“蒋召”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66个，建议您升级VIP下载更多相关专利

[发明专利]图像识别方法、装置、电子设备及可读存储介质-CN202311168475.7在审
发明人：蒋召;杨战波 -专利权人：深圳须弥云图空间科技有限公司
申请日： 2023-09-12 - 公布日： 2023-10-27 - 主分类号： G06V40/16 文献下载
摘要：本申请涉及计算机视觉技术领域，提供了一种图像识别方法、装置、电子设备及可读存储介质。该方法包括：获取目标对象的待识别图像，待识别图像包括高分辨率图像或低分辨率图像；将待识别图像输入至预先训练完成的图像识别模型，得到图像识别结果，图像识别结果用于指示目标对象所对应的类别结果；其中，图像识别模型的目标损失值基于三元组损失函数和分类损失函数得到，三元组损失函数包括高分辨率图像对应的第一三元组损失函数、低分辨率图像对应的第二三元组损失函数、高分辨率图像和低分辨率图像对应的第三三元组损失函数。本申请实施例解决了现有技术中低分辨率场景和跨分辨率场景的情况下图像识别效果不佳的问题。
图像识别方法装置电子设备可读存储介质

[发明专利]行人重识别方法、装置、电子设备及存储介质-CN202311169070.5在审
发明人：蒋召;石雅洁 -专利权人：深圳须弥云图空间科技有限公司
申请日： 2023-09-12 - 公布日： 2023-10-24 - 主分类号： G06V40/10 文献下载
摘要：本申请涉及图像处理技术领域，提供了一种行人重识别方法、装置、电子设备及存储介质。该方法包括：获取待识别的当前图像帧；使用特征提取网络提取当前图像帧中待识别行人的特征；使用特征检测算法自当前图像帧中检测得到当前检测框；获取上一图像帧对应的外观特征库，使用当前检测框中的外观特征更新上一图像帧对应的外观特征库，得到当前外观特征库；基于当前检测框以及当前外观特征库确定外观代价矩阵；使用卡尔曼滤波器预测当前帧目标框的位置；基于当前检测框与目标框确定运动代价矩阵；基于外观代价矩阵与运动代价矩阵进行轨迹匹配；基于轨迹匹配结果实现行人重识别。该方法能提高行人重识别准确度。
行人识别方法装置电子设备存储介质

[发明专利]目标追踪模型的训练方法及装置-CN202311168764.7在审
发明人：蒋召 -专利权人：深圳须弥云图空间科技有限公司
申请日： 2023-09-12 - 公布日： 2023-10-24 - 主分类号： G06V10/774 文献下载
摘要：本申请提供了一种目标追踪模型的训练方法及装置。该方法包括：在残差神经网络的第一阶段网络和第二阶段网络之间插入第一分片注意力网络，其中，第一分片注意力网络具有K个分片注意力分支；在残差神经网络的第二阶段网络和第三阶段网络之间插入第二分片注意力网络，其中，第二分片注意力网络具有N个分片注意力分支；在残差神经网络的第三阶段网络和第四阶段网络之间插入第三分片注意力网络，其中，第三分片注意力网络具有M个分片注意力分支，K、N和M依次增大；将插入三个分片注意力网络后的残差神经网络的作为目标追踪模型，对目标追踪模型进行训练。
目标追踪模型训练方法装置

[发明专利]表情识别方法、装置、电子设备及可读存储介质-CN202311168658.9在审
发明人：蒋召;张星宇 -专利权人：深圳须弥云图空间科技有限公司
申请日： 2023-09-12 - 公布日： 2023-10-20 - 主分类号： G06V40/16 文献下载
摘要：本申请涉及人工智能领域，提供了一种表情识别方法、装置、电子设备及可读存储介质。该方法包括：获取待识别图像；通过训练得到的表情识别模型对所述待识别图像的表情进行识别，得到表情识别结果；其中，所述表情识别模型基于训练集训练得到，所述训练集包括多个图像样本对，所述表情识别模型的损失值基于所述图像样本对中第一图像样本的不确定性和第二图像样本的不确定性得到。本申请实施例解决了现有技术中存在复杂场景下对表情识别不准确的问题。
表情识别方法装置电子设备可读存储介质

