-
公开(公告)号：CN119445006A
公开(公告)日：2025-02-14
申请号：CN202510046218.9
申请日：2025-01-13
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开了一种三维数字内容生成方法、装置、系统、设备、介质及产品，应用于三维数据处理技术领域。其中，方法包括通过将不同数据格式的三维网络模型数据和目标三维数据统一在同一坐标系下的方式，生成异构三维数据，并采用目标数据结构进行表示。从图像采集设备观察位置沿渲染像素的观察方向投射光线，并按照预设光线参数沿着光线采样；根据采样点与三维网络模型数据、目标三维数据的空间位置关系确定采样点的颜色值，根据各采样点的颜色值确定渲染像素的颜色，根据各渲染像素生成三维数字内容。本发明可以解决依赖手工创建三维数字内容存在的高成本问题，能够统一处理异构三维数据，实现高效且低成本地生成三维数字内容。
-
公开(公告)号：CN113705775B
公开(公告)日：2024-10-01
申请号：CN202110866324.3
申请日：2021-07-29
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种神经网络的剪枝方法、装置、设备及存储介质；本方案对神经网络进行剪枝时，可将待剪枝网络层作为目标网络层进行通道剪枝及卷积核重构，因此，本方案对多分支结构进行压缩时，并不仅仅局限于中间层，还可对输入层、输出层、下采样层等等网络层进行压缩，大大提升了神经网络的压缩比，减少神经网络模型执行任务所需要的计算量，加快神经网络的任务处理速度；并且，本方案为数据无关的异步通道剪枝方法，有利于保持压缩后神经网络的鲁棒性，还能够在神经网络的不同网络层实现不同稀疏粒度的剪枝，提高压缩的灵活性。
-
公开(公告)号：CN117971630B
公开(公告)日：2024-06-28
申请号：CN202410382408.3
申请日：2024-04-01
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F11/34 , G06F9/445 , G06F18/214
Abstract: 本发明公开了一种异构计算平台及其任务仿真与耗时预测方法、装置、设备，应用于异构计算领域。其中，方法包括获取异构计算平台采用层间并行方式执行目标任务的任务配置信息；调用预先构建的子任务训练耗时确定模型，根据任务配置信息中的目标任务特征确定各目标算力的子任务训练耗时信息。根据各目标算力的子任务训练耗时信息、任务配置信息中各子任务对应的目标算力及相应处理顺序，对采用层间并行方式执行目标任务的过程进行仿真，最后根据仿真结果确定目标任务的训练耗时预测结果。本发明可以解决相关技术并行训练任务的训练耗时无法精准预测的问题，能够实现精准预测层间并行训练任务的训练耗时。
-
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：CN117806835B
公开(公告)日：2024-06-04
申请号：CN202410224929.6
申请日：2024-02-29
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F9/50 , G06F9/48 , G06N3/0464 , G06N3/084
Abstract: 本申请公开了一种任务分配方法、装置及电子设备和存储介质，涉及计算机技术领域，该方法包括：获取分布式训练的物理节点集合、数据源集合、神经网络模型、事件树集合；确定多个事件树的总能耗，选择总能耗最小的事件树作为目标事件树；以最小化训练能耗为目标确定目标事件树的目标事件或数据源分配策略；其中，目标事件或数据源分配策略用于描述处理目标事件树中事件的物理节点或数据源分配的物理节点，训练能耗包括物理节点处理事件的能耗、不同事件之间的数据传输能耗；基于目标事件或数据源分配策略将数据源和目标事件树中的事件部署于对应的物理节点。本申请降低了分布式训练神经网络模型的能耗。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN117877125A
公开(公告)日：2024-04-12
申请号：CN202410270243.0
申请日：2024-03-11
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06V40/20 , G06V20/40 , G06V10/25 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种动作识别及其模型训练方法、装置、电子设备、存储介质，应用于视频理解技术领域。其中，方法包括将具有动作标签和音频数据的视频样本输入动作识别模型，提取视频样本的视觉特征、文本语义特征及音频特征，对视觉特征、音频特征进行视觉交互和视听交互，并为文本语义特征添加交互特征，得到多模态动作标签特征；根据视觉交互特征、视听交互特征、音频特征与多模态动作标签特征之间的损失，对动作识别模型进行迭代更新。本发明可以解决相关技术精细动作识别差且动作识别任务收敛慢的问题，能够使得动作识别模型更全面地理解和描述精细动作特征，提高动作识别的性能和鲁棒性，还能增强模型扩展性和灵活性。
-
公开(公告)号：CN117876651A
公开(公告)日：2024-04-12
申请号：CN202410281924.7
申请日：2024-03-13
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06V10/22 , G06V10/40 , G06V10/10 , G06F16/31 , G06F40/126
Abstract: 本发明涉及人工智能技术领域，公开了一种视觉定位方法、装置、设备及介质，包括：从输入图像中提取元素属性特征并输入到关联提取网络，得到元素关系特征和元素索引库；将元素关系特征和元素属性特征进行拼接，得到元素第一综合特征；从输入文本中获取文本编码特征并与元素第一综合特征进行跨模态编码，提取元素第二综合特征；对元素第二综合特征与元素索引库进行溯源编码，得到视觉溯源特征；将视觉溯源特征和文本编码特征拼接成多模态溯源特征，经定位解码器处理后输出从输入图像中定位的导致输入文本事件发生的对应元素位置。这样能够根据视觉要素和关系进行视觉因果溯源的综合推理，从而推理出人类需求在视觉上的体现，得到准确的定位结果。
-
-
-
-
-
-
-
-
-
Search Results
275
records
(took 0.049 seconds)
