“叶燕罡”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5个，建议您升级VIP下载更多相关专利

[发明专利]用于提取视频指纹的方法、装置、设备和计算机可读介质-CN201811353102.6有效
发明人： 叶燕罡;沈小勇;陈忠磊;马子扬;戴宇榮 -专利权人：腾讯科技（深圳）有限公司
申请日： 2018-11-14 - 公布日： 2023-04-07 - 主分类号： G06V20/40 文献下载
摘要：公开了一种用于提取视频的视频指纹的方法、装置、设备和计算机可读介质。所述方法包括：提取视频中的多个视频帧；对于所述多个视频帧的每一个，利用具有多个层的神经网络对该视频帧进行处理，其中，多个层中包括至少一个卷积层，所述至少一个卷积层中的每一个用于对其前一层的输出进行卷积处理；将所述神经网络的中间层输出的卷积处理结果作为该视频帧的指纹特征；以及处理所述多个视频帧的指纹特征，以生成所述视频的视频指纹。
用于提取视频指纹方法装置设备计算机可读介质

[发明专利]应用管理方法和装置、电子设备、计算机存储介质-CN201711050766.0有效
发明人：刘春晓;叶燕罡;李启铭;王子彬;王灿彬;陈成龙;徐清悦;张伟 -专利权人：深圳市商汤科技有限公司
申请日： 2017-10-31 - 公布日： 2020-12-29 - 主分类号： G06F9/48 文献下载
摘要：本发明实施例公开了一种应用管理方法和装置、电子设备、计算机存储介质，其中，方法包括：获取操作系统中的应用运行信息；对所述应用运行信息基于时间采样获得后台应用的标签和对应所述后台应用的多维度特征；所述多维度特征为基于时间采样的多次运行状态采样得到的特征；利用神经网络，基于获取的多维度特征预测所述操作系统中的所述后台应用是否可被清理，获得预测结果；根据所述预测结果，对所述操作系统中可被清理的后台应用进行清理。本发明实施例提供的方法，根据预测结果可判断哪些后台应用可被清理，有效降低误杀率，提高召回率，提供更好的用户体验。
应用管理方法装置电子设备计算机存储介质

[发明专利]储物柜管理方法及储物柜管理装置-CN201610544020.4有效
发明人： 叶燕罡;黄展鹏;张伟 -专利权人：商汤集团有限公司
申请日： 2016-07-11 - 公布日： 2020-12-11 - 主分类号： G07F17/12 文献下载
摘要：本发明公开了一种储物柜管理方法及储物柜管理装置，其中，一种储物柜管理方法包括：接收取物指令；在所述取物指令的触发下进行人脸检测；当检测到人脸时，提取所述人脸的脸部特征信息；查询目标脸部特征信息，其中，所述目标脸部特征信息为与当次提取的脸部特征信息相匹配的脸部特征信息；若查询到所述目标脸部特征信息，则根据与所述目标脸部特征信息关联的储物柜的标识符开启相应的储物柜。本发明提供的技术方案能够实现基于人脸检测的储物柜管理功能，提高储物柜储物的安全性。
储物柜管理方法装置

[发明专利]图像的区域定位方法和目标区域定位模型的训练方法-CN201911004758.1在审
发明人： 叶燕罡;陈铭良;沈小勇 -专利权人：腾讯科技(深圳)有限公司
申请日： 2019-10-22 - 公布日： 2020-02-07 - 主分类号： G06K9/46 文献下载
摘要：本申请涉及一种图像的区域定位方法和目标区域定位模型的训练方法，其中，目标区域定位模型为使用属于目标类别的样本图像集训练初始定位模型，在训练目标区域定位模型时，通过初始定位模型分别对样本图像集中的各样本图像进行处理，获得各样本图像对应的类激活图，当根据各样本图像的类激活图确定的目标区域未完全覆盖相应样本图像中与目标类型相关的区域时，则继续使用样本图像对初始定位模型的模型参数进行调整，以引导当前的模型将更多注意力集中在该样本图像中被遗漏的目标区域，从而在调整的过程中查漏补缺，使得获得的目标区域定位模型的定位结果更加准确。
样本图像目标区域初始定位定位模型区域定位激活注意力集中定位结果模型参数目标类别目标类型训练目标遗漏图像申请

[发明专利]图像分类处理方法、装置及存储介质-CN201910816818.3在审
发明人：刘俊;叶燕罡;文伟;沈小勇;戴宇荣;贾佳亚 -专利权人：腾讯科技(深圳)有限公司
申请日： 2019-08-30 - 公布日： 2019-12-03 - 主分类号： G06K9/62 文献下载
摘要：本申请提供了一种图像分类处理方法、装置及存储介质，本申请预先训练了多个任务共享的图像分类模型，在需要实现多个任务的图像分类的情况下，可以将多个任务的待分类图像都输入该图像分类模型进行处理，得到各任务所需的分类结果，相对于传统方案将多个任务的待分类图像分别输入相应任务的图像分类模型进行处理的方案，只需要运行一次图像分类模型，大大降低了运行时间，减少了等待时间，提高了用户体验，且由于多任务共享一个图像分类模型，降低了图像分类模型开发、部署及维护成本，对于模型训练所需的训练图像，不需要为每一个训练图像配置所有任务的标注标签，大大减少了人工标注工作量，提高了模型训练效率。
图像分类模型分类图像模型训练任务共享图像分类训练图像存储介质分类结果分类模型人工标注一次图像用户体验申请工作量标注标签配置部署开发维护