“G06V10/77”专利分类搜索_专利查询_文献下载_出售_求购_买卖_交易

钻瓜专利网为您找到相关结果4323个，建议您升级VIP下载更多相关专利

[发明专利]基于语义感知和自适应对比学习的零样本目标检测方法-CN202310832458.2在审
发明人：周水庚;刘欢;张路;赵佳佳 -专利权人：复旦大学
申请日： 2023-07-07 - 公布日： 2023-10-27 - 主分类号： G06V10/774 文献下载
摘要：本发明属于机器学习技术领域，具体为基于语义感知和自适应对比学习的零样本目标检测方法。本发明采用基于transformer网络的DETR作为目标检测模型框架，并引入基于注意力的语义感知模块，来缓解映射式零样本目标检测模型对已见类别的偏见；还采用基于度量学习的自适应对比损失，使模型学习到更好的特征表示，同时保持类别间的语义结构关系，进一步提升检测性能。实验结果表明，与现有方法相比，本发明在零样本目标检测任务上具有更好的性能和泛化能力，具有广泛的应用前景。
基于语义感知自适应对比学习样本目标检测方法

[发明专利]多任务学习模型的训练方法、装置、电子设备和存储介质-CN202310894754.5在审
发明人：许韩晨玺;张巨岩;许海洋;岳洪达 -专利权人：北京百度网讯科技有限公司
申请日： 2023-07-20 - 公布日： 2023-10-27 - 主分类号： G06V10/776 文献下载
摘要：本公开提出了一种多任务学习模型的训练方法、装置、电子设备和存储介质，涉及人工智能技术领域，尤其涉及深度学习、深度神经网络、图像处理技术领域。方法包括：获取第一训练样本的参考预测结果，参考预测结果不是基于第一训练样本的标签得到的；将第一训练样本输入初始模型中，得到第一训练样本的实际预测结果；基于参考预测结果和第一训练样本的实际预测结果，得到初始模型的总损失函数；基于总损失函数，对初始模型进行训练，得到多任务学习模型。由此，可基于第一训练样本的标签以外的其他途径，得到参考预测结果，并综合考虑到参考预测结果和第一训练样本的实际预测结果，得到总损失函数，有助于提升多任务学习模型的效果和泛化性。
任务学习模型训练方法装置电子设备存储介质

[发明专利]向量确定方法、装置、计算机设备和存储介质-CN202310898467.1在审
发明人：黄川;程宏俊;吴慧兰;郁培基;谭志林;张飞;付文;曹磊;朱文兵;范立青 -专利权人：中信湘雅生殖与遗传专科医院有限公司;苏州超云生命智能产业研究院有限公司
申请日： 2023-07-21 - 公布日： 2023-10-27 - 主分类号： G06V10/771 文献下载
摘要：本申请涉及一种向量确定方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取目标图像，对目标图像进行局部特征提取，得到特征图像；对特征图像进行深层次特征提取，得到深层次特征向量；对特征图像进行全局特征提取，得到全局特征向量；局部特征提取和全局特征提取所使用的神经网络不同；确定深层次特征向量在全局特征向量上的正交投影向量；将正交投影向量与深层次特征向量进行拼接，得到目标图像所对应的目标向量；目标向量为用于进行相似度度量学习的特征向量。采用本方法能够提高目标向量的准确性。
向量确定方法装置计算机设备存储介质

[发明专利]一种样本图像划分方法、装置、电子设备及存储介质-CN202310970086.X在审
发明人：张康龙;秦国立 -专利权人：杭州海康机器人股份有限公司
申请日： 2023-08-03 - 公布日： 2023-10-27 - 主分类号： G06V10/774 文献下载
摘要：本申请实施例提供了一种样本图像划分方法、装置、电子设备及存储介质，涉及图像处理技术领域，方法包括：基于预设的划分特征对样本图像进行划分得到多个第一图像组；对于任一划分特征，同一个第一图像组包含的样本图像针对该划分特征的划分属性信息一致；任意两个第一图像组包含的样本图像针对至少一个划分特征的划分属性信息不一致；按照指定比例确定每一第一图像组中用于进行训练的图像、用于进行验证的图像，以及用于进行测试的图像；分别合并各第一图像组中用于进行训练的图像、用于进行验证的图像、以及用于进行测试的图像，得到训练图像集、验证图像集、以及测试图像集。能够保证得到的模型的性能较优并提高对模型的性能进行测试的准确性。
一种样本图像划分方法装置电子设备存储介质

[发明专利]3D目标检测域自适应的伪标签改进的目标物体检测方法-CN202310977544.2在审
发明人：张占伟;赖申其;彭亮;钱炜;杨政;何晓飞 -专利权人：杭州飞步科技有限公司
申请日： 2023-08-04 - 公布日： 2023-10-27 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种3D目标检测域自适应的伪标签改进的目标物体检测方法。将源域的数据输入到由3D检测器和ROI检测头构成的第一神经网络中进行训练，获得训练后的第一神经网络；然后将目标域的数据输入到由训练后的第一神经网络优化获得的第二神经网络中进行再次训练，获得训练后的第二神经网络；最后从训练后的第二神经网络提取组建检测网络，对实时待测的数据实进行识别检测处理。本发明能够提升伪标签的质量以提升模型的泛化性能，能够确保目标域数据的多样性以及防止模型陷入局部最优，提升了伪标签的定位性能和分类性能。
目标检测自适应标签改进物体方法

