公开(公告)号：CN107977703A

公开(公告)日：2018-05-01

申请号：CN201710994309.0

申请日：2017-10-23

Applicant: 辉达公司

Inventor： 帕夫洛·莫尔恰诺夫 ,  斯蒂芬·沃尔特·泰里 ,  泰罗·塔帕尼·卡拉斯 ,  蒂莫·奥斯卡伊·艾拉 ,  简·考茨

IPC: G06N3/04

CPC classification number: G06N3/082 ,  G06N3/0454 ,  G06N3/084

Abstract: 公开了一种用于神经网络修剪的方法、计算机可读介质和系统。所述方法包括步骤：接收用于经训练的神经网络的成本函数相对层参数的一阶梯度和基于与所述层参数相对应的所述一阶梯度计算每个层参数的修剪标准，其中所述修剪标准指示包括在所述经训练的神经网络中并与所述层参数相关联的每个神经元的重要性。所述方法包括附加步骤：识别具有最低重要性的至少一个神经元以及从所述经训练的神经网络中移除所述至少一个神经元以产生经修剪的神经网络。

公开(公告)号：CN113255420B

公开(公告)日：2024-09-24

申请号：CN202011399880.6

申请日：2020-12-02

Applicant: 辉达公司

Inventor： U·伊克巴尔 ,  帕夫洛·莫尔恰诺夫 ,  J·考茨

IPC: G06V40/10 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084 ,  G06T7/70 ,  G06T17/00

Abstract: 本发明公开了使用未经标记的多视图数据训练的模型进行3D人体姿势估计。对于许多实际的图形应用而言，从单个2D图像中学习以估计3D人体姿势以及任何类型的对象的姿势都是非常重要的，并且通常依赖于已使用带有注释(标签)样本数据训练的神经网络，每个注释(标签)样本具有已知3D姿势的2D样本图像。然而，要求该标记的训练数据具有各种缺点，例如包括传统上使用的训练数据集缺乏多样性，因此限制了神经网络能够估计3D姿势的程度。扩展这些训练数据集也很困难，因为它需要手动为2D图像提供注释，这既费时又容易出错。本公开通过提供一种模型来克服现有技术的这些和其他局限性，该模型从未标记的多视图数据中训练出来以用于3D姿势估计。

公开(公告)号：CN113255420A

公开(公告)日：2021-08-13

申请号：CN202011399880.6

申请日：2020-12-02

Applicant: 辉达公司

Inventor： U·伊克巴尔 ,  帕夫洛·莫尔恰诺夫 ,  J·考茨

IPC: G06K9/00 ,  G06K9/62 ,  G06T17/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了使用未经标记的多视图数据训练的模型进行3D人体姿势估计。对于许多实际的图形应用而言，从单个2D图像中学习以估计3D人体姿势以及任何类型的对象的姿势都是非常重要的，并且通常依赖于已使用带有注释(标签)样本数据训练的神经网络，每个注释(标签)样本具有已知3D姿势的2D样本图像。然而，要求该标记的训练数据具有各种缺点，例如包括传统上使用的训练数据集缺乏多样性，因此限制了神经网络能够估计3D姿势的程度。扩展这些训练数据集也很困难，因为它需要手动为2D图像提供注释，这既费时又容易出错。本公开通过提供一种模型来克服现有技术的这些和其他局限性，该模型从未标记的多视图数据中训练出来以用于3D姿势估计。