-
公开(公告)号：CN111583399B
公开(公告)日：2023-11-07
申请号：CN202010594436.3
申请日：2020-06-28
Applicant: 腾讯科技(深圳)有限公司
IPC: G06T17/00 , G06T3/40 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 公开了一种图像处理方法、装置、设备、介质和电子设备。所述图像处理方法包括：利用三维重建的方式，确定第一人脸图像的身份参数、第二人脸图像的姿态参数和第三人脸图像的表情参数；基于所述第一人脸图像的身份参数、第二人脸图像的姿态参数和第三人脸图像的表情参数生成二维的融合的渲染人脸图像；拼接所述渲染人脸图像和外观提示图像，以得到拼接的图像特征，其中所述外观提示图像指示输出图像中用于所述渲染人脸图像的脸部区域的轮廓；基于所述拼接的图像特征生成输出图像。
-
公开(公告)号：CN111325354B
公开(公告)日：2022-10-25
申请号：CN202010174061.5
申请日：2020-03-13
Applicant: 腾讯科技(深圳)有限公司
IPC: G06N20/00
Abstract: 本申请涉及一种机器学习模型压缩方法、装置、计算机设备和存储介质。所述方法包括：获取机器学习模型；所述机器学习模型是预训练模型；确定所述机器学习模型的每一层中模型参数的概率分布的集合；确定所述集合中的概率分布的重心；分别确定每一层中的模型参数的概率分布与同层的所述重心之间的距离；从每一层的模型参数中，剪除所述距离满足预设接近条件的模型参数。采用本方法能够提高模型压缩的准确性。
-
公开(公告)号：CN112116684A
公开(公告)日：2020-12-22
申请号：CN202010777489.9
申请日：2020-08-05
Applicant: 中国科学院信息工程研究所 , 腾讯科技(深圳)有限公司
Abstract: 本申请实施例提供一种图像处理方法、装置、设备及计算机可读存储介质，其中，方法包括：获取第一图像和第二图像；对所述第一图像中的第一目标对象进行身份特征提取，得到所述第一图像的身份特征向量；对所述第二图像中的第二目标对象进行姿态特征提取，得到所述第二图像的姿态特征向量；基于所述身份特征向量和所述姿态特征向量，得到对应于所述第一图像和所述第二图像的图像合成向量；根据所述图像合成向量，生成所述第一图像和所述第二图像的合成图像；所述合成图像中的第一目标对象具有所述第二目标对象的姿态。通过本申请实施例，可以提高图像合成时的图像重现适应性，且能够对第一图像和第二图像进行准确的图像合成处理。
-
公开(公告)号：CN112052948A
公开(公告)日：2020-12-08
申请号：CN202010837744.4
申请日：2020-08-19
Applicant: 腾讯科技(深圳)有限公司
Abstract: 本申请实施例公开了一种网络模型压缩方法、装置、存储介质和电子设备，所述方法涉及人工智能领域中的深度学习方向，包括：获取训练完成的第一生成式对抗网络模型，初始化第二生成式对抗网络模型，将训练数据分别输入至第一生成式对抗网络模型、和第二生成式对抗网络模型进行处理，得到第一输出结果和第二输出结果，基于第一输出结果和第二输出结果，生成交叉判别损失，基于交叉判别损失，迭代更新第二生成式对抗网络模型的网络模型参数，得到压缩后的目标生成式对抗网络模型。该方案可以获取到有效保存第一生成式对抗网络模型能力，并且大大减少网络模型参数量的第二生成式对抗网络模型。
-
公开(公告)号：CN111709493A
公开(公告)日：2020-09-25
申请号：CN202010662167.X
申请日：2020-07-10
Applicant: 腾讯科技(深圳)有限公司
Abstract: 本发明公开了一种对象分类方法、训练方法、装置、设备及存储介质，分类方法包括：获取待分类的对象；将所述对象输入至分类模型中，输出分类结果；所述分类模型通过以下步骤获取：构建神经网络模型的第一目标函数，第一目标函数具有神经网络模型的参数的零模范数；将零模范数转化为等价的连续表示；根据连续表示和第一目标函数，得到连续的第二目标函数；基于第二目标函数对神经网络模型进行训练，得到训练好的分类模型。本发明基于连续的第二目标函数，减少占用的数据处理资源，计算难度低，且训练过程通过等价转换的方式得到剪枝后的分类模型，无需引入近似误差，从而可以获得更高的分类精度，可广泛应用于人工智能技术领域。
-
Patent Agency Ranking
公开(公告)号：CN112329948B
公开(公告)日：2024-05-10
申请号：CN202011217545.X
申请日：2020-11-04
Applicant: 腾讯科技(深圳)有限公司
IPC: G06N20/20
