-
公开(公告)号：CN111797893B
公开(公告)日：2021-09-14
申请号：CN202010454031.X
申请日：2020-05-26
Abstract: 本申请实施例公开了一种神经网络的训练方法、图像分类系统及相关设备，可应用于人工智能领域，其通过原型网络对训练集(由第一集合和第二集合构成)中的图像提取特征，得到第一集合多个图像在特征空间中的第一特征点和第二集合多个图像的第二特征点，第一特征点用于计算图像的分类类别的原型，第二特征点用于更新原型网络的网络参数，通过获取第二集合中图像的分类类别之间的语义相似度计算图像的分类类别之间的边际取值，再根据边际取值调整损失函数。通过在损失函数引入自适应的边际取值，即在相似类别间加入较大边际取值、不太相似的类别间加入较小边际取值来自适应调整类别之间的边际，从而更容易区分各个类别，提高原型网络的分类精度。
-
公开(公告)号：CN113065634A
公开(公告)日：2021-07-02
申请号：CN202110218469.2
申请日：2021-02-26
Abstract: 本申请实施例公开一种图像处理方法、神经网络的训练方法以及相关设备，应用于人工智能领域的图像处理领域中，方法包括：根据第一相似度信息对每个第一类别信息进行更新，得到N个第二类别信息，第一相似度信息指示各个第一类别信息之间的相似度，第二类别信息指示一类支撑图像的更新后的特征信息；通过第一神经网络得到与查询图像对应的第一特征信息，根据第二类别信息对第一特征信息进行更新得到第二特征信息，根据第二特征信息执行特征处理操作得到预测结果；根据第一损失函数对第一神经网络进行训练，第一损失函数指示预测结果和期望结果之间的相似度；降低第二特征信息过拟合于少量图像的概率，提高整个神经网络输出的预测结果的精度。
-
公开(公告)号：CN111797893A
公开(公告)日：2020-10-20
申请号：CN202010454031.X
申请日：2020-05-26
Abstract: 本申请实施例公开了一种神经网络的训练方法、图像分类系统及相关设备，可应用于人工智能领域，其通过原型网络对训练集(由第一集合和第二集合构成)中的图像提取特征，得到第一集合多个图像在特征空间中的第一特征点和第二集合多个图像的第二特征点，第一特征点用于计算图像的分类类别的原型，第二特征点用于更新原型网络的网络参数，通过获取第二集合中图像的分类类别之间的语义相似度计算图像的分类类别之间的边际取值，再根据边际取值调整损失函数。通过在损失函数引入自适应的边际取值，即在相似类别间加入较大边际取值、不太相似的类别间加入较小边际取值来自适应调整类别之间的边际，从而更容易区分各个类别，提高原型网络的分类精度。
-
公开(公告)号：CN110309856A
公开(公告)日：2019-10-08
申请号：CN201910464523.4
申请日：2019-05-30
Abstract: 本申请提供了图像分类方法、神经网络的训练方法及装置。涉及人工智能领域，具体涉及计算机视觉领域。其中，该图像分类方法包括：获取处理图像；根据预先训练好的神经网络模型对该待处理图像进行卷积处理，得到待处理图像的卷积特征图，并根据该待处理图像的卷积特征图对该待处理图像进行分类，得到该待处理图像的分类结果。由于神经网络模型在训练时不仅采用了多个训练图像的标签，还采用了多个训练图像的类层次结构信息，神经网络模型在训练时利用了训练图像更丰富的信息，因此，本申请能够更好地对图像进行分类。
-
公开(公告)号：CN112287954A
公开(公告)日：2021-01-29
申请号：CN201910672533.7
申请日：2019-07-24
IPC: G06K9/62
Abstract: 本申请涉及人工智能领域中的图像识别技术，提供了图像分类方法、图像分类模型的训练方法及其装置。涉及人工智能领域，具体涉及计算机视觉领域。该方法包括：获取待处理图像；根据预设的全局类别特征，对所述待处理图像进行分类，得到所述待处理图像的分类结果，其中，所述全局类别特征包括根据训练集中的多个训练图像训练得到的多个类别特征，所述全局类别特征中的多个类别特征用于指示所述训练集中的所有类别的视觉特征，所述训练集中的所有类别为所述训练集中的所有训练图像所属的类别，所述训练集包括基类中的图像和新类中的图像。本申请实施例中的图像分类方法，能够更好地对图像进行分类。
-
Patent Agency Ranking
公开(公告)号：CN112287954B
公开(公告)日：2025-01-28
申请号：CN201910672533.7
申请日：2019-07-24
