-
公开(公告)号：CN119906869A
公开(公告)日：2025-04-29
申请号：CN202510387243.3
申请日：2025-03-31
Applicant: 浪潮电子信息产业股份有限公司
IPC: H04N21/472 , H04N19/20 , H04N21/44 , G06V20/40 , G06V10/62 , G06V10/80 , G06V10/82 , G06F40/30 , G06F18/22 , G06F18/23213 , G06N3/0464 , G06N3/0455 , G06N3/045
Abstract: 本申请公开了一种视频处理方法、设备、介质及程序产品，涉及计算机技术领域。本申请中，扩散模型能够感知到真实的初始视频中的相邻帧光流运动信息，相邻帧光流运动信息对应视频中的时序运动相关信息，那么扩散模型按照编辑信息以及相邻帧光流运动信息，将初始视频编辑为新视频，使得扩散模型既具备了真实视频的编辑能力，还借助视频中的时序运动相关信息提高了视频编辑精度，该方案无需调整模型参数，节约了计算资源和模型推理时间，因而也提高了视频编辑效率。
-
公开(公告)号：CN117806838B
公开(公告)日：2024-06-04
申请号：CN202410230125.7
申请日：2024-02-29
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F9/50 , G06F18/22 , G06F18/241 , G06N20/00 , G06N5/04
Abstract: 本发明提供基于异构数据的设备分簇方法、装置、设备、系统及介质，涉及计算机技术领域，首先可将多个边缘设备划分至多个设备簇，以便各边缘设备对机器学习模型进行层级联邦训练；同时，在分簇过程中，本发明可确定各边缘设备本地的机器学习模型对同一测试数据集的推理结果，并可基于该推理结果确定各边缘设备间的训练数据相似度；进而，可利用各训练数据相似度将各边缘设备划分至多个设备簇，即可在分簇过程中考虑数据异构的特点和分布情况，并将拥有相似数据的设备放在同一簇中，从而可提高簇内数据的相似性。这样，在各边缘设备进行层级联邦训练时，可确保相近的机器学习模型参数先聚合，可确保全局模型更快收敛，并可提升联邦学习效率。
-
公开(公告)号：CN117829274B
公开(公告)日：2024-05-24
申请号：CN202410230112.X
申请日：2024-02-29
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06Q10/04 , G06N3/098 , G06N5/04 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种模型融合方法、装置、设备、联邦学习系统及存储介质，属于边缘计算领域，用于在簇内聚合与全局聚合时分别确定权重系数进行加权聚合，解决了边缘计算设备的数据异构导致的模型精度受损的问题。一方面由各簇簇头为簇内各边缘计算设备确定设备权重系数，并进行加权聚合，另一方面由中心服务器确定各个簇的簇权重系数，并进行加权聚合，在两次加权聚合时分别参考对应的模型性能进行权重系数的确定，不但可以根据重要性区别调节对于各边缘计算设备的学习率，提升了全局网络模型的精度，使中心服务器在工业设备故障预测、网络安全问题识别与图片分类时发挥最优的效果。
-
公开(公告)号：CN117808125B
公开(公告)日：2024-05-24
申请号：CN202410230004.2
申请日：2024-02-29
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开了一种模型聚合方法、装置、设备、联邦学习系统及存储介质，属于边缘计算领域，用于对边缘计算设备中待聚合的模型参数进行筛选，解决了不重要的模型参数传输影响模型训练效率以及模型精度的问题。分别确定本地网络模型的各个模型参数对于本地网络模型性能的第一影响程度以及各个骨干网络层对于本地网络模型性能的第二影响程度，结合第一、第二影响程度对模型参数进行筛选，可剔除对本地网络模型性能影响较小的模型参数，不但降低了数据传输成本，提升了数据传输效率，而且避免了重要程度较低的模型参数对模型精度的影响，使中心服务器在工业设备故障预测、网络安全问题识别与图片分类时发挥最优的效果。
-
公开(公告)号：CN117475038B
公开(公告)日：2024-04-19
申请号：CN202311827290.2
申请日：2023-12-28
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06T11/60 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/092 , G06N3/0985 , G06V10/26 , G06V20/70 , G06V10/30 , G06V10/82 , G06F18/22 , G06N3/094
Abstract: 本发明涉及人工智能领域，具体公开了一种图像生成方法、装置、设备及计算机可读存储介质，通过在初始文生图模型起，对每次迭代训练中的中间文生图模型，将第一样本文本输入中间文生图模型，得到第一中间图像输入图生文模型，得到第一预测文本，以第一预测文本与第一样本文本的文本相似度评分构建强化学习奖励函数来更新中间文生图模型的模型参数，直至迭代训练结束得到文生图模型，提供了一种采用文本相似度的评分方式，对生成图像具有更好的评价效果，并在此基础上采用强化学习的训练方案，使文生图模型在生成内容与文本描述不一致时能够自我学习修正，实现文本描述与生成内容的一致性，提高文生图模型生成图片的质量，更符合用户要求的效果。
-
Patent Agency Ranking
