“特征模型”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果3060451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-CN202210836939.6在审
发明人：胡亚非 -专利权人：维沃移动通信（杭州）有限公司
申请日： 2022-07-15 - 公布日： 2022-09-27 - 主分类号： G06V40/16 文献下载
摘要：该方法包括：获取第一人脸图像的第一人脸特征信息；将该第一人脸特征信息输入人脸特征分析模型，输出N张人脸特征图；该人脸特征分析模型包括N个子人脸特征分析模型，一个子人脸特征分析模型对应输出一张人脸特征图；一个子人脸特征分析模型对应一个年龄段；将该N张人脸特征图中的特征信息进行混合，得到具有年龄特性的第二人脸特征信息；基于该第二人脸特征信息，确定出上述第一人脸图像对应的人物年龄；其中，上述N个子人脸特征分析模型中的任一子人脸特征分析模型中的模型参数用于表征：该任一子人脸特征分析模型对应的年龄段具有的年龄特性。
图像识别方法装置电子设备可读存储介质

[发明专利]分类模型训练和图像特征提取方法及装置-CN202210363460.5在审
发明人：李亚桢;杨若楠;翁立宇 -专利权人：广州极飞科技股份有限公司
申请日： 2022-04-07 - 公布日： 2022-08-09 - 主分类号： G06V10/774 文献下载
摘要：本申请公开了一种分类模型训练和图像特征提取方法及装置。本申请包括：依次获取最新的训练样本集合，通过每次获取到的训练样本集合中的样本图像训练出对应的第一特征提取模型；根据每次训练出的第一特征提取模型输出的对应样本图像的描述值，从当前训练样本集合中筛选出目标样本集合并对训练样本集合进行更新，确定每次筛选出的目标样本集合对应的目标特征提取模型，目标特征提取模型为第一特征提取模型或第二特征提取模型，第二特征提取模型由目标样本集合训练得到；基于多次训练得到的目标特征提取模型和对应的目标样本集合，训练得到数据分类模型。本申请解决了现有技术不适用于提取复杂场景图像的特征的问题，提高特征提取方法的适用性。
分类模型训练图像特征提取方法装置

[发明专利]目标检测模型处理方法、装置及电子设备-CN202310155524.7在审
发明人：黄奇;李源 -专利权人：上海点泽智能科技有限公司
申请日： 2023-02-23 - 公布日： 2023-05-12 - 主分类号： G06V10/44 文献下载
摘要：本申请提供一种目标检测模型处理方法，所述方法包括：获取多个预设背景上不包含前景目标的样本图像；通过待训练的特征提取模型分别对多个样本图像进行特征提取，获得多个第一特征图；获得多个第一特征图之间的差异统计数据；以最小化差异统计数据为目的对特征提取模型的模型参数进行更新，获得训练完成的特征提取模型；将特征提取模型提取的特征图输入待训练的可逆神经网络模型，训练可逆神经网络模型将第一特征图映射至一第一数据矩阵，且使第一数据矩阵符合预设的目标函数的目标分布，获得训练完成的可逆神经网络模型。如此，以使得特征提取模型提取的特征图在后续经过可逆神经网络进行目标检测时，在不同的光影条件下具有更好的鲁棒性。
目标检测模型处理方法装置电子设备

[发明专利]目标跟踪方法、网络模型及其训练方法、设备和介质-CN202110462123.7有效
发明人：路金诚;张伟;谭啸;孙昊 -专利权人：北京百度网讯科技有限公司
申请日： 2021-04-27 - 公布日： 2023-09-01 - 主分类号： G06T7/246 文献下载
摘要：本公开提供了一种目标跟踪方法、网络模型及其训练方法、设备和介质，涉及人工智能领域，具体为计算机视觉和深度学习技术，可应用于智能交通或智慧城市场景下。该目标跟踪网络模型包括：第一特征提取子模型，第一特征提取子模型被配置为接收当前待检测视频帧以输出第一特征图；第一特征提取子模型之后的目标检测子模型，目标检测子模型被配置为接收第一特征图以输出在当前待检测视频帧中的至少一个检测目标以及包围至少一个检测目标中的每一个检测目标的检测框；以及第一特征提取子模型之后的第二特征提取子模型，第二特征提取子模型被配置为接收第一特征图以输出不同于第一特征图的当前待检测视频帧的第二特征图。
目标跟踪方法网络模型及其训练设备介质

