视觉里程计算方法、装置、电子设备及存储介质

    公开(公告)号:CN117392228A

    公开(公告)日:2024-01-12

    申请号:CN202311702313.7

    申请日:2023-12-12

    Abstract: 本申请实施例提供了一种视觉里程计算方法、装置、电子设备及存储介质,属于机器视觉和视觉定位技术领域。该方法包括:将目标图像输入至预设的深度估计网络,得到预测深度图,目标图像和源图像输入至预设的姿态估计网络对,得到相对姿态信息。根据相对姿态信息、源图像、目标图像和预测深度图对两组网络进行联合训练。将当前帧图像输入至深度估计网络,得到目标深度图,根据目标深度图对当前帧图像和上一帧图像进行尺度对齐,得到当前帧对齐图像和上一帧对齐图像。将当前帧对齐图像和上一帧对齐图像输入至光流网络进行位姿估计,得到位姿估计数据,若干连续的位姿估计数据汇集成视觉里程,解决了视觉里程中尺度不一致和尺度漂移的问题。

    智能问答方法、装置、设备及存储介质

    公开(公告)号:CN119886358A

    公开(公告)日:2025-04-25

    申请号:CN202510063650.9

    申请日:2025-01-15

    Abstract: 本发明实施例提供一种智能问答方法、装置、设备及存储介质,该方法包括:对待答文本进行分词处理,得到待答文本对应的序号向量;将待答文本对应的序号向量输入到智能问答模型中,得到回复文本,其中,智能问答模型由问题样本进行训练得到,智能问答模型包括嵌入层、自注意力层和解码层,自注意力层的自注意力计算方式根据嵌入层对所述问题样本对应的序号向量的输出表征和解码层对问题样本的序号向量的输出表征确定。本发明实施例中通过引入嵌入层和解码层的信息到自注意力计算中,不仅加强了层与层之间的信息交流,还使得智能问答模型能够更全面地理解上下文信息,因此智能问答模型能更加深入地理解上下文,从而提高回复文本的准确度和连贯度。

    基于偏好学习的模型训练方法、装置及其存储介质

    公开(公告)号:CN119441863A

    公开(公告)日:2025-02-14

    申请号:CN202411417884.0

    申请日:2024-10-11

    Abstract: 本发明公开了基于偏好学习的模型训练方法、装置及其存储介质,所述方法包括以下步骤:通过获取训练数据集;根据训练数据集和预训练模型的词表,得到正面回复的自回归损失函数;在词表中设置与正面回复和反面回复对应的停止标识,计算停止标识的损失函数;根据正面回复和反面回复在训练数据集中的概率值,得到概率损失函数;根据自回归损失函数、停止标识的损失函数和概率损失函数,得到预训练模型的训练损失函数。通过利用停止标识进行偏好感知,提高模型对不同回复的感知能力;其次,根据正面回复和反面回复在训练数据集中的概率值,得到概率损失函数,提升模型的偏好对齐能力,实现一种统一指令学习和偏好学习的模型训练方法。

Patent Agency Ranking