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
本申请公开了一种神经网络训练和高光谱图像解译方法、装置及电子设备。其中，高光谱图像解译用神经网络模型的训练方法，包括执行至少二次如下的训练步骤：选取一部分光谱谱段作为当前次训练用光谱谱段；从当前次训练用高光谱图像集的各高光谱图像所包括的多个光谱谱段的图像数据中确定当前次训练用图像数据；根据当前次训练用图像数据调整高光谱图像解译用神经网络模型的网络参数；训练方法还包括响应于当前次的训练情况不满足预设的训练完成条件，执行下一次训练步骤。该实施方式能够充分利用高光谱图像数据中不同光谱谱段的信息，综合不同光谱谱段信息来提升在不同环境光条件下对同一图像特征识别的鲁棒性。
📄 2017100547252
📂 G06K9_62
👤 北京市商汤科技开发有限公司
📅 2017-01-24
本发明提供了一种神经网络训练及图像处理方法、装置和电子设备。其中，神经网络训练方法包括：通过对包含有人脸特征点标注信息的原始样本图像至少进行信息保持加扰处理，获得加扰样本图像以及信息保持加扰处理所处理的图像信息；基于神经网络对原始样本图像以及加扰样本图像进行检测，得到针对原始样本图像中人脸特征点的第一预测信息以及针对加扰样本图像中人脸特征点的第二预测信息；确定第一预测信息和标注信息之间的第一差异、第一预测信息和第二预测信息之间的第二差异、以及第二差异与信息保持加扰处理所处理的图像信息之间的第三差异；根据第一差异和第三差异调整神经网络的网络参数。通过本发明，可以大大提高人脸定位精准度。
📄 2017102085277
📂 G06K9_00
👤 北京市商汤科技开发有限公司
📅 2017-03-31
本发明实施例提供一种神经网络训练及衣服颜色检测方法、装置、存储介质、电子设备。其中，所述神经网络的训练方法包括：基于人体关键点，从样本图像中提取服装区域图像，所述服装区域图像含有人体服装像素点的颜色特征标定数据；通过服装颜色提取网络，从所述服装区域图像获取所述服装区域图像的颜色特征检测数据；根据所述颜色特征标定数据和所述颜色特征检测数据训练所述服装颜色提取网络。通过本发明的实施例，能够使得训练得到的服装颜色提取网络能够精确定位到与人体服装关联的区域图像，减少了背景区域图像的干扰，提高了检测衣服颜色的准确性。
📄 2017104877232
📂 G06K9_00
👤 北京市商汤科技开发有限公司
📅 2017-06-23
本公开涉及一种神经网络训练方法及装置和环境处理方法及装置，所述方法包括：将当前训练周期的环境状态向量输入神经网络，获得动作输出和衡量输出；根据环境状态向量和动作输出确定第一奖惩反馈；根据第一奖惩反馈、历史训练周期的第一奖惩反馈和衡量输出，确定神经网络的模型损失；根据模型损失，调整神经网络的网络参数值；在神经网络满足训练条件时，获得训练后的神经网络。根据本公开的实施例的神经网络训练方法，通过当前训练周期和历史训练周期的多个奖惩反馈来确定的模型损失，在训练神经网络的过程中不易陷入局部最优解，可获得拟合优度较高的神经网络。
📄 2018108854592
📂 G06N3_08
👤 北京市商汤科技开发有限公司
📅 2018-08-06
柿子坊 · 知识产权运营
柿子坊知识产权运营平台