[发明专利]三维模型检索方法及装置-CN202210471364.2在审
发明人：徐宇航;唐忠樑 -专利权人：每平每屋（上海）科技有限公司
申请日： 2022-04-28 - 公布日： 2022-08-02 - 主分类号： G06F16/53 文献下载
摘要：本说明书一个或多个实施例提供一种三维模型检索方法及装置，该方法包括：获取与待检索的目标部件对应的二维图像；将二维图像输入训练完成的第一预测模型，以使第一预测模型基于二维图像进行特征提取，得到与目标部件对应的部件特征向量；其中，第一预测模型基于被标注了部件类型的二维图像样本进行有监督训练得到；分别确定部件特征向量与三维模型库中的各三维模型对应的模型特征向量是否匹配；其中，模型特征向量由训练完成的第二预测模型基于三维模型进行特征提取得到；第二预测模型基于被标注了部件类型的三维模型样本进行有监督训练得到；将与部件特征向量匹配的模型特征向量对应的三维模型，确定为与目标部件对应的三维模型。
三维模型检索方法装置

[发明专利]虚拟装备的适配方法、装置、存储介质与电子设备-CN202310381988.X在审
发明人：刘晨珺 -专利权人：网易（杭州）网络有限公司
申请日： 2023-04-10 - 公布日： 2023-07-04 - 主分类号： A63F13/55 文献下载
摘要：该方法包括：提取第一虚拟装备模型的装备特征，第一虚拟装备模型适配于第一体型，第一体型为第一体型对象模型对应的体型；基于第一虚拟装备模型的装备特征，确定第一体型对象模型对应的特征点模型以及第二体型对象模型对应的特征点模型；基于第一体型对象模型对应的特征点模型以及第一体型对象模型对应的特征点模型，将第一虚拟装备模型进行调整，得到适配于第二体型且与第一虚拟装备模型样式一致的第二虚拟装备模型，第二体型为第二体型对象模型对应的体型
虚拟装备配方装置存储介质电子设备

[发明专利]图像处理模型训练方法、系统、计算机设备及存储介质-CN202210702620.4有效
发明人：司世景;王健宗;张传尧 -专利权人：平安科技（深圳）有限公司
申请日： 2022-06-21 - 公布日： 2022-09-02 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及人工智能技术领域，揭露了一种图像处理模型训练方法、系统、计算机设备及存储介质，该方法通过基于服务模型参数构建初始本地模型；采用孪生网络模型对样本图像进行特征提取得到第一损失值；孪生网络模型基于初始本地模型构建；获取全局图像特征，通过初始本地模型对样本图像进行特征提取得到本地图像特征；根据全局图像特征以及本地图像特征确定第二损失值；根据第一损失值以及第二损失值对初始本地模型进行更新，得到更新本地模型；更新本地模型关联更新模型参数；将更新模型参数发送至服务器中，以令服务器根据更新模型参数对服务全局模型进行更新，得到图像处理模型。本发明提高了图像处理模型训练效率以及准确率。
图像处理模型训练方法系统计算机设备存储介质

[发明专利]视频处理方法、装置、计算机设备和存储介质-CN202210929241.9在审
发明人：徐雪;杨洁琼;阮明慧;江文乐 -专利权人：中国工商银行股份有限公司
申请日： 2022-08-03 - 公布日： 2022-10-04 - 主分类号： G06T3/40 文献下载
摘要：所述方法包括：获取待处理视频中视频帧的特征参数；将特征参数输入预先训练的空间模型，得到视频帧的空间特征；将空间特征输入预先训练的时间模型，通过时间模型对空间特征和视频帧的时间特征进行融合，得到视频帧的第一融合特征；时间特征通过时间模型得到；将第一融合特征输入预先训练的编解码模型，通过编解码模型对第一融合特征和视频帧的尺度特征进行融合，得到视频帧的第二融合特征；尺度特征通过编解码模型得到；根据第二融合特征，得到与待处理视频对应的超分辨率视频
视频处理方法装置计算机设备存储介质

