“陈又新”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464个，建议您升级VIP下载更多相关专利

[发明专利]DeepFake检测方法、装置、计算机设备和存储介质-CN202210819577.X在审
发明人：郑喜民;孙雨旸;舒畅;陈又新 -专利权人：平安科技（深圳）有限公司
申请日： 2022-07-12 - 公布日： 2022-09-23 - 主分类号： G06V40/16 文献下载
摘要：本申请涉及视频检测领域，本申请提供了一种DeepFake检测方法、装置、计算机设备和存储介质，包括：通过rPPG信号和iBCG信号获得对应rPPG信号的第一样本和对应iBCG信号的第二样本，将第一样本和第二样本输入分类器中进行二分类真假检测，这种方法适用于不同的DeepFake生成源，能够有效应对未知生成模型的黑匣子数据集，具有优秀的跨数据域鲁棒性。
deepfake 检测方法装置计算机设备存储介质

[发明专利]局部聚类方法、装置、设备及存储介质-CN202210833009.5在审
发明人：舒畅;陈又新 -专利权人：平安科技（深圳）有限公司
申请日： 2022-07-14 - 公布日： 2022-09-23 - 主分类号： G06F16/35 文献下载
摘要：本发明涉及人工智能技术，揭露了一种局部聚类方法，包括：获取待聚类数据集合，对所述待聚类数据集合中的数据进行全局特征表示，得到全局特征集合，基于局部特征池化方法从所述全局特征集合中筛选出局部特征集合，对所述局部特征集合中的特征进行误差反馈训练，得到标准局部特征集合，提取所述标准局部特征集合中特征的局部特征向量，并基于所述局部特征向量的权重向量进行聚类，得到聚类结果。此外，本发明还涉及区块链技术，所述待聚类数据集合可从区块链的节点中获取。本发明还提出一种局部聚类装置、电子设备以及可读存储介质。本发明可以解决聚类准确率较低的问题。
局部方法装置设备存储介质

[发明专利]图像与文本匹配方法、装置、电子设备及存储介质-CN202210834141.8在审
发明人：刘羲;舒畅;陈又新 -专利权人：平安科技（深圳）有限公司
申请日： 2022-07-14 - 公布日： 2022-09-23 - 主分类号： G06F16/33 文献下载
摘要：本发明涉及智能决策领域，揭露一种图像与文本匹配方法、装置、电子设备以及存储介质，所述方法包括：获取训练图像与训练文本；利用预构建的匹配模型的自注意力机制对训练图像与训练文本进行特征提取；利用预构建的匹配模型的融合注意力机制对图像特征与文本特征进行融合，得到融合注意力值；对融合图像特征与融合文本特征进行匹配，得到初始匹配结果；利用预构建的匹配模型的损失函数计算匹配结果的损失值；若损失值大于预设阈值调整预构建的匹配模的模型参数，返回对训练图像与训练文本进行特征提取；损失值不大于预设阈值得到训练好的模型，利用匹配模型对待匹配数据进行匹配，得到最终匹配结果。本发明可以提高图像与文本匹配的准确度。
图像文本匹配方法装置电子设备存储介质

[发明专利]模型训练方法、图像描述生成方法、装置及存储介质-CN202210544943.5有效
发明人：舒畅;陈又新;肖京 -专利权人：平安科技（深圳）有限公司
申请日： 2022-05-19 - 公布日： 2022-09-16 - 主分类号： G06V10/82 文献下载
摘要：本发明涉及人工智能技术，提供了一种模型训练方法、图像描述生成方法、装置及存储介质，该方法包括：获取训练图像；将训练图像输入已训练的目标检测模型，输出多个目标对象、目标类别标签、以及置信度；基于置信度，对各个目标类别标签进行排序，并根据排序后的目标类别标签和预设的数量阈值确定关键标签；根据关键标签构造有限状态自动机，并输出关键描述词序列；基于集束搜索算法，根据关键描述词序列确定伪图像描述；将训练图像和伪图像描述作为训练数据，对图像描述生成模型进行训练。根据本发明实施例提供的方案，通过生成伪图像描述，避免进行大量的人工标注，从而降低人工成本，并且避免描述词缺失，从而提高预测语句的准确性。
模型训练方法图像描述生成装置存储介质

