-
公开(公告)号:CN112990473B
公开(公告)日:2024-02-02
申请号:CN201911275761.7
申请日:2019-12-12
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06N20/00
Abstract: 本申请实施例提供了一种模型训练方法、装置及系统,开发端获取指定任务的训练样本集,利用训练样本集,训练得到指定任务的任务模型,将训练样本集中的第一训练数据输入任务模型的浅层部分,得到数据特征,向客户端提供任务模型及数据特征,以使客户端利用数据特征及第二训练数据,对任务模型进行训练。开发端将训练好的任务模型提供给客户端,客户端利用数据特征和第二训练数据,对任务模型进行微调,保证了任务模型的性能;开发端给客户端提供的数据特征是将原始的第一训练数据输入任务模型的浅层部分进行特征提取得到,即使非法人员截取到该数据特征,也很难还原出原始的开发端的第一训练数据,避免了开发端的内部数据泄露。
-
公开(公告)号:CN112307230B
公开(公告)日:2024-01-26
申请号:CN201910687185.0
申请日:2019-07-29
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06F16/51 , G06N3/0464 , G06N3/063 , G06N3/08
Abstract: 公开了一种数据存储的方法,该方法包括,为N个具有至少V维的待存储数据分配一个N维第一参数向量;其中,V、N为自然数,V大于等于N;对所述第一参数向量进行N维置换,获得N个分别具有N维的第二参数向量,构建一将所述第二参数向量映射到所述待存储数据的期望数据样本的神经网络模型,对所述神经网络模型参数、和/或第一参数向量进行调整,直至第二参数向量基于训练后的神经网络模型所获得的所述待存储数据的期望数据样本回归于所述待存储数据,存储所述当前第一参数向量。本发明使得存储了第一参数向量,就相当于存储了待存储的数据,将高维数据降低为低维数据来存储,使得存储空间大大降低。
-
公开(公告)号:CN114648480A
公开(公告)日:2022-06-21
申请号:CN202011495050.3
申请日:2020-12-17
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请实施例公开了一种表面缺陷检测方法、装置及系统,属于深度学习技术领域。在本申请实施例中,如果通过神经网络缺陷分割模型检测确定待检测图像中不存在已知缺陷类别的表面缺陷,那么通过神经网络缺陷特征提取模型来提取待检测图像的图像特征,得到待对比特征,如果待对比特征与正常数据表示特征之间的相似度较小,则确定待检测图像中存在未知缺陷类别的表面缺陷,也即是,本方案能够检测未知缺陷类别的表面缺陷,提高了检测的精准度。
-
公开(公告)号:CN112990473A
公开(公告)日:2021-06-18
申请号:CN201911275761.7
申请日:2019-12-12
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06N20/00
Abstract: 本申请实施例提供了一种模型训练方法、装置及系统,开发端获取指定任务的训练样本集,利用训练样本集,训练得到指定任务的任务模型,将训练样本集中的第一训练数据输入任务模型的浅层部分,得到数据特征,向客户端提供任务模型及数据特征,以使客户端利用数据特征及第二训练数据,对任务模型进行训练。开发端将训练好的任务模型提供给客户端,客户端利用数据特征和第二训练数据,对任务模型进行微调,保证了任务模型的性能;开发端给客户端提供的数据特征是将原始的第一训练数据输入任务模型的浅层部分进行特征提取得到,即使非法人员截取到该数据特征,也很难还原出原始的开发端的第一训练数据,避免了开发端的内部数据泄露。
-
公开(公告)号:CN112307230A
公开(公告)日:2021-02-02
申请号:CN201910687185.0
申请日:2019-07-29
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 公开了一种数据存储的方法,该方法包括,为N个具有至少V维的待存储数据分配一个N维第一参数向量;其中,V、N为自然数,V大于等于N;对所述第一参数向量进行N维置换,获得N个分别具有N维的第二参数向量,构建一将所述第二参数向量映射到所述待存储数据的期望数据样本的神经网络模型,对所述神经网络模型参数、和/或第一参数向量进行调整,直至第二参数向量基于训练后的神经网络模型所获得的所述待存储数据的期望数据样本回归于所述待存储数据,存储所述当前第一参数向量。本发明使得存储了第一参数向量,就相当于存储了待存储的数据,将高维数据降低为低维数据来存储,使得存储空间大大降低。
-
-
-
-