[发明专利]文本识别方法、装置、设备及存储介质-CN202210194555.9在审
发明人：李轩增 -专利权人：北京字节跳动网络技术有限公司
申请日： 2022-03-01 - 公布日： 2022-05-31 - 主分类号： G06V30/416 文献下载
摘要：本公开涉及一种文本识别方法、装置、设备及存储介质，该方法包括：获取待识别的文本；通过识别模型对文本进行识别，得到文本的识别结果，识别结果用于标识文本是否为汇编文本，其中，识别模型包括深度模型和宽度模型，识别模型用于通过如下方式对文本进行识别：基于文本确定目标特征，目标特征包括文本对应的向量特征、字数特征、标题与正文的相关度特征和话题离散度特征；将目标特征中的向量特征输入深度模型，得到第一识别结果，并将目标特征中的向量特征或目标特征包括的字数特征、标题与正文的相关度特征和话题离散度特征输入宽度模型，得到第二识别结果；将第一识别结果和第二识别结果进行加权合并，得到文本的识别结果。
文本识别方法装置设备存储介质

[发明专利]用于语音合成的深度神经网络模型的训练方法及装置-CN201510339032.9有效
发明人：盖于涛;康永国 -专利权人：百度在线网络技术（北京）有限公司
申请日： 2015-06-17 - 公布日： 2017-11-17 - 主分类号： G10L13/02 文献下载
摘要：本发明提出一种用于语音合成的深度神经网络模型的训练方法及装置，其中，该方法包括从训练语料中提取上下文语境特征和音子边界特征；从训练语料提取声学特征参数；将上下文语境特征作为深度神经网络模型的输入特征，并将音子边界特征、声学参数特征和相邻时长特征作为深度神经网络模型的输出特征，对深度神经网络模型进行训练。本发明实施例的用于语音合成的深度神经网络模型的训练方法及装置，提供了一种语境特征、声学特征与音子边界特征同步建模的方式，增加了声学特征与语境特征对时长的同步约束，所建立的模型符合人的发音特性，模型准确度较高
用于语音合成深度神经网络模型训练方法装置

[发明专利]图像目标的检测方法、装置及终端设备-CN202211142192.0在审
发明人：殷光强;唐飞;梁杰;王新中;王治国;游长江;石文武;李耶;侯少麒 -专利权人：深圳信息职业技术学院
申请日： 2022-09-20 - 公布日： 2022-12-23 - 主分类号： G06V10/80 文献下载
摘要：本申请提供了一种图像目标的检测方法、装置及终端设备，适用于图像融合技术领域，该方法包括：将待检测图像输入特征融合网络模型，特征融合网络模型包括第一网络模型和第二网络模型；第一网络模型对待检测图像进行特征提取，得到多尺度的图像卷积特征层；将多尺度的图像卷积特征层输入第二网络模型，由第二网络模型进行池化处理，得到第二网络模型输出的多尺度的图像池化特征层，并将多尺度的图像池化特征层反馈至第一网络模型；将第一网络模型的输出作为第二网络模型的输入，由第二网络模型进行池化处理，输出待检测图像的目标特征。该方法能够实现对特征信息进行优化、提高特征信息利用度，以降低目标检测难度；其具有较强的易用性与实用性。
图像目标检测方法装置终端设备