Abstract: 本申请公开一种多智能体策略预测方法及装置；本申请与人工智能的机器学习领域相关，可以获取多个智能体交互环境的训练数据，以及获取多个智能体交互环境的隐变量概率分布；根据多个智能体交互环境的隐变量概率分布，确定训练数据的至少一个目标隐变量；将训练数据和目标隐变量输入强化学习模型，以得到多个智能体交互环境的结构因子概率分布；将训练数据及其对应的目标结构因子输入强化学习模型，得到训练数据对应的动作策略、以及动作策略的奖励信息；基于训练数据、目标结构因子、动作策略、以及动作策略的奖励信息，对强化学习模型进行训练，以通过训练后的强化学习模型对多个智能体进行动作策略预测。
-
公开(公告)号：CN110796619B
公开(公告)日：2022-08-30
申请号：CN201911032638.2
申请日：2019-10-28
Applicant: 腾讯科技(深圳)有限公司
IPC: G06T5/00 , G06K9/62 , G06V10/774
Abstract: 本发明提供了一种图像处理模型训练方法，包括：通过第一图像处理模型对所述第二训练样本集合进行处理，以确定所述第一图像处理模型的初始参数；通过第二图像处理模型对所述第二训练样本集合进行处理，以确定所述第二图像处理模型的初始参数；通过所述第一图像处理模型的输出结果和所述第二训练样本集合对所述第二图像处理模型进行处理，确定所述第二图像处理模型的更新参数；根据所述第二图像处理模型的更新参数，通过所述第二训练样本集合对所述第二图像处理模型的生成器参数和判别器参数进行迭代更新。本发明还提供了语音处理方法、装置及存储介质。本发明能够提升图像处理模型的训练精度与训练速度，使得图像处理模型能够适应不同的使用场景。
-
公开(公告)号：CN111429142B
公开(公告)日：2020-09-11
申请号：CN202010520738.6
申请日：2020-06-10
Applicant: 腾讯科技(深圳)有限公司
IPC: G06Q20/38 , G06Q20/40 , G06F16/27 , G06F16/901
Abstract: 本申请实施例公开了一种数据处理方法、装置及计算机可读存储介质，本申请实施例通过服务节点调度器对模型参数进行量化处理，得到量化后的第一模型参数分发到工作节点运算器；控制工作节点运算器根据第一模型参数计算相应的第一梯度数据，并对第一梯度数据进行梯度误差补偿，得到误差补偿后的第二梯度数据；根据工作节点运算器对第二梯度数据进行量化处理，得到量化后的第三梯度数据上传至服务节点调度器；基于服务节点调度器根据接收的第三梯度数据对模型参数进行更新，并返回执行通过服务节点调度器对更新后的模型参数进行量化处理的步骤进行迭代训练，直至收敛。以此，通过双重量化降低数据通信量进行批量处理，极大的提升了数据处理处理效率。
-
公开(公告)号：CN112085074B
公开(公告)日：2024-05-07
申请号：CN202010863228.9
申请日：2020-08-25
Applicant: 腾讯科技(深圳)有限公司
IPC: G06F18/214 , G06N3/0442 , G06N3/0464 , G06F18/24 , G06F30/27
Abstract: 本申请提供一种模型参数更新系统、方法及装置，涉及人工智能技术领域，用以优化神经网络模型的训练过程。该方法包括：各个辅计算节点与主计算节点进行多个迭代轮次的交互操作，获得各个辅计算节点和主计算节点上目标模型的本地模型参数；任一个迭代轮次的交互操作中，各个辅计算节点确定各自的本地模型参数的第一梯度，基于第一误差补偿值对第一梯度进行目标处理得到第二梯度，利用接收的第三梯度更新各自的本地模型参数；主计算节点基于第二误差补偿值对第二梯度进行目标处理得到第三梯度，将第三梯度发送给各个辅计算节点，利用第三梯度更新本地模型参数。该方法提升了分布式训练中神经网络模型的收敛性，进而提升了神经网络模型的训练效率。
-
公开(公告)号：CN111709493B
公开(公告)日：2024-02-23
申请号：CN202010662167.X
申请日：2020-07-10
Applicant: 腾讯科技(深圳)有限公司
IPC: G06V10/764 , G06V10/82 , G06N3/082 , G06N3/084 , G06N3/0464
Abstract: 本发明公开了一种对象分类方法、训练方法、装置、设备及存储介质，分类方法包括：获取待分类的对象；将所述对象输入至分类模型中，输出分类结果；所述分类模型通过以下步骤获取：构建神经网络模型的第一目标函数，第一目标函数具有神经网络模型的参数的零模范数；将零模范数转化为等价的连续表示；根据连续表示和第一目标函数，得到连续的第二目标函数；基于第二目标函数对神经网络模型进行训练，得到训练好的分类模型。本发明基于连续的第二目标函数，减少占用的数据处理资源，计算难度低，且训练过程通过等价转换的方式得到剪枝后的分类模型，无需引入近似误差，从而可以获得更高的分类精度，可广泛应用于人工智能技术领域。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.041 seconds)
