公开(公告)号：CN117972627A

公开(公告)日：2024-05-03

申请号：CN202410076076.6

申请日：2024-01-18

Applicant: 科大讯飞股份有限公司

Inventor： 李必然 ,  胡金水 ,  郭涛 ,  魏思

IPC: G06F18/25

Abstract: 本发明提供一种点云数据的融合方法、装置、设备和存储介质，该方法包括：获取第一采集车辆采集的第一点云数据和第二采集车辆采集的第二点云数据；第一采集车辆和第二采集车辆之间的距离在行驶方向上位于预设范围内；第一点云数据和第二点云数据的采集时刻相同；基于第一点云数据中目标时刻对应的第一子点云数据和第二点云数据中目标时刻对应的第二子点云数据，确定第一采集车辆和第二采集车辆的相对位姿；基于相对位姿，将第一子点云数据和第二子点云数据进行融合，得到融合后的点云数据。本发明可以提高数据采集的效率，以及数据采集系统的兼容性和稳定性。

公开(公告)号：CN110097188B

公开(公告)日：2021-07-06

申请号：CN201910362862.1

申请日：2019-04-30

Applicant: 科大讯飞股份有限公司

Inventor： 李必然 ,  吕亚飞 ,  刘凯 ,  刘远东

IPC: G06N3/08 ,  G06N3/04

Abstract: 本申请公开了一种模型训练方法、工作节点及参数更新服务器，该方法包括：根据第一模型的任务类型，确定第一模型中各个网络层的目标计算精度，并基于第一模型中各个网络层的目标计算精度，利用第一模型的训练数据进行前向计算和后向计算，得到第一模型的各个网络层的网络参数的目标梯度值，以便根据该目标梯度值对第二模型进行参数更新。由于不同任务类型所需求的计算精度不同，因而，根据任务类型确定的目标计算精度更适应于该任务类型对精度的需求，从而使得在第一模型基于目标计算精度进行计算的过程中，不但可以减少在工作节点上的资源消耗和提升在工作节点上的计算加速，还可以降低因第一模型的计算精度损失带来的对第二模型的训练效果损失。

公开(公告)号：CN110097188A

公开(公告)日：2019-08-06

申请号：CN201910362862.1

申请日：2019-04-30

Applicant: 科大讯飞股份有限公司

Inventor： 李必然 ,  吕亚飞 ,  刘凯 ,  刘远东

IPC: G06N3/08 ,  G06N3/04

Abstract: 本申请公开了一种模型训练方法、工作节点及参数更新服务器，该方法包括：根据第一模型的任务类型，确定第一模型中各个网络层的目标计算精度，并基于第一模型中各个网络层的目标计算精度，利用第一模型的训练数据进行前向计算和后向计算，得到第一模型的各个网络层的网络参数的目标梯度值，以便根据该目标梯度值对第二模型进行参数更新。由于不同任务类型所需求的计算精度不同，因而，根据任务类型确定的目标计算精度更适应于该任务类型对精度的需求，从而使得在第一模型基于目标计算精度进行计算的过程中，不但可以减少在工作节点上的资源消耗和提升在工作节点上的计算加速，还可以降低因第一模型的计算精度损失带来的对第二模型的训练效果损失。

公开(公告)号：CN117496515A

公开(公告)日：2024-02-02

申请号：CN202311481753.4

申请日：2023-11-08

Applicant: 科大讯飞股份有限公司

Inventor： 赵亮 ,  郭涛 ,  胡金水 ,  殷兵 ,  刘聪 ,  李必然 ,  娄舜 ,  王烽人

IPC: G06V20/70 ,  G06V20/64 ,  G06T7/246 ,  G06T7/73

Abstract: 本申请公开了一种点云数据标注方法、存储介质和电子设备。点云数据标注方法，包括：获取驾驶场景的连续帧点云数据；对连续帧点云数据进行目标检测和目标追踪，得到三维检测框和三维检测框的得分、追踪编码；根据三维检测框的得分和追踪编码，从三维检测框中筛选出目标框，作为点云数据的标注结果。该方法根据追踪编码进行三维检测框筛选，可降低筛选错误率，提高标注准确率，进而可提升标注效率。

公开(公告)号：CN109919315B

公开(公告)日：2021-10-01

申请号：CN201910188467.6

申请日：2019-03-13

Applicant: 科大讯飞股份有限公司

Inventor： 刘凯 ,  吕亚飞 ,  张致江 ,  李必然 ,  刘远东

IPC: G06N5/04

Abstract: 本申请提供了一种神经网络的前向推理方法、装置、设备及存储介质，其中，方法包括：将目标神经网络划分为多个子网络，任一子网络包括目标神经网络的至少一个隐层，在推理平台的硬件设备上创建多个子网络分别对应的推理实例和推理引擎，基于多个子网络分别对应的推理实例和推理引擎，对目标神经网络进行前向推理。由于一个推理引擎只负责神经网络的一部分隐层，同一时刻可以有多个数据输入在不同的推理引擎内并行执行，因此，本申请提供的前向推理方法具有较高的推理效率和数据吞吐量，且推理平台的硬件资源得到充分利用。

公开(公告)号：CN109919315A

公开(公告)日：2019-06-21

申请号：CN201910188467.6

申请日：2019-03-13

Applicant: 科大讯飞股份有限公司

Inventor： 刘凯 ,  吕亚飞 ,  张致江 ,  李必然 ,  刘远东

IPC: G06N5/04

Abstract: 本申请提供了一种神经网络的前向推理方法、装置、设备及存储介质，其中，方法包括：将目标神经网络划分为多个子网络，任一子网络包括目标神经网络的至少一个隐层，在推理平台的硬件设备上创建多个子网络分别对应的推理实例和推理引擎，基于多个子网络分别对应的推理实例和推理引擎，对目标神经网络进行前向推理。由于一个推理引擎只负责神经网络的一部分隐层，同一时刻可以有多个数据输入在不同的推理引擎内并行执行，因此，本申请提供的前向推理方法具有较高的推理效率和数据吞吐量，且推理平台的硬件资源得到充分利用。