“李昱希”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23个，建议您升级VIP下载更多相关专利

[发明专利]图片分类方法、装置、计算机可读介质及电子设备-CN202310273948.3在审
发明人： 李昱希;凌宇航;王亚彪;甘振业 -专利权人：腾讯科技（深圳）有限公司
申请日： 2023-03-13 - 公布日： 2023-10-27 - 主分类号： G06V10/764 文献下载
摘要：本申请的实施例提供了一种图片分类方法、装置、计算机可读介质及电子设备，该方法包括：提取与目标图片的各个图片块对应的浅层特征图；基于浅层特征图集执行至少一次图特征提取操作，得到目标图片的深层语义特征图集，图特征提取操作包括：以浅层特征图集或者前一次执行图特征提取操作得到的特征图集作为图特征提取操作对应的节点集合；根据节点集合中节点之间的相似性构造边集合；根据节点集合和边集合构建图特征提取操作对应的图；对图中每个节点聚合邻居节点，并对聚合结果进行更新操作，以将聚合结果映射为所述节点对应的特征图；根据所述深层语义特征图集进行分类，得到所述目标图片的分类结果。本申请实施例可以提高图片分类的准确性。
图片分类方法装置计算机可读介质电子设备

[发明专利]一种分类模型训练方法、缺陷识别方法、装置及电子设备-CN202310033452.9在审
发明人：杨思骞;李昱希;王亚彪;汪铖杰 -专利权人：腾讯科技（深圳）有限公司
申请日： 2023-01-10 - 公布日： 2023-10-27 - 主分类号： G06F18/24 文献下载
摘要：本发明公开了一种分类模型训练方法、缺陷识别方法、装置及电子设备，方法包括以下步骤：获取正样本数据和第一无标签数据并输入至分类器模型进行分类处理，得到负样本数据和第二无标签数据，并得到分类器模型的第一模型参数；将正样本数据和负样本数据组合得到带标签训练集，与第二无标签数据输入半监督网络模型进行分类处理，得到半监督网络模型的第二模型参数；根据第二模型参数对第一模型参数进行参数优化，得到更新后的第一模型参数并构建目标分类模型；本发明方案不仅能够提升分类识别的准确率，并且加快了目标分类模型的收敛速度，可广泛应用于机器学习技术领域，并衍生应用至物联网、车联网等与机器学习相关的其他技术领域。
一种分类模型训练方法缺陷识别装置电子设备

[发明专利]基于掩膜图像的模型训练方法、装置及存储介质-CN202310233464.6在审
发明人： 李昱希;张博深;涂远鹏 -专利权人：腾讯科技（深圳）有限公司
申请日： 2023-02-28 - 公布日： 2023-10-27 - 主分类号： G06V10/774 文献下载
摘要：本申请公开了一种基于掩膜图像的模型训练方法、装置及存储介质，其中，该方法包括：使用初始图像掩膜的掩膜区域对训练图像的第一图像区域进行遮挡处理，得到第一掩膜图像；使用第一掩膜图像对第一识别模型进行模型训练，以更新第一识别模型的模型参数，得到第二识别模型；基于第二识别模型与第一掩膜图像对应的损失调整图像掩膜参数的参数值，得到目标图像掩膜，并使用目标图像掩膜的掩膜区域对训练图像的第二图像区域进行遮挡处理，得到第二掩膜图像，第二识别模型与第一掩膜图像对应的损失低于第二识别模型与第二掩膜图像对应的损失；使用第二掩膜图像对第二识别模型进行模型训练，以更新第二识别模型的模型参数，得到第三识别模型。
基于图像模型训练方法装置存储介质

[发明专利]一种信号搜索方法、装置、设备、存储介质及程序产品-CN202310246773.7在审
发明人： 李昱希;甘振业;王亚彪 -专利权人：腾讯科技（上海）有限公司
申请日： 2023-03-14 - 公布日： 2023-10-27 - 主分类号： G06F18/2113 文献下载
摘要：本申请提供了一种信号搜索方法、装置、设备、存储介质及程序产品；本申请实施例可以应用于宇宙探索、天体探索等的信号搜索场景中；该方法包括：从射电望远镜输出的信号图谱中，确定脉冲星的电磁信号的N个实例曲线；其中，N个实例曲线与电磁信号的N个候选体相对应；基于每个实例曲线的像素坐标，计算得到每个候选体的信号参数；基于信号参数，从信号图谱中确定每个候选体对应的局部图谱区域；在每个候选体的局部图谱区域内部进行消色散处理，得到信号图谱对应的消色散图谱；基于消色散图谱，从N个候选体中筛选得到脉冲星的所述电磁信号。通过本申请，能够提高脉冲星的信号搜索的效率。
一种信号搜索方法装置设备存储介质程序产品