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本申请涉及人工智能领域中的图像识别技术，提供了图像分类方法、图像分类模型的训练方法及其装置。涉及人工智能领域，具体涉及计算机视觉领域。该方法包括：获取待处理图像；根据预设的全局类别特征，对所述待处理图像进行分类，得到所述待处理图像的分类结果，其中，所述全局类别特征包括根据训练集中的多个训练图像训练得到的多个类别特征，所述全局类别特征中的多个类别特征用于指示所述训练集中的所有类别的视觉特征，所述训练集中的所有类别为所述训练集中的所有训练图像所属的类别，所述训练集包括基类中的图像和新类中的图像。本申请实施例中的图像分类方法，能够更好地对图像进行分类。
-
公开(公告)号：CN117077073A
公开(公告)日：2023-11-17
申请号：CN202310847804.4
申请日：2023-07-11
Abstract: 一种多模态数据的处理方法，应用于人工智能技术领域。在该方法中，通过将不同模态的数据(即图像和点云数据)分别转换为相同格式的特征序列，并由同一个特征提取网络来处理不同模态数据对应的特征序列，能够保证基于一个特征提取网络即可实现不同模态数据的特征提取，无需部署对应于不同模态数据的多个编码器，节省了设备的存储资源；并且，基于同一个特征提取网络来处理不同模态数据对应的特征序列，使得人工智能硬件能够实现对不同模态数据的并行处理，提高数据的处理效率，有效地降低了不同模态数据的融合时长。
-
公开(公告)号：CN113065634B
公开(公告)日：2024-07-09
申请号：CN202110218469.2
申请日：2021-02-26
IPC: G06V10/82 , G06V10/774 , G06V10/764 , G06V10/74 , G06N3/045 , G06N3/08
Abstract: 本申请实施例公开一种图像处理方法、神经网络的训练方法以及相关设备，应用于人工智能领域的图像处理领域中，方法包括：根据第一相似度信息对每个第一类别信息进行更新，得到N个第二类别信息，第一相似度信息指示各个第一类别信息之间的相似度，第二类别信息指示一类支撑图像的更新后的特征信息；通过第一神经网络得到与查询图像对应的第一特征信息，根据第二类别信息对第一特征信息进行更新得到第二特征信息，根据第二特征信息执行特征处理操作得到预测结果；根据第一损失函数对第一神经网络进行训练，第一损失函数指示预测结果和期望结果之间的相似度；降低第二特征信息过拟合于少量图像的概率，提高整个神经网络输出的预测结果的精度。
-
公开(公告)号：CN115022637B
公开(公告)日：2025-04-01
申请号：CN202210447177.0
申请日：2022-04-26
Applicant: 华为技术有限公司
Abstract: 本申请提供了人工智能领域中涉及计算机视觉的一种图像编码方法、图像解压方法以及装置，用于结合自回归模型和自编码模型的输出进行编码，降低所需模型的大小，提高编解码效率。该图像编码方法包括：将输入图像作为自回归模型的输入，输出第一图像；获取第一图像和输入图像之间的残差，得到第一残差图像；并且，还将输入图像作为自编码模型的输入，输出隐变量和第一残差分布，隐变量包括从输入图像中提取到的特征，第一残差分布包括自编码模型输出的输入图像中各个像素点对应的残差值；对第一残差图像和第一残差分布进行编码，得到残差编码数据；对隐变量进行编码，得到隐变量编码数据，隐变量编码数据和残差编码数据用于解压后得到输入图像。
-
公开(公告)号：CN113052295B
公开(公告)日：2024-04-12
申请号：CN202110221700.3
申请日：2021-02-27
Applicant: 华为技术有限公司
IPC: G06V10/82 , G06V10/774 , G06V10/764 , G06V10/40 , G06N3/045 , G06N3/084
Abstract: 本申请实施例公开了一种神经网络的训练方法、物体检测方法、装置及设备，该方法包括：先通过第一特征提取子网络提取第一支持样本中物体的类别特征以及第二支持样本中物体的类别特征，并通过第一损失函数计算这两个支持样本中物体的类别特征间的差异；然后基于第二支持样本中物体的类别特征且通过物体检测子网络，对查询样本中的物体进行检测，以得到检测结果；再基于检测结果和查询样本中的物体的标签获取第二损失函数；最后基于第一损失函数和第二损失函数更新目标神经网络的参数；由于通过第一损失函数对变换前后的支持样本间特征的差异进行了约束，所以能够避免变换前后的支持样本间的特征差异过大，从而提高了目标神经网络的物体检测精度。
-
-
-
-
-
-
-
-
-
Search Results
117
records
(took 0.152 seconds)
