-
公开(公告)号：CN114219964B
公开(公告)日：2025-05-16
申请号：CN202111676417.6
申请日：2021-12-31
Applicant: 浪潮(北京)电子信息产业有限公司
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本申请公开了一种神经网络架构搜索方法、装置及一种电子设备和计算机可读存储介质，该方法包括：获取图像分类任务的数据集；其中，数据集包含图像和对应的类别标签；构建图像分类任务的神经网络；其中，神经网络包括依次连接的多个结构单元，每个结构单元包括待搜索结构单元和梯度传输单元，待搜索结构单元包括多个内部节点，梯度传输单元包括跳转连接操作或1×1的卷积操作；定义待搜索结构单元中内部节点之间的操作集合；其中，操作集合不包含跳转连接；利用数据集搜索每个结构单元中待搜索结构单元的每两个内部节点之间的最佳操作，并确定梯度传输单元的结构。本申请提高了搜索到的图像分类的神经网络的最佳架构精度。
-
公开(公告)号：CN114022348B
公开(公告)日：2024-11-01
申请号：CN202111163138.X
申请日：2021-09-30
Applicant: 浪潮(北京)电子信息产业有限公司
IPC: G06T3/4053 , G06T3/4046 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/048
Abstract: 本申请提供一种图像的超分辨率方法，包括：获取目标图像和目标图像尺度；对目标图像进行低倍数的随机下采样，得到低分辨率图像；利用卷积网络处理低分辨率图像得到浅层特征，利用残差稠密层融合低分辨率图像的所有浅层特征，得到深层特征；通过全局残差学习结合浅层特征和深层特征，得到低分辨率的全局密集特征；将目标图像尺度和全局密集特征输入隐图像模型，输出对应的超分辨率图像。本申请利用卷积网络和残差网络对图像进行表征提取，再利用隐图像模型进行处理，收敛速度更快，可以将输入的图像转换成指定尺寸下的超分辨率图像。本申请还提供一种图像的超分辨率系统、计算机可读存储介质和电子设备，具有上述有益效果。
-
公开(公告)号：CN113706403B
公开(公告)日：2023-07-14
申请号：CN202110840924.2
申请日：2021-07-23
Applicant: 浪潮(北京)电子信息产业有限公司
IPC: G06T5/00
Abstract: 本申请公开了一种水下偏振光成像方法和成像系统，该方法包括：由光源发射可见光，可见光透过偏振器后照射水下的目标物体；利用位于接收装置处的检偏器过滤水下干扰光信息；由接收装置获取目标物体的信息；通过压缩感知恢复算法对获取的信息进行图像恢复，得到目标物体的图像。这样用压缩感知技术和水下偏振光成像技术相结合的方式，可以通过偏振器和检偏器相结合的过滤方式有效滤除干扰光信息的同时，提高压缩感知的恢复精度，以获取目标物体的更多有效信息，进而可以提高在水下环境中，重构目标图像的效率和质量，提升数据中心的竞争力。
-
公开(公告)号：CN115115884A
公开(公告)日：2022-09-27
申请号：CN202210763784.8
申请日：2022-06-30
Applicant: 浪潮(北京)电子信息产业有限公司
Abstract: 本申请公开了一种对抗样本的检测方法、系统、设备及存储介质，应用于人工智能技术领域，包括：构建用于进行图像处理的图像超分辨率模型；将待测图像输入至所述图像超分辨率模型，得到所述图像超分辨率模型输出的高分辨率的第一输出图像；分别将所述待测图像和所述第一输出图像输入至分类模型中，得到针对所述待测图像的第一分类识别结果和针对所述第一输出图像的第二分类识别结果；确定出所述第一分类识别结果与所述第二分类识别结果之间的相似度，并判断所述相似度是否高于预设阈值；如果否，则确定所述待测图像为对抗样本。应用本申请的方案，能够方便，准确地检测出对抗样本。
-
Patent Agency Ranking
公开(公告)号：CN114219964A
公开(公告)日：2022-03-22
申请号：CN202111676417.6
申请日：2021-12-31
Applicant: 浪潮(北京)电子信息产业有限公司