[发明专利]一种神经网络模型的训练方法、电子设备及存储介质-CN201711184229.5在审
发明人：徐鹏飞;赵瑞 -专利权人：深圳市深网视界科技有限公司
申请日： 2017-11-23 - 公布日： 2018-05-08 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种神经网络模型的训练方法，包括：获取第一图像特征和第二图像特征；第一图像特征为图片A经过已经训练完成的模型所输出的图像特征，第二图像特征为图片A经过待训练模型所输出的图像特征；获取分类概率；分类概率为第二图像特征经过待训练模型的分类层所输出的分类概率；根据第一图像特征、第二图像特征及分类概率更新待训练模型的参数直到第二图像特征与所述第一图像特征相拟合。本发明还公开了一种电子设备及存储介质，本发明提供的神经网络模型的训练方法、电子设备及存储介质根据第一图像特征、第二图像特征及分类概率更新待训练模型的参数，训练得到一个与已经训练完成的大模型精度相当的小模型
一种神经网络模型训练方法电子设备存储介质

[发明专利]模型构建的方法和装置、照片生成方法和装置-CN202311028443.7有效
发明人：唐宇 -专利权人：海马云（天津）信息技术有限公司
申请日： 2023-08-16 - 公布日： 2023-10-13 - 主分类号： G06T11/00 文献下载
摘要：本申请提供了一种模型构建的方法和装置、照片生成方法和装置、电子设备及存储介质，方法包括：确定第一LoRA模型作用于LDM模型的Unet网络的块结构的各个特征层中影响所述第一LoRA模型对应对象相似度的主要特征层记为第一特征层，确定第二LoRA模型作用于所述Unet网络的块结构的各个特征层中影响所述第二LoRA模型对应对象相似度的主要特征层记为第二特征层；在所述LDM模型的基础上，通过保留所述第一特征层和第二特征层中作用位置不同的各个特征层，和/或保留所述第一特征层和第二特征层中作用位置相同的各个特征层，并调整相同作用位置的至少一个特征层的作用权重系数，构建目标模型，通过该方案能够解决LoRA模型冲突的问题，便于生成特定风格的照片。
模型构建方法装置照片生成

[发明专利]图像识别模型训练方法及装置-CN202111338332.7在审
发明人：钟艺豪;蔡锐涛 -专利权人：有米科技股份有限公司
申请日： 2021-11-12 - 公布日： 2022-03-08 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种图像识别模型训练方法及装置，该方法包括：确定训练好的第一图像识别模型；第一图像识别模型包括有训练好的第一特征编码网络；确定待训练的第二图像识别模型；第二图像识别模型的模型参数少于第一图像识别模型的模型参数；将第二图像识别模型中的第二特征编码网络的网络参数，确定为第一特征编码网络的网络参数；确定损失函数为第一特征编码网络的特征输出和第二特征编码网络的特征输出之间的差异，对第一图像识别模型和第二图像识别模型进行联合训练，得到训练好的第二图像识别模型。可见，通过本发明的方案训练得到的第二图像识别模型可以保持较小的规模的同时达到更好的识别效果。
图像识别模型训练方法装置

[发明专利]基于全局特征共享的个性化联邦学习方法、装置及系统-CN202310788877.0在审
发明人：李成林;张豪;戴文睿;邹君妮;熊红凯 -专利权人：上海交通大学
申请日： 2023-06-30 - 公布日： 2023-09-19 - 主分类号： G06N20/20 文献下载
摘要：本发明涉及一种基于全局特征共享的个性化联邦学习方法、装置及系统。基于全局特征共享的个性化联邦学习方法应用于客户端，包括：接收服务器发送的全局特征提取器模型和全局特征；根据全局特征提取器模型和本地分类器模型，初始化本地模型；将本地图像数据输入经过初始化的本地模型进行模型训练，确定本地模型的损失函数，损失函数包括本地图像数据的训练标签和真实标签之间的交叉熵损失、条件互信息正则项；根据本地模型的损失函数，基于反向传播对本地模型进行第一更新处理；当本地模型收敛时，确定目标本地模型本公开通过引入全局特征和条件互信息正则项，共享全局特征，提高本地模型的泛化表现，并防止本地模型的过拟合。
基于全局特征共享个性化联邦学习方法装置系统