[发明专利]基于人工智能的图像分割方法、装置、设备及存储介质-CN202210635568.5在审
发明人：郑喜民;胡浩楠;舒畅;陈又新 -专利权人：平安科技（深圳）有限公司
申请日： 2022-06-06 - 公布日： 2022-09-02 - 主分类号： G06V10/26 文献下载
摘要：本申请涉及人工智能技术领域，揭示了一种基于人工智能的图像分割方法、装置、设备及存储介质，其中方法包括：获取目标图像；将所述目标图像输入预设的图像分割模型进行图像分割，得到所述目标图像对应的目标图像分割结果；其中，所述图像分割模型是采用基于预测不确定度加权的图像分割损失函数训练得到的模型。通过采用基于预测不确定度加权的图像分割损失函数训练得到的模型进行图像分割，实现将预测不确定度作为加权的权重，避免了用只考虑预测值与真实值之间差距的损失函数训练出的模型进行图像分割，提高了预测的分割结果的准确性，提高了模型预测的可靠性。
基于人工智能图像分割方法装置设备存储介质

[发明专利]机器阅读理解的问答方法、装置、计算机设备及存储介质-CN202110465589.2有效
发明人：程华东;舒畅;陈又新;李剑锋 -专利权人：平安科技（深圳）有限公司
申请日： 2021-04-28 - 公布日： 2022-09-02 - 主分类号： G06F16/36 文献下载
摘要：本发明公开了一种机器阅读理解的问答方法、装置、计算机设备及存储介质，所述方法包括获取用户提问的问句，对问句分类后分别进行预处理；获取经预处理的问句中的实体类型、意图类型及关键词表；根据实体类型和关键词表检索文档库得到答案文档集；将所述答案文档集中的文档进行切段和冗余过滤得到答案段落集；通过计算问句与答案段落集中每个段落的相关度分数得到优选段落集；根据优选段落集中的每个段落和问句以及问句的意图类型得到问句答案集；对所述问句答案集中的问句答案进行排序得到最优答案。本发明的技术方案实现了跨文档、跨段落阅读理解获取答案，机器阅读理解模型构建简单，表达能力强，成本低，同时提高了获取问句答案的准确率。
机器阅读理解问答方法装置计算机设备存储介质

[发明专利]基于双模态特征融合的问答方法、装置、设备和存储介质-CN202210633637.9在审
发明人：唐小初;张祎頔;舒畅;陈又新 -专利权人：平安科技（深圳）有限公司
申请日： 2022-06-06 - 公布日： 2022-08-30 - 主分类号： G06V10/44 文献下载
摘要：本申请涉及语音语义领域，提供基于双模态特征融合的问答方法、装置、设备和存储介质，其中方法包括：获取输入图像和输入问句，通过已训练的图像检测模型提取所述输入图像的目标区域特征，将目标区域特征输入已训练的卷积神经网络，得到平均图像特征。对所述输入问句进行词性标注，得到标注问句。通过已训练的文本检测模型提取标注问句的词向量，得到平均文本特征。将平均图像特征和平均文本特征进行特征融合，得到融合特征。将融合特征输入到长短期记忆神经网络进行解码，得到答案文本。平均图像特征不包含背景，噪声含量比较低。基于仅包含提问词和相关名词得到的平均文本特征不受其他词的影响。由平均图像特征和平均文本特征得到的答案文本也较为准确。
基于双模特征融合问答方法装置设备存储介质

[发明专利]分类模型的后验校准方法、装置、计算机设备及介质-CN202210635225.9在审
发明人：郑喜民;王颖妮;舒畅;陈又新 -专利权人：平安科技（深圳）有限公司
申请日： 2022-06-07 - 公布日： 2022-08-30 - 主分类号： G06K9/62 文献下载
摘要：本申请适用于人工智能技术领域，尤其涉及一种分类模型的后验校准方法、装置、计算机设备及介质。该方法将获取的验证训练集分别输入预训练好的N种分类模型，得到每种分类模型下验证训练集中每个数据对应的预测向量和标签向量，根据每个预测向量和对应的标签向量，构建对应一种分类模型的转换函数，确定N个转换函数，对所有转换函数进行加权求和，确定加权求和后的函数为待校准分类模型的更新损失函数，使用预训练集对更新损失函数后的待校准分类模型进行再训练，直至更新损失函数收敛后，得到后验校准好的分类模型，采用集成不同预训练好的分类模型来构建更新损失函数，提高了更新损失函数的有效性和泛化能力，使得校准的分类模型的准确率较高。
分类模型校准方法装置计算机设备介质