IPC: G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本申请公开了一种神经网络架构搜索方法、装置及一种电子设备和计算机可读存储介质，该方法包括：获取图像分类任务的数据集；其中，数据集包含图像和对应的类别标签；构建图像分类任务的神经网络；其中，神经网络包括依次连接的多个结构单元，每个结构单元包括待搜索结构单元和梯度传输单元，待搜索结构单元包括多个内部节点，梯度传输单元包括跳转连接操作或1×1的卷积操作；定义待搜索结构单元中内部节点之间的操作集合；其中，操作集合不包含跳转连接；利用数据集搜索每个结构单元中待搜索结构单元的每两个内部节点之间的最佳操作，并确定梯度传输单元的结构。本申请提高了搜索到的图像分类的神经网络的最佳架构精度。
-
公开(公告)号：CN114444686B
公开(公告)日：2025-01-14
申请号：CN202111676325.8
申请日：2021-12-31
Applicant: 浪潮(北京)电子信息产业有限公司
IPC: G06N3/0495 , G06N3/0464 , G06N3/082 , G06N3/084 , G06V10/764 , G06V10/82
Abstract: 本申请公开了一种卷积神经网络的模型参数量化方法，包括：获取数字分类任务的数据集；构建数字分类任务的卷积神经网络；利用所述数据集训练所述卷积神经网络，训练完成的卷积神经网络用于执行数字分类任务；其中，在所述量化卷积层的前向传播过程中，基于符号函数量化模型参数；所述模型参数包括权重和激活值；在所述量化卷积层的反向传播过程中，基于参数化的双曲正切函数量化所述模型参数；其中，所述双曲正切函数中的参数基于所述量化卷积层的模型参数的数据分布确定，本申请能够提高数字分类的模型精度。本申请还公开了一种卷积神经网络的模型参数量化装置、一种计算机可读存储介质及一种电子设备，具有以上有益效果。
-
公开(公告)号：CN114022348A
公开(公告)日：2022-02-08
申请号：CN202111163138.X
申请日：2021-09-30
Applicant: 浪潮(北京)电子信息产业有限公司
Abstract: 本申请提供一种图像的超分辨率方法，包括：获取目标图像和目标图像尺度；对目标图像进行低倍数的随机下采样，得到低分辨率图像；利用卷积网络处理低分辨率图像得到浅层特征，利用残差稠密层融合低分辨率图像的所有浅层特征，得到深层特征；通过全局残差学习结合浅层特征和深层特征，得到低分辨率的全局密集特征；将目标图像尺度和全局密集特征输入隐图像模型，输出对应的超分辨率图像。本申请利用卷积网络和残差网络对图像进行表征提取，再利用隐图像模型进行处理，收敛速度更快，可以将输入的图像转换成指定尺寸下的超分辨率图像。本申请还提供一种图像的超分辨率系统、计算机可读存储介质和电子设备，具有上述有益效果。
-
公开(公告)号：CN114444686A
公开(公告)日：2022-05-06
申请号：CN202111676325.8
申请日：2021-12-31
Applicant: 浪潮(北京)电子信息产业有限公司
IPC: G06N3/08 , G06N3/04 , G06K9/62 , G06V10/764 , G06V10/82
Abstract: 本申请公开了一种卷积神经网络的模型参数量化方法，包括：获取数字分类任务的数据集；构建数字分类任务的卷积神经网络；利用所述数据集训练所述卷积神经网络，训练完成的卷积神经网络用于执行数字分类任务；其中，在所述量化卷积层的前向传播过程中，基于符号函数量化模型参数；所述模型参数包括权重和激活值；在所述量化卷积层的反向传播过程中，基于参数化的双曲正切函数量化所述模型参数；其中，所述双曲正切函数中的参数基于所述量化卷积层的模型参数的数据分布确定，本申请能够提高数字分类的模型精度。本申请还公开了一种卷积神经网络的模型参数量化装置、一种计算机可读存储介质及一种电子设备，具有以上有益效果。
-
公开(公告)号：CN113706403A
公开(公告)日：2021-11-26
申请号：CN202110840924.2
申请日：2021-07-23
Applicant: 浪潮(北京)电子信息产业有限公司
IPC: G06T5/00
Abstract: 本申请公开了一种水下偏振光成像方法和成像系统，该方法包括：由光源发射可见光，可见光透过偏振器后照射水下的目标物体；利用位于接收装置处的检偏器过滤水下干扰光信息；由接收装置获取目标物体的信息；通过压缩感知恢复算法对获取的信息进行图像恢复，得到目标物体的图像。这样用压缩感知技术和水下偏振光成像技术相结合的方式，可以通过偏振器和检偏器相结合的过滤方式有效滤除干扰光信息的同时，提高压缩感知的恢复精度，以获取目标物体的更多有效信息，进而可以提高在水下环境中，重构目标图像的效率和质量，提升数据中心的竞争力。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.035 seconds)
