“杨黔生”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25个，建议您升级VIP下载更多相关专利

[发明专利]检测指尖位置的方法、装置、设备和存储介质-CN202011439152.3有效
发明人： 杨黔生;沈辉;王健;丁二锐 -专利权人：北京百度网讯科技有限公司
申请日： 2020-12-11 - 公布日： 2023-10-03 - 主分类号： G06F3/041 文献下载
摘要：本申请公开了一种检测指尖位置的方法、装置、设备和存储介质，涉及人工智能技术领域，具体涉及计算机视觉和深度学习等领域。具体实现方案包括：获取样本图像以及与样本图像对应的多个分辨率下的标注特征，其中，样本图像中包括指尖，标注特征包括指尖标注特征；基于机器学习模型，从样本图像中提取出多个分辨率下的样本特征，样本特征包括对指尖位置预测的指尖样本特征；对于每个分辨率，根据分辨率下的指尖标注特征和指尖样本特征，训练机器学习模型，以生成指尖检测模型，指尖检测模型用于检测待检测图像中的指尖位置。本申请实施例的技术方案可以应用于语音讲解、在线教育、智能教育等场景下，可以提高指尖检测的精度和效率。
检测指尖位置方法装置设备存储介质

[发明专利]关键点检测及模型训练方法、装置、设备和存储介质-CN202111196690.9有效
发明人： 杨黔生 -专利权人：北京百度网讯科技有限公司
申请日： 2021-10-14 - 公布日： 2023-09-22 - 主分类号： G06V40/10 文献下载
摘要：本公开提供了一种关键点检测及模型训练方法、装置、设备和存储介质，涉及人工智能领域，具体涉及计算机视觉和深度学习技术，具体可用于行为识别、人体特效生成、娱乐游戏交互等场景下。关键点检测方法包括：对图像进行特征提取处理，以获得所述图像的图像特征；基于所述图像特征，获取所述图像中的目标的关键点的图信息，所述图信息包括：所述关键点的位置关系图，以及所述关键点中的中心点的位置信息；基于所述关键点的位置关系图和所述中心点的位置信息，获取所述关键点中的非中心点的位置信息。本公开可以提高关键点检测精度。
关键检测模型训练方法装置设备存储介质

[发明专利]人体重建方法和装置-CN202210769316.1有效
发明人： 杨黔生 -专利权人：北京百度网讯科技有限公司
申请日： 2022-06-30 - 公布日： 2023-09-19 - 主分类号： G06T17/00 文献下载
摘要：本公开提供了人体重建方法和装置，涉及人工智能技术领域，具体涉及计算机视觉、图像处理和深度学习技术领域。具体实施方式包括：将人体图像输入人体重建模型，利用所述人体重建模型的主干网络，提取所述人体图像的特征；基于人体重建模型中的两个分支网络，分别处理特征，得到关键点定位图和形态特征图；利用所述人体重建模型，对所述关键点定位图和所述形态特征图进行融合，生成蒙皮多人线性SMPL参数，其中，所述SMPL参数包括姿态参数和形态参数。本公开提供了两个分支网络，可以提高预测的准确度。
人体重建方法装置

[发明专利]感知模型的生成方法、装置、计算机设备及存储介质-CN202310707536.6在审
发明人： 杨黔生 -专利权人：北京百度网讯科技有限公司
申请日： 2023-06-14 - 公布日： 2023-08-29 - 主分类号： G06T13/40 文献下载
摘要：本公开提出一种感知模型的生成方法、装置、计算机设备及存储介质，涉及人工智能技术领域，具体为计算机视觉、增强现实、虚拟现实、深度学习等技术领域，可应用于元宇宙等场景。包括：获取训练数据集，对图像序列中的每个图像帧进行特征提取及分割，得到每个图像帧对应的图像特征序列，然后分别输入初始感知模型中的时空特征提取网络，获取对应的时空特征序列，之后输入到初始感知模型中的感知网络，获取感知结果，然后再基于感知结果与训练数据集中的标注数据间的差异，对时空特征提取网络及感知网络进行修正，直至获取训练后的感知模型。由此，感知模型可以一次性对多个主体分别进行感知，提高了生成的感知模型在多主体场景下的效率和感知速度。
感知模型生成方法装置计算机设备存储介质

