Processing

Please wait...

PATENTSCOPE will be unavailable a few hours for maintenance reason on Tuesday 26.10.2021 at 12:00 PM CEST
Settings

Settings

Goto Application

1. WO2021205065 - TRAINING A DATA CODING SYSTEM COMPRISING A FEATURE EXTRACTOR NEURAL NETWORK

Publication Number WO/2021/205065
Publication Date 14.10.2021
International Application No. PCT/FI2021/050227
International Filing Date 30.03.2021
IPC
G06N 3/04 2006.1
GPHYSICS
06COMPUTING; CALCULATING OR COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
04Architecture, e.g. interconnection topology
G06N 3/08 2006.1
GPHYSICS
06COMPUTING; CALCULATING OR COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
08Learning methods
H04N 19/146 2014.1
HELECTRICITY
04ELECTRIC COMMUNICATION TECHNIQUE
NPICTORIAL COMMUNICATION, e.g. TELEVISION
19Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
10using adaptive coding
134characterised by the element, parameter or criterion affecting or controlling the adaptive coding
146Data rate or code amount at the encoder output
H04N 19/192 2014.1
HELECTRICITY
04ELECTRIC COMMUNICATION TECHNIQUE
NPICTORIAL COMMUNICATION, e.g. TELEVISION
19Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
10using adaptive coding
189characterised by the adaptation method, adaptation tool or adaptation type used for the adaptive coding
192the adaptation method, adaptation tool or adaptation type being iterative or recursive
G06K 9/00 2006.1
GPHYSICS
06COMPUTING; CALCULATING OR COUNTING
KRECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
9Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
G06N 20/00 2019.1
GPHYSICS
06COMPUTING; CALCULATING OR COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
20Machine learning
Applicants
  • NOKIA TECHNOLOGIES OY [FI]/[FI]
Inventors
  • CRICRI, Francesco
  • LE, Nam
  • REZAZADEGAN TAVAKOLI, Hamed
  • ZHANG, Honglei
  • HANNUKSELA, Miska, Matias
  • AKSU, Emre, Baris
Agents
  • NOKIA TECHNOLOGIES OY
  • UUSITALO, Arttu
Priority Data
2020538009.04.2020FI
Publication Language English (EN)
Filing Language English (EN)
Designated States
Title
(EN) TRAINING A DATA CODING SYSTEM COMPRISING A FEATURE EXTRACTOR NEURAL NETWORK
(FR) ENTRAÎNEMENT D’UN SYSTÈME DE CODAGE DE DONNÉES COMPORTANT UN RÉSEAU NEURONAL EXTRACTEUR DE CARACTÉRISTIQUES
Abstract
(EN)
Example embodiments provide a system for training a data coding pipeline comprising a feature extractor neural network (1012), an encoder neural network (1014), and a decoder neural network (1024) configured to reconstruct input data based on encoded features. A plurality of losses corresponding to different tasks (1241) may be determined for the coding pipeline. Tasks may be performed based on an output of the coding pipeline. A weight update may be determined for at least a subset of the coding pipeline based on the plurality of losses. The weight update may be configured to reduce a number of iterations for fine-tuning the coding pipeline for one of the tasks. This enables faster adaptation of the coding pipeline for one of the tasks after deployment of the coding pipeline. Apparatuses, methods, and computer programs are disclosed. Apparatuses, methods, and computer programs are disclosed.
(FR)
L'invention concerne, dans des modes de réalisation décrits à titre d’exemple, un système d’entraînement d’un pipeline de codage de données comportant un réseau neuronal (1012) d’extraction de caractéristiques, un réseau neuronal codeur (1014), et un réseau neuronal décodeur (1024) configuré pour reconstruire des données d’entrée d’après des caractéristiques codées. Une pluralité de pertes correspondant à différentes tâches (1241) peut être déterminée pour le pipeline de codage. Les tâches peuvent être réalisées sur la base d’une sortie du pipeline de codage. Une mise à jour de poids peut être déterminée pour au moins un sous-ensemble du pipeline de codage d’après la pluralité de pertes. La mise à jour de poids peut être configurée pour réduire un nombre d’itérations servant au réglage fin du pipeline de codage pour une des tâches. Ceci permet une adaptation plus rapide du pipeline de codage pour une des tâches après le déploiement du pipeline de codage. L'invention concerne des appareils, des procédés et des programmes informatiques.
Latest bibliographic data on file with the International Bureau