[发明专利]一种口语测评方法及电子设备-CN202210636456.1在审
发明人：奚悦;潘芸倩;万欣茹;叶静娴;陈又新 -专利权人：平安科技（深圳）有限公司
申请日： 2022-06-07 - 公布日： 2022-08-30 - 主分类号： G06F3/0481 文献下载
摘要：一种口语测评方法及电子设备，应用于与至少两个学生端通信连接的教师端，该方法包括：教师端生成第一交互界面，第一交互界面与学生端上生成的第二交互界面同步显示直播信息。当检测到第一交互界面的第一交互指令，教师端生成第一测评界面，并向全部学生端同步发送第一测评指令，使得每个学生端断开直播声音通道并生成第二测评界面以进行口语测评。教师端同步获取每个学生端的口语测评信息以在第一测评界面中进行显示。最后，当检测到第一测评界面的第二交互指令，教师端向全部学生端同步发送第二测评指令，使得每个学生端结束口语测评。可见，学生端在直播课堂场景下进行同步口语测评，而不受直播声音打扰，有利于提升口语测评效率。
一种口语测评方法电子设备

[发明专利]特定区域的图像描述生成方法、装置、设备及存储介质-CN202210416674.4在审
发明人：舒畅;陈又新 -专利权人：平安科技（深圳）有限公司
申请日： 2022-04-20 - 公布日： 2022-08-30 - 主分类号： G06V10/42 文献下载
摘要：本申请涉及人工智能技术，提供了一种特定区域的图像描述生成方法、装置、设备及存储介质，方法包括：获取全局图像；基于预训练的第一特征提取网络模型对全局图像进行全局特征提取，得到全局图像特征图；基于预训练的第二特征提取网络模型对全局图像特征图进行局部特征提取，得到局部图像特征图；分别对全局图像特征图和局部图像特征图进行维度统一提取，得到全局图像特征向量和局部图像特征向量；对全局图像特征向量和局部图像特征向量进行融合，得到最终图像特征向量；基于预训练文本生成网络模型对最终图像特征向量进行文本生成，得到特定区域描述文本，通过上述技术方案能够提高特定区域的图像文本描述的准确率。
特定区域图像描述生成方法装置设备存储介质

[发明专利]基于人工智能的人脸替换方法、装置、设备及存储介质-CN202210679353.3在审
发明人：郑喜民;周成昊;舒畅;陈又新 -专利权人：平安科技（深圳）有限公司
申请日： 2022-06-15 - 公布日： 2022-08-30 - 主分类号： G06V40/16 文献下载
摘要：本申请涉及人工智能技术领域，揭示了一种基于人工智能的人脸替换方法、装置、设备及存储介质，其中方法包括：获取待替换人脸图像和目标人脸标识；根据所述待替换人脸图像、所述目标人脸标识和预设的人脸替换模型进行人脸替换，得到高分辨率人脸图像；其中，所述人脸替换模型依次包括：编码单元、人脸判别单元、各个解码单元和高分辨率处理单元。从而最终输出的人脸图像拥有更高的分辨率，使本申请的人脸替换模型可以对任意人脸进行替换，在编码单元后接入人脸判别单元，使得人脸判别单元能够监督编码单元提取人脸的共性特征，提高了本申请的泛化能力，训练时间短，损失函数极易收敛。
基于人工智能替换方法装置设备存储介质