公开(公告)号：CN117811846A
公开(公告)日：2024-04-02
申请号：CN202410230120.4
申请日：2024-02-29
Applicant: 浪潮电子信息产业股份有限公司
IPC: H04L9/40 , H04L67/10 , H04L41/142 , G06N3/045 , G06N3/098
Abstract: 本发明公开了一种基于分布式系统的网络安全检测方法、系统、设备及介质，涉及网络安全领域，为解决边缘计算设备采用固定大小的本地网络安全检测模型无法发挥最优性能的问题，该方法包括基于本地安全数据训练初始网络安全检测模型；将测试安全数据集输入初始网络安全检测模型后，根据两个输出网络块对应的输出值调整初始网络安全检测模型的神经网络深度得到本地网络安全检测模型；当满足参数更新条件时，利用本地网络安全检测模型的模型参数和关联计算设备的模型参数更新本地网络安全检测模型；通过更新后的本地网络安全检测模型进行本地网络安全检测。本发明能够使边缘计算设备发挥最优的本地网络安全检测性能，减少了通信开销和带宽需求。
-
公开(公告)号：CN117474903B
公开(公告)日：2024-03-22
申请号：CN202311800569.1
申请日：2023-12-26
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06T7/00 , G06T7/90 , G06V10/74 , G06V10/764 , G06V10/774
Abstract: 本发明涉及人工智能技术领域，具体公开了一种图像侵权检测方法、装置、设备及可读存储介质，通过对第一样本图像数据集中的部分第一样本图像进行颜色扭曲处理后训练二分类探针检测模型，并对未授权图像进行颜色扭曲处理后以处理后的未授权图像替换未授权图像进行发布，从而对于文生图模型训练任务对应的文生图训练图像数据集，可以利用二分类探针检测模型识别得到文生图训练图像数据集中的探针检测结果以检测样本侵权事件。颜色扭曲相较于直接添加水印来说不易被人眼识别也难以被常用的预处理增强干扰，从而有效避免未授权图像被抹掉水印的情况，而能够被训练的二分类探针检测模型检出，从而实现对文生图模型训练时采用的图像是否侵权进行检出。
-
公开(公告)号：CN116955578A
公开(公告)日：2023-10-27
申请号：CN202311221189.2
申请日：2023-09-21
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F16/332 , G06F16/33 , G06F40/242 , G06F18/214
Abstract: 本发明公开了一种预训练语言模型的信息处理方法、装置、设备及介质，应用于人工智能技术领域，为解决现有的预训练语言模型不能更好地满足用户需求的问题，提出通过本地预训练语言模型在循环生成待回复文本的下一个词时，生成当前词典概率表；根据当前词典概率表中的各词判断是否存在最优词；若是，则将最优词作为下一个词进行生成；若否，则基于当前已生成文本生成对应的自然语言问题及问题类型；基于问题类型将自然语言问题发送至其他相应的预训练语言模型，并接收各个预训练语言模型返回的答复；从各个答复中选择出最优答复，并将最优答复作为下一个词进行生成；从而可以使基于本地预训练语言模型智能体能更好满足用户需求，提高用户使用体验。
-
公开(公告)号：CN111881757B
公开(公告)日：2023-09-01
申请号：CN202010605966.3
申请日：2020-06-29
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06V40/10 , G06V10/762 , G06V10/774
Abstract: 本申请公开了一种行人重识别方法、装置、设备及介质，包括：利用第一行人重识别模型提取原始训练集的特征；其中，所述原始训练集包括行人样本图像和对应的标签信息；根据所述原始数据集的特征空间分布特性，进行聚类；根据聚类结果筛选出困难样本；将所述困难样本添加至所述原始训练集，得到目标训练集；利用所述目标训练集对所述第一行人重识别模型进行训练，得到第二行人重识别模型；当获取到待识别行人图像，则利用所述第二行人重识别模型输出对应的识别结果。这样，挖掘出困难样本，通过挖掘出的困难样本改变原始数据集中的样本空间分布，能够增加对困难样本的关注度，从而提升行人重识别的准确度。
-
公开(公告)号：CN111160458B
公开(公告)日：2022-04-22
申请号：CN201911386418.X
申请日：2019-12-29
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06V10/80 , G06V10/771 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本申请公开了一种图像处理系统及其卷积神经网络，该卷积神经网络包括智能密集连接模块，智能密集连接模块包括基本卷积模块和智能注意力模块，基本卷积模块用于对接收到的待处理图像进行卷积运算以得到相应的特征图，然后将特征图传输至与自身输出侧连接的智能注意力模块；智能注意力模块用于获取与自身输入侧连接的基本卷积模块传输的特征图作为输入侧特征图以及获取位于自身位置之前的其它模块传输的特征图作为待融合特征图，并从输入侧特征图的所有通道中筛选出部分通道作为目标通道，然后将目标通道对应的特征图与待融合特征图进行通道叠加以得到新的特征图并输出。通过本申请的上述技术方案，能够减少输入通道数，降低计算量。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.039 seconds)
