本发明涉及一种用于神经网络训练的多路径规划数据集生成方法，运用随机矩阵生成算法生成01矩阵地图，通过二次循环遍历提高矩阵地图的准确性，再利用随机函数设置起点以及终点位置，引入时间维度在传统寻路A*算法生成的单路径基础上进行多路径生成，从而实现碰撞避免。考虑数据集的丰富性，针对不同起点和终点、相同终点、相同起点三种情况分别制作了对应的数据集，最终设定循环次数来完成数据集的制作。
📄 2021108022403
📂 G05D1_43
👤 浙江工业大学
📅 2021-07-15
本发明公开了一种轻量化卫星云图神经网络训练方法以及降雨检测方法，包括卫星云图图像预处理流程以及神经网络的训练流程；卫星云图图像预处理流程包括：将卫星云图照片输入卫星云图照片集；通过与卫星云图相同时间的GPM降水分布图；对卫星云图照片中所有降水区域进行画框标记；将已标注的卫星云图进行图像阈值二值化操作；神经网络的训练流程包括：将卫星云图照片进行图像增强处理；建立轻量化目标检测算法M‑YOLOv4；获取对应的损失函数；将卫星云图图像输入到神经网络中，得到该算法推理后的结果；计算对应的损失函数的函数值，得出对应的权重值。本发明使用深度学习技术进行图像训练，用于获取卫星云图中的降水检测区域。
📄 2021111477122
📂 G06K9_00
👤 西南大学
📅 2021-09-29
本发明涉及人工智能技术领域，尤其涉及一种图神经网络训练方法、装置、设备及存储介质。该图神经网络训练方法应用在一种图神经网络训练系统中，图神经网络训练系统包括多个训练终端以及可信终端；训练终端包括标签持有端；该图神经网络训练方法包括通过可信终端生成同态加密密钥对,并将同态加密密钥对中的公钥发送给各训练终端；通过训练终端计算对应的本地特征，并采用公钥对本地特征进行加密；基于同态加密机制，聚合每一训练终端的本地特征密文，得到全局特征密文，通过可信终端采用私钥对全局特征密文进行解密，以基于解密后的全局特征训练全局图神经网络。该图神经网络模型训练方法可有效解决用户个人隐私的安全性问题。
📄 2021106055489
📂 G06F21_60
👤 平安科技(深圳)有限公司
📅 2021-05-31
本发明涉及人工智能技术领域，尤其涉及一种图神经网络训练方法、装置、设备及存储介质。应用在一种图神经网络训练系统中，图神经网络训练系统包括多个第一终端以及一个第二终端；图神经网络训练方法包括通过训练终端计算本地特征；基于本地特征，通过第一终端与第二终端进行秘密分享，得到混淆局部特征；通过可信终端对混淆局部特征进行还原聚合，并基于全局特征训练全局图神经网络，第二终端根据网络输出结果计算网络梯度并返回给可信终端；通过可信终端根据网络梯度更新全局图神经网络，以得到更新后的网络参数发送至对应的训练终端以更新本地图神经网络。该图神经网络模型训练方法可有效解决用户个人隐私的安全性问题。
📄 2021106052724
📂 G06F21_62
👤 平安科技(深圳)有限公司
📅 2021-05-31
本发明提供一种面向异构设备的分布式神经网络训练方法、装置及介质，所述方法包括：步骤10、计算每一设备端面向不同数据源的算力值；步骤20、进行模型分割，将原始深度模型分割给各个设备端，使得每一设备端到各自的分割模型；步骤30、在每一设备端上以自身输出和设定的迭代次数对分割模型训练，并在迭代完成后将模型参数进行加密处理后上传至服务端，服务端获取各个设备端的加密信息并解析得到模型参数，利用各个设备端的模型参数对原始深度模型进行更新，完成分布式训练。本发明可实现大规模场景的训练需求，同时实现隐私保护和模型压缩，提高安全性和训练效率。
📄 2021108021985
📂 G06N3_063
👤 华侨大学
📅 2021-07-15
本发明提出了一种LDPC码神经网络训练、译码方法及其系统，通过构建神经网络译码模型并利用数据集对神经网络译码模型进行训练，经过多次的迭代训练，结合了深度学习强大的学习能力以及神经网络强大的提取高维数据隐藏特征的能力，得到训练好的神经网络译码模型，并使用训练好的神经网络译码模型对LDPC码数据进行译码输出，降低了传统BP译码算法在对LDPC短码译码中性能的损失，使对LDPC码的译码具有更好的灵活性，低延迟，通讯可靠性高，满足了用户在通信领域的主要需求。
📄 2021111723593
📂 H03M13_11
👤 华侨大学
📅 2021-10-08
