多机多卡预训练方法、系统、设备及服务器集群，在多个服务器上部署多机多卡，进行同构机型和异构混合机型的多机多卡并行；基于slurm框架进行大规模多机多卡训练及评测，以无监督特征学习BYOL算法为例予以实施；基于Horovod框架进行大规模多机多卡训练及评测，以视频语义无监督学习PRP算法予以实施；所述训练包括环境配置、任务配置、通信配置、任务加速。本发明涉及的多机多卡大规模训练实验，batchsize之高，训练时间压缩之短，验证鹏城云脑I大科学装置的并行能力，拓展并行训练的集群规模，对于利用超大规模集群开展分布式训练具有指导意义。
-
Patent Agency Ranking
公开(公告)号：CN113723552B
公开(公告)日：2024-11-08
申请号：CN202111042840.0
申请日：2021-09-07
Applicant: 北京大学深圳研究生院
IPC: G06F18/214 , G06N3/088 , G06F9/50
Abstract: 本发明属于分布式训练技术领域，公开了一种大规模多机多卡预训练方法、系统、设备及服务器集群，在多个服务器上部署多机多卡，进行同构机型和异构混合机型的多机多卡并行；基于slurm框架进行大规模多机多卡训练及评测，以无监督特征学习BYOL算法为例予以实施；基于Horovod框架进行大规模多机多卡训练及评测，以视频语义无监督学习PRP算法予以实施；所述训练包括环境配置、任务配置、通信配置、任务加速。本发明涉及的多机多卡大规模训练实验，batchsize之高，训练时间压缩之短，验证鹏城云脑I大科学装置的并行能力，拓展并行训练的集群规模，对于利用超大规模集群开展分布式训练具有指导意义。
-
公开(公告)号：CN114282060A
公开(公告)日：2022-04-05
申请号：CN202111613304.1
申请日：2021-12-27
Applicant: 北京大学深圳研究生院
IPC: G06F16/783 , G06F40/126
Abstract: 一种基于上下文Transformer网络的细粒度视频‑文本检索方法，包括S1.获得视频数据的全局层级特征、局部物体层级特征和局部动作层级特征；S2.将全局层级特征、局部物体层级特征和局部动作层级特征进行不同层级特征之间的上下文信息编码；S3.将文本的全局特征、名词特征、动词特征输入到基于注意力机制的图推理模型中，得到文本数据的细粒度层级特征；以及S4.将细粒度层级特征输入多层级跨模态匹配模块进行相似度计算。本发明方法在跨模态视频‑文本检索任务上取得更好的性能。
-
公开(公告)号：CN106875352A
公开(公告)日：2017-06-20
申请号：CN201710031020.9
申请日：2017-01-17
Applicant: 北京大学深圳研究生院
IPC: G06T5/00
Abstract: 本发明公布了一种基于相机响应特性的低照度图像增强方法，选用一种曝光模型并得到与之对应的相机响应方程模型；确定相机响应模型的参数；估测所要生成的多曝光图像序列与原始图像的曝光比例，生成多曝光图像序列；将多曝光图像进行图像融合，由此得到一个视觉效果更好、失真更少的增强结果。本发明能够解决现有的低照度图像增强算法在增强图像的同时引入较多人工痕迹的问题，得到一个视觉效果更好、失真更少的增强结果，从而得到一个自然度保持的图像增强结果。
-
公开(公告)号：CN114266850A
公开(公告)日：2022-04-01
申请号：CN202111569119.7
申请日：2021-12-21
Applicant: 北京大学深圳研究生院
IPC: G06T15/00
Abstract: 一种基于连续标准化流及对抗精细化网络的点云补全方法，包括以下步骤：S1：将残缺点云Xi输入到基于连续流模型的点云补全网络中，生成残缺点云的完整形状作为粗粒度补全结果Xc；以及S2：将残缺点云Xi和粗粒度补全结果Xc输入到对抗精细化网络中，进一步精细化局部细节，生成具有高质量局部细节的细粒度补全结果Xf。本发明通过提出两个子网络基于流模型的点云补全网络和对抗精细化网络逐步生成具有精细化细节的点云补全结果，从而提高补全质量。
-
公开(公告)号：CN106875352B
公开(公告)日：2019-08-30
申请号：CN201710031020.9
申请日：2017-01-17
Applicant: 北京大学深圳研究生院
IPC: G06T5/00
Abstract: 本发明公布了一种基于相机响应特性的低照度图像增强方法，选用一种曝光模型并得到与之对应的相机响应方程模型；确定相机响应模型的参数；估测所要生成的多曝光图像序列与原始图像的曝光比例，生成多曝光图像序列；将多曝光图像进行图像融合，由此得到一个视觉效果更好、失真更少的增强结果。本发明能够解决现有的低照度图像增强算法在增强图像的同时引入较多人工痕迹的问题，得到一个视觉效果更好、失真更少的增强结果，从而得到一个自然度保持的图像增强结果。
-
-
-
-
-
Search Results
6
records
(took 0.039 seconds)