[发明专利]脉冲星搜索网络训练方法、脉冲星搜索方法、装置、设备-CN202210226661.0在审
发明人：程小峰;王亚彪;丁玫菲;谢鸣;游善平;甘振业;李昱希;罗泽坤;孙众毅;黄飞跃 -专利权人：腾讯科技（深圳）有限公司
申请日： 2022-03-09 - 公布日： 2023-09-22 - 主分类号： G06N3/09 文献下载
摘要：本发明提供了一种脉冲星搜索网络训练方法，包括：基于训练样本集合和所述候选体的脉冲轮廓图像，对脉冲星搜索网络的主干网络进行第一训练，确定主干网络的初始网络参数；基于训练样本集合和所述和脉冲星标签值，对脉冲星搜索网络的主干网络进行第二训练，得到脉冲星搜索网络的主干网络的目标参数，由此，能够在减少训练数据总量和无需重进行监督训练的前提下，稳定提高脉冲星搜索网络训练训练的准确率，减轻脉冲星搜索网络的过拟合，增强脉冲星搜索网络模型的泛化能力。本发明还提供了脉冲星搜索方法、装置、电子设备、计算机程序产品以及存储介质。本发明实施例可应用于云技术、人工智能、智慧交通、辅助驾驶等各种场景。
脉冲搜索网络训练方法装置设备

[发明专利]数据处理方法、装置、存储介质、设备及程序产品-CN202210239413.X在审
发明人：丁玫菲;王亚彪;孙众毅;罗泽坤;李昱希;程小峰;谢鸣;游善平;甘振业;黄飞跃 -专利权人：腾讯科技（上海）有限公司
申请日： 2022-03-11 - 公布日： 2023-09-19 - 主分类号： G06F17/10 文献下载
摘要：本申请公开一种数据处理方法、装置、存储介质、设备及程序产品，可应用于人工智能、计算机视觉、图像识别等各种场景。该方法包括：获取待测样本；确定多个数据点中作为峰值的目标数据点；基于预设的洛伦兹分布函数，拟合待测样本中，在目标数据点的预设宽度范围内的多个数据点，以确定第一拟合函数；根据在目标数据点的拟合宽度范围内的多个数据点，确定外包络数据点；基于预设的洛伦兹分布函数，拟合外包络数据点，以确定第二拟合函数；及在第一拟合函数和第二拟合函数的相似度大于预设相似度、且拟合参数满足预设条件的情况下，确定待测样本为疑似脉冲星样本。可准确地确定待测样本是否为疑似脉冲星样本，节省人力，提高脉冲星样本的搜索效率。
数据处理方法装置存储介质设备程序产品

[发明专利]图像检测模型生成方法、装置、设备和存储介质-CN202210210271.4在审
发明人：谢鸣;程小峰;丁玫菲;游善平;李昱希;罗泽坤;孙众毅;甘振业;王亚彪;黄飞跃 -专利权人：腾讯科技（深圳）有限公司
申请日： 2022-03-04 - 公布日： 2023-09-15 - 主分类号： G06V10/764 文献下载
摘要：本申请公开了一种图像检测模型生成方法、装置、电子设备和存储介质，所述方法采用了机器学习的方法进行模型生成，包括：将源域样本图像和目标域样本图像输入到待训练模型中进行第一次图像检测，并根据第一次图像检测的结果确定目标域样本图像中无标签样本图像对应的识别标签，再将源域样本图像和目标域样本图像中的标签样本图像输入到待训练模型中进行第二次图像检测，并根据第二次图像检测的结果、第一次图像检测的结果、识别标签、源域样本图像的标签信息和标签样本图像的标签信息，对待训练模型进行模型训练，得到图像检测模型。该方法可以提高图像检测的准确性。
图像检测模型生成方法装置设备存储介质