[发明专利]表情识别模型训练方法、装置、电子设备及存储介质-CN202311168710.0在审
发明人：蒋召;周靖宇 -专利权人：深圳须弥云图空间科技有限公司
申请日： 2023-09-12 - 公布日： 2023-10-20 - 主分类号： G06V40/16 文献下载
摘要：本申请提供了一种表情识别模型训练方法、装置、电子设备及存储介质。该方法包括：将原始图像转换为灰度图像，利用目标特征提取网络进行特征提取；利用目标运动单元建模网络对灰度图像进行特征提取，计算目标运动单元注意力特征图以及运动单元损失；将目标运动单元注意力特征图与目标特征图进行特征融合，得到增强后的表情特征图；利用预测表情标签以及原始图像对应的真实表情标签计算分类损失；利用运动单元损失及分类损失计算总损失，利用总损失及反向传播算法，对目标特征提取网络与目标运动单元建模网络组成的表情识别模型的参数进行更新，以训练表情识别模型。本申请提升表情识别模型的泛化性能，并显著提升表情识别模型的预测精度。
表情识别模型训练方法装置电子设备存储介质

[发明专利]目标识别方法、装置、电子设备及存储介质-CN202311168441.8在审
发明人：蒋召;周靖宇 -专利权人：深圳须弥云图空间科技有限公司
申请日： 2023-09-12 - 公布日： 2023-10-20 - 主分类号： G06V10/774 文献下载
摘要：本申请涉及图像处理技术领域，提供了一种目标识别方法、装置、电子设备及存储介质。该方法包括：获取目标原图和样本原图；对样本原图进行增强处理，得到N组具有不同分辨率的样本图像；使用特征抽取模型获取样本原图与N组具有不同分辨率的样本图像的一致性损失；使用分类层获取样本原图与N组具有不同分辨率的样本图像的交叉熵损失；对一致性损失和交叉熵损失求和得到总损失，基于总损失更新特征抽取模型和分类层的模型参数；重复执行上述步骤，直至更新后的总损失小于或者等于预设阈值，得到训练好的特征抽取模型和分类层；使用训练好的特征抽取模型和分类层自目标原图中识别目标。该方法能提高目标识别精度。
目标识别方法装置电子设备存储介质

[发明专利]多媒体数据的目标跟踪方法和装置-CN202311169045.7在审
发明人：蒋召;黄泽元 -专利权人：深圳须弥云图空间科技有限公司
申请日： 2023-09-12 - 公布日： 2023-10-20 - 主分类号： G06V10/40 文献下载
摘要：本申请涉及目标跟踪技术领域，提供了一种多媒体数据的目标跟踪方法和装置。该方法包括：对多媒体数据的当前帧对应的图像进行目标检测，获得当前帧对应的图像中各个目标对应的检测框；根据各个目标对应的检测框，确定各个检测框的状态向量；根据各个检测框的状态向量，预测各个检测框的变化轨迹，得到对应的预测框；根据各个检测框的运动特征和各个预测框的运动特征，确定目标的运动代价矩阵；根据各个检测框的外观特征和各个预测框的外观特征，确定目标的外观代价矩阵；根据目标的运动代价矩阵和外观代价矩阵，对多媒体数据中的目标进行跟踪。本申请能够提高在对多目标跟踪时跟踪的准确率。
多媒体数据目标跟踪方法装置

