专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果24个,建议您升级VIP下载更多相关专利
  • [发明专利]结构化信息抽取方法、装置、设备以及存储介质-CN202110839427.0有效
  • 唐鑫;叶芷;王冠皓 - 北京百度网讯科技有限公司
  • 2021-07-23 - 2022-11-11 - G06F16/783
  • 本公开提供了结构化信息抽取方法、装置、设备、存储介质以及程序产品,涉及人工智能领域,尤其涉及计算机视觉和深度学习领域。具体实现方案为:从体育赛事视频中抽取目标体育赛事视频帧;对目标体育赛事视频帧进行目标检测,得到体育赛事中的指定目标信息;对目标体育赛事视频帧进行解析,得到体育赛事的至少一个进程的特征信息,体育赛事包括一个或多个进程;对指定目标信息和至少一个进程的特征信息进行聚合,得到体育赛事结构化信息。本公开可以高效地提取出体育赛事视频中的关键信息,形成结构化数据,为体育赛事锦集提供高质量的素材,有助于完成体育赛事的快速内容创作。
  • 结构信息抽取方法装置设备以及存储介质
  • [发明专利]视频标签推荐模型的训练方法和确定视频标签的方法-CN202110754370.4有效
  • 叶芷;唐鑫;王贺伟;葛利 - 北京百度网讯科技有限公司
  • 2021-07-01 - 2022-06-07 - G06V20/40
  • 本公开提供了一种视频标签推荐模型的训练方法和确定视频标签的方法、装置、电子设备和存储介质,应用于人工智能技术领域,具体应用于语音识别、自然语言处理、计算机视觉和智能推荐技术领域。其中,视频标签推荐模型包括视频提取网络和标签特征提取网络。该视频标签推荐模型的训练方法包括:采用视频特征提取网络,获得视频样本的第一视频特征;以作为正样本的第一标签作为标签特征提取网络的输入,获得第一标签的第一特征;以作为负样本的第二标签作为标签特征提取网络的输入,获得第二标签的第二特征;以及基于第一视频特征、第一特征、第二特征和预定损失函数,对视频标签推荐模型进行训练。
  • 视频标签推荐模型训练方法确定
  • [外观设计]箱包装饰品-CN202130176772.1有效
  • 叶芷 - 叶芷
  • 2021-03-30 - 2021-09-07 - 11-02
  • 1.本外观设计产品的名称:箱包装饰品。2.本外观设计产品的用途:用于箱包装饰的配件。3.本外观设计产品的设计要点:在于形状与图案的结合。4.最能表明设计要点的图片或照片:立体图。
  • 箱包装饰品
  • [发明专利]用于发送信息的方法和装置-CN201910575820.6有效
  • 李旭;黄靖博;王文博;陈川石;叶芷;马彩虹;王冠皓;舒俊华;陈波;孙雯;丁扬 - 北京百度网讯科技有限公司
  • 2019-06-28 - 2021-07-09 - G06N3/08
  • 本公开的实施例公开了用于发送信息的方法和装置。该方法涉及云计算领域,该方法的一具体实施方式包括:获取目标终端发送的类别信息集合作为外部类别信息集合;响应于外部类别信息集合中不存在目标外部类别信息,将预先训练的模型确定为训练得到的分类模型,其中,目标外部类别信息为不与预先确定的内部类别信息集合中的内部类别信息相匹配的外部类别信息,预先训练的模型基于预先确定的训练样本集合训练得到,训练样本集合中的训练样本包括内部数据和内部类别信息集合中与内部数据相对应的内部类别信息;向目标终端发送训练得到的分类模型的调用接口。该实施方式提高了模型训练的速度,有助于提高训练得到的模型的准确率和召回率。
  • 用于发送信息方法装置
  • [发明专利]计算机断层扫描图像校正系统及方法-CN201510367350.6有效
  • 孙智慧;李硕;谢强;徐昊;闫铭;叶芷 - 通用电气公司
  • 2015-06-29 - 2021-07-06 - A61B6/03
  • 本发明提供了一种计算机断层扫描图像校正系统及方法,该系统包括轮廓估计模块、截断区域检测模块、高密度成分检测模块、模拟模块、以及校正模块。轮廓估计模块用于根据原始投影数据估计扫描对象的外部轮廓。截断区域检测模块用于检测截断区域,扫描对象的外部轮廓在扫描视野外的区域为截断区域。高密度成分检测模块用于根据原始投影数据检测处于截断区域中的高密度成分。模拟模块用于在外部轮廓中将检测到的高密度成分添加至截断区域中,并将截断区域中除高密度成分以外的部分设为软组织成分,以获取扫描对象的模拟图像。校正模块用于根据模拟图像估计截断区域的投影数据,并根据原始投影数据以及截断区域的投影数据进行图像校正。