[发明专利]一种基于DETR和元学习的零样本目标检测方法-CN202310832459.7在审
发明人：周水庚;张路;关昊;赵佳佳 -专利权人：复旦大学
申请日： 2023-07-07 - 公布日： 2023-10-27 - 主分类号： G06V10/774 文献下载
摘要：本发明属于机器学习技术领域，具体为一种基于DETR和元学习的零样本目标检测方法。本发明方法是基于transformer架构的DETR检测器进行构建，将零样本学习机制引入到DETR深度目标检测框架，将类别语义向量直接融入到DETR的查询向量中，并通过解码器直接预测出结果，在训练的过程中，通过逐类别的最优匹配和损失计算来完成训练。本发明方法框架简单、使用方便、可扩展性强、可解释性强，在主流视觉属性数据集的零样本目标检测的结果表明，本方法性能明显优于现有的方法。本发明为目标检测技术在工业应用领域，提供算法的支持，也能很容易地扩展到其他零样本学习任务上。
一种基于 detr 学习样本目标检测方法

[发明专利]基于自适应损失函数的弱小目标检测模型优化方法与装置-CN202310956240.8在审
发明人：孙世磊;郭子琪;何楚;王昱程 -专利权人：武汉大学
申请日： 2023-07-31 - 公布日： 2023-10-27 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种基于自适应损失函数的弱小目标检测模型优化方法与装置，涉及计算机视觉图像目标检测技术领域，该方法包括以下步骤：获取弱小目标图像，通过特征提取，得到弱小目标图像的特征图；将所述特征图，通过检测头网络，获得中心度预测结果、分类预测结果和回归预测结果；计算中心度预测结果的损失、分类预测结果的损失，通过角点损失维度与交并比损失维度计算回归预测结果的损失；将所述中心度预测结果的损失、分类预测结果的损失和回归预测结果的损失相加得到整体损失，并根据所述整体损失对检测模型优化。本发明提供的方法可以在后处理及样本标签分配中使用，能够有效提升基础目标检测网络的检测精度。
基于自适应损失函数弱小目标检测模型优化方法装置

[发明专利]对象分类模型的训练、对象分类方法、装置及存储介质-CN202310351373.2在审
发明人：张博深 -专利权人：腾讯科技（深圳）有限公司
申请日： 2023-03-28 - 公布日： 2023-10-27 - 主分类号： G06V10/774 文献下载
摘要：本申请公开了一种对象分类模型的训练、对象分类方法、装置及存储介质，可以应用于云技术、人工智能、智慧交通、车联网等各种场景，所述方法包括：获取样本对象的样本图像；将样本图像输入教师模型，基于教师模型的标签图提取网络确定样本图像的样本标签图；对样本图像进行裁剪处理，得到样本裁剪图像；基于样本裁剪图像在样本图像中的第一坐标信息，对样本标签图进行裁剪处理，得到样本子标签图；将样本裁剪图像输入学生模型进行类别标签预测处理，得到样本标签预测结果；基于样本标签预测结果与样本类别标签的第一差异以及样本标签预测结果与裁剪子标签的第二差异，对学生模型进行训练，得到对象分类模型。本申请提高了对象分类模型的准确率。
对象分类模型训练方法装置存储介质

[发明专利]多媒体识别网络生成、多媒体搜索方法及装置-CN202310319927.0在审
发明人：李争;郑茂 -专利权人：腾讯科技（深圳）有限公司
申请日： 2023-03-22 - 公布日： 2023-10-27 - 主分类号： G06V10/774 文献下载
摘要：本申请公开了一种多媒体识别网络生成、多媒体搜索方法及装置，涉及人工智能技术领域，该方法包括：对多个多媒体样本包含的样本图像的人脸特征信息和基于对预设样本图像集中样本图像对应的人脸特征信息进行聚类处理得到的多种人脸类型对应的聚类特征信息进行关联分析，得到预设人脸类型标签；基于多个多媒体样本对应的多个预设类别标签、待训练多媒体识别网络识别出的多个预测类别标签、预设人脸类型标签和待训练人脸识别网络识别出的预测人脸类型标签，对待训练人脸识别网络和待训练多媒体识别网络进行联合训练，得到训练好的多媒体识别网络。利用本申请提供的技术方案可以多媒体识别准确率。
多媒体识别网络生成搜索方法装置