[发明专利]基于遮挡的目标追踪方法及装置-CN202311168561.8在审
发明人：蒋召 -专利权人：深圳须弥云图空间科技有限公司
申请日： 2023-09-12 - 公布日： 2023-10-20 - 主分类号： G06V10/774 文献下载
摘要：本申请提供了一种基于遮挡的目标追踪方法及装置。该方法包括：利用通道全局平均池化层、卷积层、激活层和注意力层构建注意力网络；利用空间全局平均池化层和全连接层构建目标分类网络和遮挡分类网络；构建遮挡增强网络，利用遮挡增强网络、特征提取网络、注意力网络、目标分类网络和遮挡分类网络构建目标追踪模型；依据目标追踪任务对目标追踪模型进行训练，利用训练后的目标追踪模型执行目标追踪任务。采用上述技术手段，解决现有技术中，因遮挡造成目标追踪模型精度低的问题。
基于遮挡目标追踪方法装置

[发明专利]一种图像识别模型训练方法和装置-CN202311168740.1在审
发明人：蒋召;黄泽元 -专利权人：深圳须弥云图空间科技有限公司
申请日： 2023-09-12 - 公布日： 2023-10-20 - 主分类号： G06V40/16 文献下载
摘要：本申请涉及图像识别技术领域，提供了一种图像识别模型训练方法、装置、电子设备及计算机可读存储介质。该方法包括获取目标面部图像训练集；提取上述目标面部图像中的面部语义特征，上述面部语义特征包括原图特征和翻转特征；将上述原图特征和上述翻转特征输入至面部表情识别模型，以便获得面部表情分类结果；依据第一损失函数迭代更新上述面部表情识别模型的参数，直至达到预设的迭代终止条件，以便获得经训练的上述面部表情识别模型，其中上述第一损失函数由一致性损失函数和分类损失函数确定。本申请可有效解决噪声数据对表情识别精度影响，提升表情识别精度。
一种图像识别模型训练方法装置

[发明专利]目标追踪模型的训练方法及装置-CN202311168757.7在审
发明人：蒋召;黄泽元 -专利权人：深圳须弥云图空间科技有限公司
申请日： 2023-09-12 - 公布日： 2023-10-20 - 主分类号： G06V10/774 文献下载
摘要：本申请提供了一种目标追踪模型的训练方法及装置。该方法包括：串行连接图片处理网络、特征提取网络和分类网络，得到目标追踪模型；通过图片处理网络对目标样本、正样本和负样本进行处理，得到目标样本、正样本和负样本各自对应的遮挡样本和裁剪样本；通过特征提取网络对各个样本进行处理，得到各个样本对应的样本特征；通过分类网络分别对目标样本及其对应的遮挡样本和裁剪样本的样本特征进行处理，得到第一识别结果、第二识别结果和第三识别结果；基于第一识别结果、第二识别结果和第三识别结果，计算分类损失和散度损失，基于各个样本对应的样本特征，计算三元组损失；依据分类损失、散度损失和三元组损失，更新目标追踪模型的模型参数。
目标追踪模型训练方法装置

[发明专利]一种目标识别模型训练方法和装置-CN202311168809.0在审
发明人：杨战波;蒋召 -专利权人：深圳须弥云图空间科技有限公司
申请日： 2023-09-12 - 公布日： 2023-10-20 - 主分类号： G06F18/214 文献下载
摘要：本申请涉及计算机模型技术领域，提供了一种目标识别模型训练方法、装置、电子设备及存储介质。该方法通过在线性层中固定原始训练参数，并根据下游任务训练集对线性层中的下游任务调整参数进行调参处理，根据调参完成的下游任务调整参数和原始训练参数得到目标线性层，并基于目标线性层得到训练完成的目标识别模型，实现了对线性层中下游任务调整参数进行训练，在训练完成后，使得得到的目标线性层能够支持下游任务，避免了直接对线性层中的所有参数进行训练，导致重复训练原始参数，且使得线性层训练量大，所需训练资源多的问题，进而降低了目标识别模型的训练量，节约了系统资源。
一种目标识别模型训练方法装置