[发明专利]图像生成方法、训练方法、装置、电子设备以及存储介质-CN202310644996.9在审
发明人： 杨黔生 -专利权人：北京百度网讯科技有限公司
申请日： 2023-06-01 - 公布日： 2023-08-18 - 主分类号： G06T11/00 文献下载
摘要：本公开提供了图像生成方法、训练方法、装置、电子设备以及存储介质，涉及人工智能技术领域，尤其涉及计算机视觉、增强现实、虚拟现实、深度学习等技术领域，可应用于元宇宙等场景。具体实现方案为：根据预设视角射线中的采样点，以及与预设视角射线对应的预设视角方向，确定与目标对象相关的对象表面特征，预设视角射线为基于预设位置沿着预设视角方向辐射的射线，预设视角方向为从预设位置朝向目标对象的方向；根据与目标对象相关的描述文本，以及对象表面特征，生成表征目标对象的目标图像。
图像生成方法训练装置电子设备以及存储介质

[发明专利]手势识别方法、装置、设备、存储介质以及程序产品-CN202110723838.3有效
发明人： 杨黔生;王健;丁二锐 -专利权人：北京百度网讯科技有限公司
申请日： 2021-06-29 - 公布日： 2023-08-08 - 主分类号： G06V40/10 文献下载
摘要：本公开的实施例公开了手势识别方法、装置、设备、存储介质以及程序产品，涉及人工智能领域，具体为计算机视觉和深度学习技术，可应用于手势识别场景下。该方法的一具体实施方式包括：获取手部图像；将手部图像输入至预先训练的手势识别模型，得到手势识别结果，其中，手势识别模型用于融合其提取的手部图像特征与预先训练的手部关键点检测模型提取的手部图像特征，以及根据融合结果生成手势识别结果。该实施方式有助于提升手势识别的准确度。
手势识别方法装置设备存储介质以及程序产品

[发明专利]关键点的识别方法、装置及存储介质-CN202110085505.2有效
发明人：沈辉;王健;杨黔生;孙昊 -专利权人：北京百度网讯科技有限公司
申请日： 2021-01-21 - 公布日： 2023-08-04 - 主分类号： G06V40/10 文献下载
摘要：本公开公开了一种关键点的识别方法、装置及存储介质，涉及深度学习、计算机视觉等人工智能技术领域。具体实现方案为：将包含目标物体的图片输入包括M层卷积层的预设卷积神经网络，获取每层卷积层输出的初始特征图，其中，M为大于2的自然数；根据初始特征图，获取与每层卷积层对应的参考特征图；分别获取与每个参考特征图的热力图，并根据热力图和对应的参考特征图获取每个参考特征图的候选特征图；根据所有候选特征图，获取目标物体的关键点信息。由此，提高了关键点识别的精确度。
关键识别方法装置存储介质

[发明专利]姿态描述信息生成方法、模型的训练方法和装置-CN202310368650.0在审
发明人： 杨黔生 -专利权人：北京百度网讯科技有限公司
申请日： 2023-04-07 - 公布日： 2023-07-04 - 主分类号： G06V10/774 文献下载
摘要：本公开提供了一种姿态描述信息生成方法、模型的训练方法和装置，涉及人工智能领域，具体为计算机视觉、增强现实、虚拟现实、深度学习等技术领域，可应用于元宇宙、数字人等场景。具体实现方案为：对目标图像进行特征提取，得到目标图像的特征图，目标图像包括至少一个目标对象；根据特征图，确定目标图像中至少一个目标对象各自对应的位置信息；根据至少一个目标对象各自对应的位置信息，从特征图中提取出与至少一个目标对象各自对应的形态特征；以及根据形态特征，生成与至少一个目标对象各自对应的姿态描述信息。
姿态描述信息生成方法模型训练装置