本公开提供了一种神经网络训练及分类方法、装置、设备及存储介质，其中，该方法包括：获取各个训练图片样本以及与每个训练图片样本对应的文本描述内容；从训练图片样本中提取图片特征信息，以及从训练图片样本对应的文本描述内容中提取文本特征信息；基于提取的图片特征信息和文本特征信息，确定待训练的神经网络的损失函数值；在不满足神经网络的迭代训练截止条件的情况下，基于确定的损失函数值调整神经网络的网络参数值，并进行调整后的神经网络的再次训练，直至满足神经网络的迭代训练截止条件，得到训练好的用于对目标图片进行处理的神经网络。本公开利用文本特征信息为图片训练提供额外的监督信号，大幅度提升了网络训练的性能。
📄 2021113947512
📂 G06V10_774
👤 上海商汤智能科技有限公司
📅 2021-11-23
本实施例公开了一种图像生成方法和神经网络训练方法、装置、电子设备、计算机存储介质，该图像生成方法包括：利用第一神经网络中顺次连接的多层第一网络单元块提取内容图像的内容特征，得到各层第一网络单元块输出的内容特征；提取风格图像的风格特征；将各层第一网络单元块分别输出的内容特征对应前馈输入第二神经网络中顺次连接的多层第二网络单元块、并将风格特征从多层第二网络单元块中的首层第二网络单元块前馈输入，经各第二网络单元块对各自输入的特征处理后得到第二神经网络输出的生成图像。如此，在图像生成的过程中，利用各层第一网络单元块对内容图像的内容特征进行多次提取，保留了内容图像的更多语义信息，生成图像更为真实。
📄 2019105511453
📂 G06K9_62
👤 商汤集团有限公司
📅 2019-06-24
本申请提供了一种神经网络训练和部署方法、文本翻译方法及相关产品，其中，本申请首先获取目标神经网络和部署需求信息；目标神经网络以及目标神经网络包括的子神经网络均为训练好的神经网络，部署需求信息包括用于表示目标设备承载能力的信息；之后基于部署需求信息，从训练好的神经网络中，获取部署在目标设备上的待部署神经网络；最后将待部署神经网络部署在所述目标设备上。本申请能够根据目标设备的承载能力，从目标神经网络以及目标神经网络包括的各个子神经网络中筛选适用的神经网络进行部署，避免了需要根据不同设备的承载能力多次训练神经网络的缺陷，提高了神经网络的训练和部署效率，节约了训练资源。
📄 2020108941583
📂 G06N3_045
👤 商汤集团有限公司
📅 2020-08-31
本申请公开了一种卷积神经网络训练及图像处理的方法和系统、计算机设备，卷积神经网络的训练方法包括：对多个图像中的各图像分别进行图像块划分以得到图像块集合；根据图像块集合中的各图像块生成至少一个第一图像块组；根据至少一个第一图像块组训练卷积神经网络；基于第一卷积神经网络对图像块集合中的各图像块进行分类以得到至少一个第二图像块组，其中，第一卷积神经网络为经至少一个第一图像块组训练后的卷积神经网络；基于第一卷积神经网络提取图像块集合中的各图像块的特征信息；以及根据所提取的特征信息和至少一个第二图像块组训练第一卷积神经网络。采用本申请实施例的方案，可以对无任何标定的图像中的各图像块进行分组，实现无监督标签标定。
📄 2016104300663
📂 G06K9_62
👤 北京市商汤科技开发有限公司
📅 2016-06-16
本发明实施例提供了一种卷积神经网络训练及视频处理方法、装置和电子设备，其中，卷积神经网络训练方法包括：基于卷积神经网络对包含有目标对象标注信息的原始样本图像以及与所述原始样本图像对应的加扰样本图像进行检测，得到针对所述原始样本图像中目标对象的第一预测信息以及针对所述加扰样本图像中目标对象的第二预测信息；确定所述第一预测信息和所述标注信息之间的第一差异、以及所述第一预测信息和所述第二预测信息之间的第二差异；根据所述第一差异和所述第二差异调整所述卷积神经网络的网络参数。本发明实施例有效降低了检测过程中视频帧图像的帧间抖动。
📄 2016110736078
📂 G06T7_11
👤 北京市商汤科技开发有限公司
📅 2016-11-29
本发明实施例公开了深度神经网络训练方法和系统、电子设备，其中，方法包括：在前向传播过程中，利用深度神经网络模型对样本图像进行场景分析检测，获得中间网络层输出的第一场景分析预测结果和末个网络层输出的第二场景分析预测结果；确定第一场景分析预测结果和样本图像的场景分析标注信息之间的第一差异、以及第二场景分析预测结果和样本图像的场景分析标注信息之间的第二差异；在反向传播过程中，根据第一差异调整第一网络层的参数、并根据第一差异和第二差异调整第二网络层的参数；其中：第一网络层包括中间网络层和末个网络层之间的至少一网络层，第二网络层包括除第一网络层外的其他网络层。本发明实施例可以获得更好的网络模型优化结果。
📄 2016110974451
📂 G06N3_04
👤 北京市商汤科技开发有限公司
📅 2016-12-02
柿子坊 · 知识产权运营
柿子坊知识产权运营平台