-
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。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN110955535B
公开(公告)日：2022-03-22
申请号：CN201911082281.9
申请日：2019-11-07
Applicant: 浪潮(北京)电子信息产业有限公司
Abstract: 本申请公开了一种多业务请求进程调用FPGA设备的方法及相关装置，包括接收上层应用下发的待处理数据后发送FPGA状态查询消息至消息队列，接收并分析FPGA守护进程针对FPGA状态查询消息的应答消息，且当FPGA设备可用时发送共享内存编号申请请求至消息队列；在接收到共享内存编号后将待处理数据发送到共享内存编号对应的共享内存块中并发送业务请求类型消息至消息队列，以使FPGA设备基于业务请求类型消息处理待处理数据；从共享内存块中读取处理后的数据并将处理后的数据写入上层应用以及释放共享内存块。该方法可有效解决由于多进程调用FPGA设备导致的进程间同步互斥以及难以实现多进程公平使用FPGA设备的问题。
-
公开(公告)号：CN114332479B
公开(公告)日：2024-12-13
申请号：CN202111591732.9
申请日：2021-12-23
Applicant: 浪潮(北京)电子信息产业有限公司
IPC: G06V10/40 , G06V10/774 , G06V10/80
Abstract: 本申请公开了一种目标检测模型的训练方法，包括：采用待训练模型的骨干网络对图像进行特征提取操作，得到多尺度特征图；基于多尺度可变形注意力编码模块对所述多尺度特征图进行编码，得到已编码图像特征；基于所述图像的正确标注进行序列构建处理，得到目标序列；基于多尺度可变形注意力解码模块对所述已编码图像特征和所述目标序列进行解码，得到预测序列；基于预设损失函数、所述预测序列和所述图像的正确标注的目标序列对对所述待训练模型进行参数更新。使得可以处理高复杂度的特征图，提高模型处理的效率和性能。本申请还公开了一种目标检测模型的训练装置、服务器以及计算机可读存储介质，具有以上有益效果。
-
公开(公告)号：CN114913556A
公开(公告)日：2022-08-16
申请号：CN202210763806.0
申请日：2022-06-30
Applicant: 浪潮(北京)电子信息产业有限公司
IPC: G06V40/12 , G06V10/82 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种图像识别方法、装置、系统及计算机可读存储介质，应用于人工智能技术领域，为解决现有技术中的图像识别方法适用范围小、识别准确度低的问题，提出通过获取待识别图像；提取待识别图像的指纹；采用预先建立的图像识别模型对指纹进行分类识别，得到指纹对应的分类结果，图像识别模型为基于各个人工合成图像的GAN指纹建立的；基于分类结果确定待识别图像是否为人工合成图像；本发明能够适用于多种类型的GAN架构，适用范围广，具有一定的鲁棒性，有利于提高检测性能。
-
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：CN110797085B
公开(公告)日：2022-07-08
申请号：CN201911025189.9
申请日：2019-10-25
Applicant: 浪潮(北京)电子信息产业有限公司
Abstract: 本申请公开了一种基因数据的查询方法，包括：将待测序列均分为x+t条seed，并将基准序列均分为x+t条子序列；确定出每个seed的每个匹配位置；对确定出的每个匹配位置进行左扩展及右扩展，并在进行任意方向的扩展时，当编辑距离达到x时或者扩展至待测序列的末尾时则结束该方向的扩展；根据每个匹配位置的扩展长度及编辑距离确定出该匹配位置对应的扩展质量评分；将扩展质量评分低于预设质量评分阈值的匹配位置进行过滤，并基于过滤后的各个匹配位置确定出待测序列在基准序列中的定位。应用本申请的方案，有利于提高基因数据的查询效率且保证了精度。本申请还提供了一种基因数据的查询系统、设备及存储介质，具有相应效果。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.032 seconds)