[发明专利]信号识别模型训练方法、信号识别方法及装置-CN202210208860.9在审
发明人： 李昱希;谢鸣;程小峰;丁玫菲;游善平;罗泽坤;孙众毅;甘振业;王亚彪;黄飞跃 -专利权人：腾讯科技（深圳）有限公司
申请日： 2022-03-04 - 公布日： 2023-09-15 - 主分类号： G06F18/241 文献下载
摘要：本申请涉及机器学习技术领域，尤其涉及一种信号识别模型训练方法、信号识别方法及装置，信号识别模型训练方法包括：对目标数据进行信息叠加处理，得到多项已处理数据；所述目标数据为与目标任务对应的无标签信号数据；基于源信号识别模型对所述多项已处理数据进行信号识别，得到与所述目标数据对应的识别标签；所述源信号识别模型基于与所述目标任务对应的携带源标签的源信号数据进行训练得到；所述源标签包括脉冲星信号标签和非脉冲星信号标签；基于携带所述源标签的源信号数据以及携带所述识别标签的目标数据，对所述源信号识别模型进行训练，得到与所述目标任务对应的目标信号识别模型。本申请能够提高对脉冲星信号识别的准确率。
信号识别模型训练方法装置

[发明专利]基于人工智能的脉冲星搜索方法、装置以及设备-CN202210190590.3在审
发明人：程小峰;王亚彪;丁玫菲;谢鸣;游善平;甘振业;李昱希;罗泽坤;孙众毅;黄飞跃 -专利权人：腾讯科技（深圳）有限公司
申请日： 2022-02-28 - 公布日： 2023-09-08 - 主分类号： G06F18/25 文献下载
摘要：本申请提供一种基于人工智能的脉冲星搜索方法、装置以及设备产品，该方法通过获取脉冲星候选体的至少两个信号特征类型的信号数据；根据各信号特征类型对应的特征提取方式以及信号数据，提取信号数据的目标信号特征数据；对目标信号特征数据进行特征融合，得到星体分类特征数据；根据星体分类特征数据识别脉冲星候选体的星体类型。通过从多个信号特征类型对应的信号数据中提取目标信号特征数据并进行特征融合，得到的星体分类特征数据既能表征不同信号特征类型的信号特征，也能表征不同信号特征类型数据间的相关性，基于该星体分类特征数据进行脉冲星候选体分类，有效提高分类准确性，提高脉冲星搜索过程中对脉冲星搜索的准确度。
基于人工智能脉冲搜索方法装置以及设备

[发明专利]图像识别方法、装置、电子设备和计算机可读存储介质-CN202210016176.0在审
发明人：丁玫菲;王亚彪;孙众毅;罗泽坤;李昱希;程小峰;谢鸣;游善平;甘振业;黄飞跃 -专利权人：腾讯科技（上海）有限公司
申请日： 2022-01-07 - 公布日： 2023-07-21 - 主分类号： G06V10/75 文献下载
摘要：本申请实施例公开了一种图像识别方法、装置、电子设备和计算机可读存储介质；在本申请实施例中，获取待识别脉冲图像；对所述待识别脉冲图像进行预定形状识别，得到所述待识别脉冲图像的识别分数；若所述识别分数大于预设阈值，则将所述待识别脉冲图像识别为目标脉冲图像。本申请实施例可以提高脉冲星的搜索效率。
图像识别方法装置电子设备计算机可读存储介质

[发明专利]用于中短时视频的从粗到细的行为快速检测与分类方法及系统-CN202010042072.8有效
发明人：林巍峣;李昱希;徐树公 -专利权人：上海交通大学;上海大学
申请日： 2020-01-15 - 公布日： 2023-06-20 - 主分类号： G06V20/40 文献下载
摘要：一种用于中短时视频的从粗到细的行为快速检测与分类方法及系统，通过对原视频重采样后进行时空联合的特征提取，在此基础上进行时域定位；然后根据时域定位得到的采样特征信息进行目标分类以及粗略定位，根据目标分类得到的行为类别以及行为轨迹的描述参数对粗略定位得到的行为轨迹在关键帧上依次进行修正，得到行为检测结果，从而实现行为目标的快速检测。本发明在有效提升分类精度以及定位精度的同时，还能够确保行为检测的运行效率，目标检测的准确率可以达到79.30％，同时平均每一帧的处理时间仅为7.6毫秒。
用于中短时视频粗到细行为快速检测分类方法系统

