“曹隽逸”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[发明专利]一种图像识别方法和相关装置-CN202211529922.2在审
发明人：陈燊;曹隽逸;孙智敏;姚太平;丁守鸿 -专利权人：腾讯科技（深圳）有限公司
申请日： 2022-11-30 - 公布日： 2023-10-27 - 主分类号： G06V40/16 文献下载
摘要：本申请公开了一种图像识别方法和相关装置，针对需要识别是否伪造的待识别图像，获取待识别图像的第一图像特征和伪造图像样本的第二图像特征。通过第一图像特征和第二图像特征确定待识别图像与伪造图像样本间的特征关联参数，由于第二图像特征具备标识该已知伪造方式的相关特征，故通过该特征关联参数可以确定待识别图像的内容是否是采用了与伪造图像样本类似的方式生成的，从而能够基于该特征关联参数和已知伪造方式准确确定出待识别图像的伪造方式识别结果。整个识别过程不需要标注大量的伪造图像样本，也不需要长时间的模型训练耗时，就能够实现低成本的快速定位图像是否为已知伪造方式，提高了伪造图像的识别响应效率。
一种图像识别方法相关装置

[发明专利]伪造多媒体检测模型的训练方法、装置和计算设备-CN202211619700.X在审
发明人：陈燊;孙智敏;曹隽逸;姚太平;邓新哲;丁守鸿 -专利权人：腾讯科技（深圳）有限公司
申请日： 2022-12-16 - 公布日： 2023-10-27 - 主分类号： G06N3/08 文献下载
摘要：提供了一种伪造多媒体检测模型的训练方法、装置和计算设备，包括：获取训练样本集，所述训练样本集包括多个带标签的第一伪造多媒体样本和多个无标签的第二伪造多媒体样本；利用所述训练样本集对深度网络模型进行半监督学习以获得初始检测模型；基于所述初始检测模型、所述第一伪造多媒体样本和所述第二伪造多媒体样本为各个第二伪造多媒体样本生成对应的伪标签；以及利用更新训练样本集对所述初始检测模型进行有监督学习以获得所述伪造媒体检测模型，所述更新训练样本集包括所述第一伪造多媒体样本和具有所述伪标签的第二伪造多媒体样本。通过这种多阶段学习训练而获得的伪造多媒体检测模型可以更加广泛和准确地检测和识别伪造多媒体的类别。
伪造多媒体检测模型训练方法装置计算设备

[发明专利]一种模型确定方法和相关装置-CN202310260221.1在审
发明人：张克越;曹隽逸;姚太平;尹邦杰;丁守鸿 -专利权人：腾讯科技（深圳）有限公司
申请日： 2023-03-07 - 公布日： 2023-10-27 - 主分类号： G06V10/764 文献下载
摘要：本申请公开了一种模型确定方法和相关装置，针对图像中对象的对象类型识别，通过初始编码器可以确定出图像样本的第一图像样本特征，并基于第一图像样本特征生成标识不同识别环境的第二图像样本特征。针对这两个图像样本特征都可通过初始解码器得到对应的纹理图像，并根据图样样本特征和对应的纹理图像一起，通过初始分类器确定出分别对应图像样本和跨场景图像样本的识别结果，并基于识别标签和识别结果生成的识别损失函数训练初始识别模型得到识别模型。以此训练得到的识别模型在进行对象识别时，对跨场景识别、各种攻击类型识别均达到较好的泛化能力，有效提升了模型识别精度。
一种模型确定方法相关装置

[发明专利]一种基于卷积神经网络的X光安检系统及方法-CN201911316782.9有效
发明人：刘立钊;曹隽逸;刘飞;连梓豪;陈锐铭;李毓彪;席靖;宋恒杰 -专利权人：华南理工大学
申请日： 2019-12-19 - 公布日： 2023-06-20 - 主分类号： G06V20/50 文献下载
摘要：本发明公开的一种基于卷积神经网络的X光安检系统，包括依次连接的X光安检模块、图像获取模块、后端服务器、显示模块；X光安检模块用于获取物品的X光图像，并将X光图像传递至图像获取模块；图像获取模块用于从X光安检模块图像输出接口获取待测物品的X光图像，将X光图像转换为安检系统所接受的数据格式，并将该数据格式的X光图像传输到后端服务器；后端服务器用于将X光图像进行危险品检测，得到检测结果，并传输到显示模块；显示模块用于人机交互并显示检测结果以及对检测出的危险品进行报警提醒；定期进行复检持续更新危险品检测模型的参数，本发明充分考虑到安检过程实时性、准确性的要求，具有广阔的应用前景。
一种基于卷积神经网络安检系统方法

[发明专利]一种基于多源数据融合的智能人格特性评价方法-CN202011468425.7在审
发明人：吕建明;陈楚杰;梁玮泓;刘立钊;曹隽逸;郭智伦;刘敏仟 -专利权人：华南理工大学
申请日： 2020-12-14 - 公布日： 2021-03-26 - 主分类号： G06Q10/10 文献下载
摘要：本发明公开了一种基于多源数据融合的智能人格特性评价方法，步骤包括：收集网络用户的演讲视频数据；将演讲视频数据转成演讲文本；进行用户人格特性标注；对获取到的演讲文本进行词频统计并排序；对于每种人格特性，心理专业人员将筛选出最能代表该特性的关键词，形成关键词表；对演讲文本进行处理并形成词嵌入向量特征；将词嵌入向量特征输入到多源数据融合模型中进行融合，最终输出人格特性预测结果。由于结合了专业人员的先验知识，本发明提出的智能人格特性评价方法有较好的可解释性，能在小样本上取得更加准确的预测结果，对演讲用户的人格特性进行自动预测。
一种基于数据融合智能人格特性评价方法