[发明专利]一种基于注意力机制的碳纤维丝道实时动态编号方法-CN202310752546.1在审
发明人：古玲;武继杰 -专利权人：南京矩视科技有限公司
申请日： 2023-06-25 - 公布日： 2023-10-27 - 主分类号： G06V10/774 文献下载
摘要：一种基于注意力机制的碳纤维丝道实时动态编号方法，涉及图像处理的技术领域。利用工业相机得到采样数据；对采样数据进行预处理，包括训练丝道预测网络、用于实际场景下的碳纤维丝道号标注；输出处理结果，得到碳纤维丝道的标注编号。本发明采用视觉Transformer网络对线阵工业相机采集的碳丝图像进行处理，对图像数据从上往下依次进行碳纤维丝的实时动态编号。在不具备明显区分特征的条件下，对并丝或断丝等数据进行较好的处理。
一种基于注意力机制碳纤维实时动态编号方法

[发明专利]数据处理方法及装置、电子设备、存储介质-CN202310884967.X在审
发明人：聂聪冲;刘俊;汪铖杰 -专利权人：重庆腾讯信息技术有限公司
申请日： 2023-07-18 - 公布日： 2023-10-27 - 主分类号： G06V10/774 文献下载
摘要：本申请的实施例公开了一种数据处理方法及装置、电子设备、存储介质，该方法包括：根据图片数据集中的图片以及图片的对象类型信息，获取图片数据集中包含的多种类型的对象，根据对象类型信息从图片数据集中查找每种类型对象所对应的图片，根据每种类型对象所对应图片的数量计算每种类型对象的采样概率，采样概率与所对应图片的数量负相关；根据每张图片包含的对象的采样概率，计算每张图片的采样概率，根据每张图片的采样概率，从图片数据集中提取多张图片，对提取到的多张图片进行融合得到用于训练对象检测模型的训练图片。本申请实施例的技术方案使得训练图片中不同类型对象所对应的图片数量均衡化，提升了对象检测模型的检测精度。
数据处理方法装置电子设备存储介质

[发明专利]一种数据处理方法、设备以及可读存储介质-CN202210320509.9在审
发明人：尹邦杰;贾率;姚太平;徐江河;李博;吴双;丁守鸿;马超 -专利权人：腾讯科技（深圳）有限公司
申请日： 2022-03-29 - 公布日： 2023-10-27 - 主分类号： G06V10/774 文献下载
摘要：本申请公开了一种数据处理方法、设备以及可读存储介质，方法包括：获取第一对抗样本图像，以及第一对抗样本图像对应的样本类别标签；根据第一对抗样本图像与样本类别标签，确定针对第一类型域的第一域梯度；第一类型域为空域或频域；根据第一域梯度与第一对抗样本图像，生成中间对抗样本图像；根据中间对抗样本图像与样本类别标签，确定针对第二类型域的第二域梯度；第二类型域与第一类型域不同，且第一类型域与第二类型域之间存在转换关系；根据第二域梯度与中间对抗样本图像，生成第二对抗样本图像，基于第二对抗样本图像对目标图像模型进行评估。采用本申请，可以提高对抗样本的攻击性与有效性，进而提高模型检测的效率与准确性。
一种数据处理方法设备以及可读存储介质

[发明专利]未知攻击检测模型的训练方法、装置、设备及存储介质-CN202211411503.9在审
发明人：刘文锋;毕明伟;丁守鸿;纪荣嵘;章健;陈昌谷 -专利权人：腾讯科技（深圳）有限公司
申请日： 2022-11-11 - 公布日： 2023-10-27 - 主分类号： G06V10/776 文献下载
摘要：本申请公开了一种未知攻击检测模型的训练方法、装置、设备及存储介质，涉及人工智能和互联网技术领域。所述方法包括：获取第一样本图像集合，第一样本图像集合包括真实图像和已知攻击图像；得到第一样本图像集合中各个样本图像的中间特征和分类特征，中间特征包括样本图像中多个局部区域块的底层语义特征，分类特征包括样本图像中多个局部区域块的高层语义特征；基于样本图像的伪深度图和重构深度图，确定样本图像的重构损失；基于分类特征，确定样本图像的分类损失；根据各个样本图像分别对应的重构损失和分类损失，对未知攻击检测模型进行训练。本申请可应用于云技术、人工智能、智慧交通等各种场景，本申请能够提高未知攻击检测的准确性。
未知攻击检测模型训练方法装置设备存储介质

[发明专利]图像质量检测模型的训练、图像质量检测方法和相关装置-CN202211717865.0在审
发明人：张博深 -专利权人：腾讯科技（深圳）有限公司
申请日： 2022-12-29 - 公布日： 2023-10-27 - 主分类号： G06V10/774 文献下载
摘要：本申请实施例公开了图像质量检测模型的训练、图像质量检测方法和相关装置，应用于人工智能场景，训练方法是将第一训练图像输入预设编码器特征提取得到第一隐变量，第一训练图像具有表示其为缺陷图像的预设标签数据；特征扰动第一隐变量得到特征扰动向量；将特征扰动向量输入预设解码器重建得到第一重建图像；通过第一隐变量、第一重建图像和预设标签数据，训练预设编码器和预设全连接层得到目标编码器和目标全连接层；将目标编码器和目标全连接层作为图像质量检测模型。可见，模型得到更充分的训练，能够在使用少量的具有标签数据的训练图像的情况下，保证模型的泛化性能，提升模型的图像质量检测效果。
图像质量检测模型训练方法相关装置

[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

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 4323 条