[发明专利]观测数据的生成方法、装置、电子设备及存储介质-CN202210512465.X在审
发明人：郑喜民;王颖妮;舒畅;陈又新 -专利权人：平安科技（深圳）有限公司
申请日： 2022-05-12 - 公布日： 2022-08-19 - 主分类号： G06T11/00 文献下载
摘要：本发明涉及数据决策领域，揭露一种观测数据的生成方法、装置、电子设备以及存储介质，所述方法包括：获取训练数据，通过编码器将所述训练数据转化为隐变量，提取所述隐变量的特征映射；通过预设算法计算所述编码器中每个卷积层的相关性分数；根据所述特征映射，将每个所述相关性分数进行线性组合得到所述隐变量的注意力图；对每个所述注意力图进行聚合，得到聚合注意力图，根据所述聚合注意力图，识别所述训练数据对应观测数据的生成原理；根据所述生成原理，利用解码器对所述隐变量进行观测数据解码，得到所述训练数据对应的观测数据。本发明可以提升观测数据生成的可靠性。
观测数据生成方法装置电子设备存储介质

[发明专利]基于多分类器的增量训练方法、装置、设备和介质-CN202210599548.7在审
发明人：舒畅;陈又新 -专利权人：平安科技（深圳）有限公司
申请日： 2022-05-30 - 公布日： 2022-08-19 - 主分类号： G06N3/08 文献下载
摘要：本申请的基于多分类器的增量训练方法、装置、设备和介质，其中方法包括：基于池化知识蒸馏构建第一损失函数，使用所述第一损失函数对卷积神经网络的特征提取器及主分类器进行训练，更新特征提取器参数和主分类器参数；根据副分类器和标注数据的副分类器交叉熵损失函数，以及副分类器之间的分类器差异损失函数，构建第二损失函数；通过所述第二损失函数对所述副分类器进行训练，更新副分类器参数。在计算新旧模型差异时在传统知识蒸馏的基础上加入池化操作，使得第一损失函数具有更好的可塑性，得到的模型能够更好的适应新任务。相比于单分类器的增量训练模型，引入多个副分类器计算第二损失函数能够使得增量训练模型更为鲁棒。
基于分类增量训练方法装置设备介质

[发明专利]基于人工智能的文本向量生成方法、装置、设备及介质-CN202210599560.8在审
发明人：唐小初;舒畅;陈又新 -专利权人：平安科技（深圳）有限公司
申请日： 2022-05-30 - 公布日： 2022-08-16 - 主分类号： G06F16/35 文献下载
摘要：本申请涉及人工智能技术领域，揭示了一种基于人工智能的文本向量生成方法、装置、设备及介质，其中方法包括：获取目标文本；将所述目标文本输入预设的文本向量生成模型进行文本向量生成，得到所述目标文本对应的目标文本向量；其中，所述文本向量生成模型是采用孪生技术和停止梯度技术，对预设的初始模型训练得到的模型；所述初始模型依次包括：特征提取初始单元、平均池化初始单元和线性映射初始单元。通过在初始模型中添加线性映射初始单元和通过停止梯度技术，使初始模型可以学习到文本有意义的表示向量，而且避免了将所有数据的表示都学习到非常相似，从而解决了孪生网络的奔溃解，从而提高了确定的目标文本向量的准确性。
基于人工智能文本向量生成方法装置设备介质

[发明专利]文本摘要生成方法、装置、电子设备及可读存储介质-CN202210505193.0在审
发明人：舒畅;陈又新 -专利权人：平安科技（深圳）有限公司
申请日： 2022-05-10 - 公布日： 2022-08-16 - 主分类号： G06F40/258 文献下载
摘要：本发明涉及人工智能技术，揭露了一种文本摘要生成方法，包括：获取待处理文本，将待处理文本进行分词，得到文本分词序列；根据文本分词序列获取文本类别，并获取文本类别的类别关键词；将文本分词序列及类别关键词进行向量转换，得到文本分词向量序列以及类别向量；将类别向量分别与文本分词向量序列进行向量拼接，得到隐藏向量序列；利用预设的解码模型生成多个时间步，获取当前时间步的解码状态，并计算上下文关联向量；根据解码状态及上下文关联向量生成每个时间步的部分摘要，根据每个时间步的部分摘要得到待处理文本的文本摘要。本发明还提出一种文本摘要生成装置、电子设备以及存储介质。本发明可以提高生成文本摘要的精确度。
文本摘要生成方法装置电子设备可读存储介质