[发明专利]基于网络暴露面的企业IT资产发现识别的系统及方法-CN202211695921.5在审
发明人：魏如超;王进杰;邓舜之;辜雅莲;李昱希 -专利权人：四川新网银行股份有限公司
申请日： 2022-12-28 - 公布日： 2023-05-05 - 主分类号： H04L43/08 文献下载
摘要：本发明公开基于网络暴露面的企业IT资产发现识别的系统及方法，涉及IT资产管理技术，现有技术存在应用指纹无法自定义只能识别少量企业级应用、扫描任务不支持关联自定义的暴露面的问题；本发明包括客户端扫描引擎模块用于执行扫描任务扫描各服务器上的IT资产、指纹匹配模块用于利用应用对应的指纹信息、版本信息，确定端口部署的应用类型以及具体版本，管理控制平台用于扫描任务配置、结果统计、指纹配置、资产变化预警、客户端心跳信息监控；本发明使用分布式主动探测技术实现不同暴露面下企业IT资产的发现，将资产与企业自定义暴露面关联起来；并且能够自定义应用指纹库、版本识别库，能够准确、全面识别企业级应用信息。
基于网络暴露企业 it 资产发现识别系统方法

[发明专利]基于长时增强特征增强及稀疏动态采样的快速行为检测方法-CN201910867364.2有效
发明人：林巍峣;李昱希;徐树公 -专利权人：上海交通大学;上海大学
申请日： 2019-09-12 - 公布日： 2023-02-14 - 主分类号： G06V20/40 文献下载
摘要：一种基于长时增强特征增强及稀疏动态采样的快速行为检测方法，对视频直接进行时空联合的三维特征提取后进行时域检测，利用全局的长时信息对三维特征进行长时增强，根据时域检测结果对长时增强的特征沿时间维度在时域区间内进行稀疏动态采样，得到空间检测结果后与时域检测结果相结合，利用每个特征向量及其偏移向量计算检测框的相似度并通过逐帧聚类的方法实现检测框的链接，得到的检测框的集合，即行为管道。本发明能够显著提升分类精度以及定位精度从而最终有效提升检测的准确率，同时能够提升视频行为检测的运行效率。
基于增强特征稀疏动态采样快速行为检测方法

[发明专利]一种缺陷检测模型的训练方法和相关装置-CN202210582258.1在审
发明人：张博深;涂远鹏;李昱希;刘亮;李剑;王亚彪;汪铖杰 -专利权人：腾讯科技（深圳）有限公司
申请日： 2022-05-26 - 公布日： 2022-10-04 - 主分类号： G06N3/04 文献下载
摘要：本申请公开一种缺陷检测模型的训练方法和相关装置，获取训练数据集和元数据集，训练数据集中包括第一产品图像和第一产品图像的噪声标签，元数据集中包括第二产品图像和第二产品图像的干净标签。基于第二产品图像和第二产品图像的干净标签构建目标损失函数，并以目标损失函数最小为目标对标签纠正网络进行训练，在以目标损失函数最小为目标对标签纠正网络进行训练的过程中，利用训练得到的标签纠正网络对噪声标签进行不断的纠正得到目标标签，目标标签相对于噪声标签来说更加准确，故可以根据第一产品图像和更加准确的目标标签训练得到缺陷检测模型。从而提高缺陷检测模型训练的准确性，进而提高缺陷检测模型的准确性、可靠性。
一种缺陷检测模型训练方法相关装置

[发明专利]一种训练分类模型的方法、装置、计算机设备及存储介质-CN202210360958.6在审
发明人： 李昱希;王亚彪;罗泽坤;甘振业;孙众毅;谢鸣;程小峰;蒋正锴;丁玫菲 -专利权人：腾讯科技（深圳）有限公司
申请日： 2022-04-07 - 公布日： 2022-09-30 - 主分类号： G06N20/00 文献下载
摘要：本申请提供一种训练分类模型的方法、装置、计算机设备及存储介质，可以应用于人工智能领域或智能交通领域等，用于解决训练出的分类模型的分类准确性和可靠性较低的问题。该方法至少包括：采用所述分类模型，基于所述多个样本数据集合各自包含的一个待分类样本数据，分别提取相应的数据特征，并获取关联设置的至少一个样本类别；基于预设的多组权重系数，分别对获得的多个数据特征进行加权混合，获得相应的混合特征；基于获得的多个混合特征，分别预测相应的训练类别，并基于获得的各训练类别和所述至少一个样本类别，进行模型参数调整。通过混合不同数据域的数据特征，使得训练得到的目标分类模型都可以准确地提取数据特征，从而进行准确地分类。
一种训练分类模型方法装置计算机设备存储介质

1
2
下一页»
尾页
共 23 条