[发明专利]一种人体关键点检测方法、装置、设备及存储介质-CN202210323217.0有效
发明人： 杨黔生 -专利权人：北京百度网讯科技有限公司
申请日： 2022-03-29 - 公布日： 2023-06-16 - 主分类号： G06V40/10 文献下载
摘要：本公开提供了一种人体关键点检测方法、装置、设备及存储介质，涉及人工智能技术领域，具体涉及深度学习和计算机视觉技术领域，可应用于3D视觉、增强现实和虚拟现实等场景。具体实现方案为：获取待检测视频帧序列；对所述待检测视频帧序列中的待检测视频帧进行人体关键点检测，得到所述待检测视频帧对应的人体关键点之间的向量和人体关键点热图；根据所述人体关键点之间的向量和所述人体关键点热图，确定所述待检测视频帧中人体关键点的位置信息。通过上述技术方案，可以高效且精准定位视频帧中人体的关键点。
一种人体关键检测方法装置设备存储介质

[发明专利]3D重建网络的训练方法、3D重建方法、装置、设备和介质-CN202211066959.6有效
发明人： 杨黔生 -专利权人：北京百度网讯科技有限公司
申请日： 2022-09-01 - 公布日： 2023-05-26 - 主分类号： G06T17/00 文献下载
摘要：本公开提供一种3D重建网络的训练方法、3D重建方法、装置、设备、介质和程序产品，涉及人工智能技术领域，尤其涉及深度学习、图像处理和计算机视觉技术，可应用于3D视觉、增强现实等场景。具体为：将第一网络和第二网络构建为重建网络，第一网络包括第一、第二输出层；将样本图像输入第一网络，将重建对象的关键点定位信息作为第一输出层的第一输出标签对第一网络进行第一监督训练；将样本图像输入训练后的第一网络，利用第一输出层的输出对第二输出层的输出进行局部特征抽取；将抽取到的局部注意力特征输入第二网络，将重建对象的重建模型参数作为第二网络的第二输出标签对重建网络进行第二监督训练。本公开可保证重建网络输出的有效性和稳定性。
重建网络训练方法装置设备介质

[发明专利]对象描述参数的生成方法、深度学习模型的训练方法-CN202210371622.X有效
发明人： 杨黔生 -专利权人：北京百度网讯科技有限公司
申请日： 2022-04-08 - 公布日： 2023-04-18 - 主分类号： G06V10/80 文献下载
摘要：本公开提供了一种对象描述参数的生成方法、深度学习模型的训练方法及装置、设备、介质和产品，涉及人工智能技术领域，具体为深度学习、计算机视觉技术领域，可应用于3D视觉、增强现实、虚拟现实等场景。具体实现方案包括：对图像序列进行特征提取，得到与图像序列中的至少一帧图像关联的图像特征；针对图像序列中的第i帧图像，对分别与第i帧图像和相邻帧图像关联的图像特征进行融合，得到针对第i帧图像的融合后的图像特征；以及基于融合后的图像特征，确定由第i帧图像指示的对象描述参数，i＝1，......N，N为大于1的整数，相邻帧图像包括图像序列中与第i帧图像相邻的至少一帧图像。
对象描述参数生成方法深度学习模型训练