[发明专利]一种目标识别方法和装置-CN202311168263.9在审
发明人：杨战波;蒋召 -专利权人：深圳须弥云图空间科技有限公司
申请日： 2023-09-12 - 公布日： 2023-10-20 - 主分类号： G06V10/774 文献下载
摘要：本申请涉及计算机模型技术领域，提供了一种目标识别方法和装置。该方法通过目标识别模型对待识别目标图像进行目标识别，得到目标识别结果，该目标识别模型通过固定初始神经网络中的原始参数，并依据目标域中的图像训练数据对初始神经网络块中设置的可控神经网络参数进行目标识别阶段训练得到的；其中，目标识别模型中包含了训练完成的可控神经网络参数，使得目标识别模型能够准确对目标域中待识别图像进行目标识别，提升了目标识别模型对目标域的待识别目标图像进行目标识别的识别率，避免了仅通过源域数据训练得到的目标识别模型对目标域的待识别目标图像进行目标识别，导致的识别率低下的问题。
一种目标识别方法装置

[发明专利]一种图像识别模型的训练方法及装置-CN202311168486.5在审
发明人：蒋召;杨战波 -专利权人：深圳须弥云图空间科技有限公司
申请日： 2023-09-12 - 公布日： 2023-10-20 - 主分类号： G06V40/16 文献下载
摘要：本申请提供了一种图像识别模型的训练方法及装置。该方法包括：将样本集合中的表情样本输入至待训练模型中的特征提取网络，以使特征提取网络输出表情样本对应的表情特征；将表情特征输入至待训练模型中的特征分析网络，以使特征分析网络输出分析结果；根据表情样本对应的标注信息，确定分析结果的原始损失数据；将表情特征输入至待训练模型中的重要性学习网络，以使重要性学习网络输出重要性权重；根据重要性权重和原始损失数据，确定待训练模型的目标损失数据；根据目标损失数据调整待训练模型的模型参数，以确定图像识别模型。本申请能够显著提升图像识别模型的识别精度，提升在难例表情上的识别效果。
一种图像识别模型训练方法装置

[发明专利]对象识别方法、装置、电子设备及存储介质-CN202311168671.4在审
发明人：蒋召;周靖宇 -专利权人：深圳须弥云图空间科技有限公司
申请日： 2023-09-12 - 公布日： 2023-10-20 - 主分类号： G06V40/10 文献下载
摘要：本申请涉及图像处理技术领域，提供了一种对象识别方法、装置、电子设备及存储介质。该方法包括：获取输入图像；使用第一卷积层提取输入图像的第一特征；对第一特征进行通道切分，得到第一子特征和第二子特征；在第一分支对第一子特征进行分组卷积和逐层卷积处理得到第一分组特征，在第二分支对第二子特征进行分组卷积和逐层卷积处理得到第二分组特征；将第一分组特征和第二分组特征进行特征拼接得到第二特征；使用第二卷积层对第二特征进行特征变换，得到第三特征；重复执行N次上述通道切分、分组卷积、逐层卷积、特征拼接和特征提取的操作，得到N组第三特征；使用全连接层对N组第三特征进行分类，得到待识别的对象。该方法能提高识别速度。
对象识别方法装置电子设备存储介质

[发明专利]目标追踪模型的训练方法及装置-CN202311168750.5在审
发明人：蒋召;周靖宇 -专利权人：深圳须弥云图空间科技有限公司
申请日： 2023-09-12 - 公布日： 2023-10-20 - 主分类号： G06V10/774 文献下载
摘要：本申请提供了一种目标追踪模型的训练方法及装置。该方法包括：串行连接全局平均池化层、批归一化层和全连接层，得到样本对学习网络；串行连接全局最大池化层、残差层、批归一化层和全连接层，得到原型学习网络；将样本对学习网络和原型学习网络并行连接到特征提取网络之后，并将残差层连接到样本对学习网络中的批归一化层，得到目标追踪模型，其中，残差层用于将全局最大池化层和样本对学习网络中的批归一化层的输出相加，将相加的结果输入到原型学习网络中的批归一化层；获取训练数据集，利用训练数据集中的目标样本及其正样本和负样本对目标追踪模型进行训练。采用上述技术手段，解决现有技术中，目标追踪模型准确率低的问题。
目标追踪模型训练方法装置

1
2
3
4
5
下一页»
尾页
共 66 条