神经网络模型训练的方法和装置

    公开(公告)号:CN112529146A

    公开(公告)日:2021-03-19

    申请号:CN201910883124.1

    申请日:2019-09-18

    Abstract: 本申请提供了人工智能领域中的一种神经网络模型训练的方法,包括:获取神经网络模型、第一训练数据和第一训练数据的类别,神经网络模型是根据第二训练数据训练得到的,第一训练数据包括支持数据和查询数据,支持数据包括第一训练数据中的每一类的全部或部分数据,查询数据包括第一训练数据中每一类的全部或部分数据;利用神经网络模型对于第一训练数据进行特征提取,以得到第一训练数据的特征;根据每一类的类中心特征与查询数据特征的特征距离,调整神经网络模型中部分层的参数,以得到调整后的神经网络模型。通过对训练得到的神经网络模型的部分层的参数进行调整,从而得到具有良好精度和泛化能力的神经网络模型。

    识别码的识别方法、相关电子设备及计算机可读存储介质

    公开(公告)号:CN114970576A

    公开(公告)日:2022-08-30

    申请号:CN202110215292.0

    申请日:2021-02-25

    Abstract: 本申请提供了一种识别码的识别方法、相关电子设备及计算机可读存储介质,涉及人工智能领域,与码检测相关,该方法包括如下步骤:获取第一识别码图像;其中,第一识别码图像包含识别码;获取第一识别码图像的关键信息,关键信息包括用于指示第一识别码图像中所包含的识别码对应的属性信息和第一识别码图像的质量好坏的信息;根据关键信息对识别码进行解析,以执行识别码中标识的操作流程。实施本申请,可以提高在复杂场景下识别识别码的准确率。

    一种画质增强装置及相关方法

    公开(公告)号:CN113538211A

    公开(公告)日:2021-10-22

    申请号:CN202010322718.8

    申请日:2020-04-22

    Abstract: 本申请公开了一种画质增强装置及方法,具体可以应用于终端人工智能(Artificial Intelligence,AI)领域以及对应的子领域,该画质增强装置包括通用处理单元CPU和图像处理单元GPU;CPU用于对目标视频内的目标帧图像进行下采样,获得低分辨率图像;对低分辨率图像进行特征提取,获取低分辨率图像对应的目标双边网格;GPU用于根据目标双边网格和目标双边网格包括的仿射变换信息,通过双边引导上采样BGU插值方法获取低分辨率图像上采样后的仿射变换矩阵;根据仿射变换矩阵,对目标帧图像内每个像素点的画质进行增强,获得增强后的目标帧图像。实施本申请实施例,可以增强大屏上的视频画质。

    一种画质增强装置及相关方法

    公开(公告)号:CN113538211B

    公开(公告)日:2024-07-19

    申请号:CN202010322718.8

    申请日:2020-04-22

    Abstract: 本申请公开了一种画质增强装置及方法,具体可以应用于终端人工智能(Artificial Intelligence,AI)领域以及对应的子领域,该画质增强装置包括通用处理单元CPU和图像处理单元GPU;CPU用于对目标视频内的目标帧图像进行下采样,获得低分辨率图像;对低分辨率图像进行特征提取,获取低分辨率图像对应的目标双边网格;GPU用于根据目标双边网格和目标双边网格包括的仿射变换信息,通过双边引导上采样BGU插值方法获取低分辨率图像上采样后的仿射变换矩阵;根据仿射变换矩阵,对目标帧图像内每个像素点的画质进行增强,获得增强后的目标帧图像。实施本申请实施例,可以增强大屏上的视频画质。

    神经网络模型训练的方法和装置

    公开(公告)号:CN112529146B

    公开(公告)日:2023-10-17

    申请号:CN201910883124.1

    申请日:2019-09-18

    Abstract: 本申请提供了人工智能领域中的一种神经网络模型训练的方法,包括:获取神经网络模型、第一训练数据和第一训练数据的类别,神经网络模型是根据第二训练数据训练得到的,第一训练数据包括支持数据和查询数据,支持数据包括第一训练数据中的每一类的全部或部分数据,查询数据包括第一训练数据中每一类的全部或部分数据;利用神经网络模型对于第一训练数据进行特征提取,以得到第一训练数据的特征;根据每一类的类中心特征与查询数据特征的特征距离,调整神经网络模型中部分层的参数,以得到调整后的神经网络模型。通过对训练得到的神经网络模型的部分层的参数进行调整,从而得到具有良好精度和泛化能力的神经网络模型。

Patent Agency Ranking