[发明专利]视觉数据处理设备及视觉数据处理方法-CN202211661741.5在审
发明人：彭昊天;冯志强;杨黔生;陈睿智;赵晨 -专利权人：北京百度网讯科技有限公司
申请日： 2022-12-22 - 公布日： 2023-04-14 - 主分类号： G06F3/00 文献下载
摘要：本公开提供了一种视觉数据处理设备及视觉数据处理方法，涉及人工智能技术领域，尤其涉及增强现实、虚拟现实、计算机视觉和深度学习技术领域，可应用于元宇宙、计算机视觉和虚拟数字人等场景。具体实现方案为：多个视觉传感器，配置为响应于检测到同步采集指令，根据同步采集指令，采集同一时刻的目标对象的视觉数据，得到与多个视觉传感器对应的视觉数据，多个视觉传感器的视角范围彼此不同；主处理器，通过第一数据线与多个视觉传感器连接，配置为响应于接收到来自多个视觉传感器的视觉数据，对多个视觉数据进行处理，得到目标对象的位姿数据；主电源，通过第一电源线与多个视觉传感器和主处理器连接，配置为向多个视觉传感器和主处理器供电。
视觉数据处理设备方法

[发明专利]人体模型的重建方法、人体重建模型的训练方法及装置-CN202211666167.2在审
发明人： 杨黔生 -专利权人：北京百度网讯科技有限公司
申请日： 2022-12-23 - 公布日： 2023-03-10 - 主分类号： G06T17/00 文献下载
摘要：本公开提供了一种人体模型的重建方法、人体重建模型的训练方法及装置，涉及人工智能技术领域，具体为深度学习、图像处理、计算机视觉技术领域，可应用于3D视觉等场景。具体实现方案为：获取待重建人体图像，提取待重建人体图像的目标图像特征和目标逆运动学特征，其中，目标逆运动学特征表征待重建人体图像的各三维关键点之间的目标位置关联信息，根据目标图像特征和目标逆运动学特征，生成待重建人体图像的人体模型，使得生成的人体模型可以相对高度还原待重建人体图像中人体的特征，从而提高了人体模型的准确性、有效性、以及可靠性。
人体模型重建方法人体模型训练装置

[发明专利]重建网络的训练方法、重建方法、装置、设备和介质-CN202211067543.6在审
发明人： 杨黔生 -专利权人：北京百度网讯科技有限公司
申请日： 2022-09-01 - 公布日： 2022-12-16 - 主分类号： G06T17/20 文献下载
摘要：本公开提供了一种3D人体重建网络的训练方法、3D人体重建方法、装置、设备、介质和程序产品，涉及人工智能技术领域，尤其涉及深度学习、图像处理和计算机视觉技术，可应用于3D视觉、增强现实等场景。其中，3D人体重建网络的训练方法的具体实现方案为：利用人体模型参数的样本数据训练变分自编码网络，确定所述变分自编码网络中解码器的模型参数；根据特征提取网络和所述解码器构建重建网络；固化所述重建网络中所述解码器的模型参数，并利用人体图像的样本数据对所述重建网络进行监督训练，其中，所述重建网络用于预测所述人体图像的人体模型参数。本公开可以产生更自然的3D人体形态，保证重建网络输出的有效性和稳定性。
重建网络训练方法装置设备介质

[发明专利]关键点检测方法、神经网络的训练方法、装置和设备-CN202210893712.5有效
发明人： 杨黔生 -专利权人：北京百度网讯科技有限公司
申请日： 2022-07-27 - 公布日： 2022-10-04 - 主分类号： G06V10/82 文献下载
摘要：本公开提供了一种关键点检测方法、神经网络的训练方法、装置和设备，涉及人工智能领域，具体涉及图像处理、计算机视觉和深度学习等技术领域，可应用于3D视觉、增强现实、虚拟现实等场景。关键点检测方法包括：获取关于目标图像的多个图像，针对每一个图像，在该图像中确定与目标对象对应的多个关键点；获取多个关键点各自的表征在图像中的二维位置的二维信息；基于多个关键点各自的二维信息，确定与该图像对应的第一特征；以及针对多个图像中的每一个图像，利用神经网络基于与多个图像对应的多个第一特征强化与该图像对应的第一特征，以得到与该图像对应的第二特征；以及基于第二特征，确定该图像中的多个关键点各自的表征三维坐标的三维信息。
关键检测方法神经网络训练装置设备

1
2
下一页»
尾页
共 25 条