  • 计算机断层扫描图像校正系统方法
  • [发明专利]训练信息融合模型、生成集锦视频的方法和装置-CN202011057544.3在审
  • 马彩虹;叶芷 - 北京百度网讯科技有限公司
  • 2020-09-30 - 2021-01-05 - G06F16/78
  • 本申请公开了训练信息融合模型、生成集锦视频的方法和装置,涉及智能识别、计算机视觉、深度学习等人工智能技术领域和云计算技术领域。具体实现方案为:获取输入视频的标题的关键词;根据输入视频各帧的图像和/或音频,获取集锦关注信息;基于集锦关注信息以及标题的关键词确定待融合信息;将待融合信息输入信息融合模型中,信息融合模型输出多条包括人物、事件和起止时间的备选素材信息;从备选素材信息中确定目标素材信息,从输入视频中截取目标素材信息对应的时间段内的视频作为目标片段,将目标片段拼接为集锦视频。由于待融合信息来源于输入视频的多个维度,进而使生成的备选素材信息准确和全面,可以据此生成不同类型的集锦视频,满足用户的多样化需求。
  • 训练信息融合模型生成集锦视频方法装置
  • [发明专利]训练视频文本分类模型的方法、视频文本分类方法和装置-CN202011056257.0在审
  • 王贺伟;马彩虹;叶芷 - 北京百度网讯科技有限公司
  • 2020-09-30 - 2020-12-04 - G06K9/00
  • 本申请的实施例公开了一种训练视频文本分类模型的方法、视频文本分类方法和装置,涉及人工智能技术领域,具体为深度学习、图像处理技术领域。具体实现方案为:从目标视频中提取各帧图像;获取各帧图像的光学字符识别结果,光学字符识别结果包括至少一个文本框;采用聚合特征对各帧图像的光学字符识别结果中的文本框进行聚合,得到对应聚合特征的至少一个文本框集合;确定至少一个文本框集合中每个文本框集合的类别,将每个文本框集合的类别作为文本框集合中每个文本框内的文本的类别。本申请的实施例提供的视频文本分类方法,每个文本框集合能够较为纯净地对应一个文本类别。且根据文本框集合的特征确定文本类别,无需预先给定模板,适用范围广泛。
  • 训练视频文本分类模型方法装置
  • [发明专利]视频类型检测方法、装置、电子设备与存储介质-CN202010617343.8在审
  • 戴兵;叶芷;李扬曦 - 北京百度网讯科技有限公司
  • 2020-06-30 - 2020-10-16 - G06K9/00
  • 本申请公开了一种视频类型检测方法、装置、电子设备与存储介质,涉及计算机视觉领域。具体实现方案为:获取第一视频的N个关键帧,其中所述N为大于1的整数,所述第一视频的类型待检测;将所述N个关键帧的每一个分别通过第一视频类型对应的M个算法模型,获取所述N个关键帧的每一个对应的M个置信度分数,所述M为大于1的整数;根据所述N个关键帧的N×M个置信度分数,通过融合策略算法模型确定所述第一视频的置信度分数;以及将所述第一视频的置信度分数与所述第一视频类型对应的置信度分数阈值进行比较,以确定所述第一视频的类型是否为第一视频类型。
  • 视频类型检测方法装置电子设备存储介质
  • [发明专利]图像标注方法、装置、设备以及存储介质-CN202010611734.9在审
  • 戴兵;叶芷;李扬曦 - 北京百度网讯科技有限公司
  • 2020-06-30 - 2020-10-16 - G06K9/00
  • 本申请公开了一种图像标注方法、装置、电子设备及可读存储介质,涉及计算机视觉和深度学习技术领域。具体实现方案为:获取待标注图像和所述待标注图像的类别列表,所述类别列表包括一个或多个分类类别;根据所述待标注图像和所述类别列表,基于预先训练的图像处理模型,获得所述待标注图像的标注信息,所述标注信息用于指示所述待标注图像对应于所述至少一个分类类别,所述标注信息为当所述待标注图像对应于所述类别列表中至少一个分类类别的概率大于预设阈值时获得的;基于所述标注信息呈现所述待标注图像。该方法实现对待标注图像的自动标注,提高了标注效率。
  • 图像标注方法装置设备以及存储介质

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top