Processing

Please wait...

PATENTSCOPE will be unavailable a few hours for maintenance reason on Tuesday 25.01.2022 at 12:00 PM CET
Settings

Settings

Goto Application

1. WO2022001372 - NEURAL NETWORK TRAINING METHOD AND APPARATUS, AND IMAGE PROCESSING METHOD AND APPARATUS

Publication Number WO/2022/001372
Publication Date 06.01.2022
International Application No. PCT/CN2021/092581
International Filing Date 10.05.2021
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
Applicants
  • 华为技术有限公司 HUAWEI TECHNOLOGIES CO., LTD. [CN]/[CN]
Inventors
  • 宋德华 SONG, Dehua
  • 王云鹤 WANG, Yunhe
  • 陈汉亭 CHEN, Hanting
  • 许春景 XU, Chunjing
Agents
  • 北京龙双利达知识产权代理有限公司 LONGSUN LEAD IP LTD.
Priority Data
202010616988.X30.06.2020CN
Publication Language Chinese (zh)
Filing Language Chinese (ZH)
Designated States
Title
(EN) NEURAL NETWORK TRAINING METHOD AND APPARATUS, AND IMAGE PROCESSING METHOD AND APPARATUS
(FR) PROCÉDÉ ET APPAREIL D'ENTRAÎNEMENT DE RÉSEAU NEURONAL, ET PROCÉDÉ ET APPAREIL DE TRAITEMENT D'IMAGE
(ZH) 训练神经网络的方法、图像处理方法及装置
Abstract
(EN) A neural network training method and apparatus, and an image processing method and apparatus. The method relates to the field of artificial intelligence, and specifically to the field of computer vision. The method comprises: acquiring an input feature map of a training image (S510); performing feature extraction processing on the input feature map by using a feature extraction kernel of a neural network, so as to obtain a first candidate feature map (S520); adding the first candidate feature map and a second candidate feature map, so as to obtain an output feature map (S530), wherein the second candidate feature map is a feature map obtained by means of enlarging a numerical value corresponding to each element in the input feature map by N times, and N is greater than 0; determining an image processing result of the training image according to the output feature map (S540); and adjusting the parameters of the neural network according to the image processing result (S550). By means of the method, the energy consumption of a neural network model is effectively reduced without affecting the image processing effect.
(FR) La présente invention concerne un procédé et un appareil d'entraînement de réseau neuronal, ainsi qu'un procédé et un appareil de traitement d'image. La présente invention se rapporte au domaine de l’intelligence artificielle, et se rapporte spécifiquement au domaine de la vision artificielle. Le procédé consiste à acquérir une carte de caractéristiques d'entrée d'une image d'apprentissage (S510) ; à effectuer un traitement d'extraction de caractéristiques sur la carte de caractéristiques d'entrée à l'aide d'un noyau d'extraction de caractéristiques d'un réseau neuronal, de façon à obtenir une première carte de caractéristiques candidate (S520) ; à ajouter la première carte de caractéristiques candidate et une seconde carte de caractéristiques candidate, de façon à obtenir une carte de caractéristiques de sortie (S530), la seconde carte de caractéristiques candidate étant une carte de caractéristiques obtenue par l'agrandissement d'une valeur numérique correspondant à chaque élément dans la carte de caractéristiques d'entrée par N fois, et N étant supérieur à 0 ; à déterminer un résultat de traitement d'image de l'image d'apprentissage selon la carte de caractéristiques de sortie (S540) ; et à ajuster les paramètres du réseau neuronal en fonction du résultat de traitement d'image (S550). Au moyen du procédé, la consommation d'énergie d'un modèle de réseau neuronal est efficacement réduite sans affecter l'effet de traitement d'image.
(ZH) 一种训练神经网络的方法、图像处理方法及装置。该方法涉及人工智能领域,具体涉及计算机视觉领域,该方法包括:获取训练图像的输入特征图(S510);使用神经网络的特征提取核,对所述输入特征图进行特征提取处理,得到第一候选特征图(S520);将所述第一候选特征图与第二候选特征图相加,得到输出特征图(S530),所述第二候选特征图为所述输入特征图中的每个元素对应的数值扩大N倍后得到的特征图,N大于0;根据所述输出特征图确定所述训练图像的图像处理结果(S540);根据所述图像处理结果,调整所述神经网络的参数,该方法可以在不影响图像处理效果的同时,有效降低神经网络模型的能耗(S550)。
Related patent documents
Latest bibliographic data on file with the International Bureau