“林秀桃”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]棋盘显示方法及装置、电子设备和存储介质-CN202211400788.6在审
发明人：汤文辉;林秀桃;郑可冠;倪洪生 -专利权人：网易有道信息技术（北京）有限公司
申请日： 2022-11-09 - 公布日： 2023-04-07 - 主分类号： A63F3/02 文献下载
摘要：本发明的实施方式提供了一种棋盘显示方法及装置、电子设备和存储介质。该棋盘显示方法包括：基于待显示的棋盘信息，确定所述棋盘中至少一个对象的属性信息；基于每一所述对象的属性信息，确定包含目标对象的目标区域，所述目标对象包括至少一个已显示的对象和当前待显示的对象；基于所述目标区域，确定对所述棋盘进行缩放的比例因子；按照所述比例因子，对所述棋盘进行缩放，并利用预设的渲染方式，渲染显示缩放后的所述棋盘。本发明的方法不仅在提高用户的操作效率的同时也集中了用户的注意力，从而可以提高用户操作的效率和准确度，进而可以提升用户的操作体验和更好的满足了用户的需求，而且还提高了设备的自动化和智能化程度。
棋盘显示方法装置电子设备存储介质

[发明专利]AI下棋模型的分级处理方法、装置及相关设备-CN202111291959.1在审
发明人：高圣州;王玉龙;李蒙;孙艳庆;林秀桃;段亦涛;陈虎;倪洪生 -专利权人：网易有道信息技术(江苏)有限公司
申请日： 2021-11-02 - 公布日： 2022-01-28 - 主分类号： G06K9/62 文献下载
摘要：本公开提供一种AI下棋模型的分级处理方法、装置及相关设备。该方法包括：构建AI下棋初始模型；利用获取到的训练样本对AI下棋初始模型进行训练，训练过程中根据训练程度得到多个等级的AI下棋过渡模型；为每个等级的AI下棋过渡模型设定对应的多个子级下棋规则；将多个子级下棋规则匹配至对应等级的AI下棋过渡模型中，得到多个等级的AI下棋模型，其中，一个等级的AI下棋模型中包含有多个子级下棋规则。这样就相当于对对应等级的AI下棋模型进行了进一步的多层次划分，并且子级下棋规则占用的资源较少，就能够使用少量等级的AI下棋模型，完成大量等级AI模型的任务，在保证AI模型分级平滑度的情况下有效的节省了资源。
ai 下棋模型分级处理方法装置相关设备

[发明专利]围棋对弈方法、装置、电子设备及存储介质-CN202111295814.9在审
发明人：李蒙;王玉龙;高圣州;孙艳庆;林秀桃;段亦涛;陈虎;倪洪生 -专利权人：网易有道信息技术(江苏)有限公司
申请日： 2021-11-03 - 公布日： 2022-01-28 - 主分类号： G06F16/2457 文献下载
摘要：本申请提供一种围棋对弈方法、装置、电子设备及存储介质；所述方法包括：确定棋盘调整信息；根据所述棋盘调整信息，去除棋盘上一定数量的点位和/或棋盘线，得到调整后的棋盘；使所述对弈双方通过所述调整后的棋盘进行围棋对弈。本申请的方案能够限制AI的辅助效果，保证人机交互对弈或线上对弈的数据准确性和真实性。
围棋对弈方法装置电子设备存储介质

[发明专利]一种吃子复盘学习方法、装置、电子设备及存储介质-CN202111268992.2在审
发明人：王玉龙;高圣州;李蒙;孙艳庆;林秀桃;段亦涛;陈虎;倪洪生 -专利权人：网易有道信息技术(江苏)有限公司
申请日： 2021-10-28 - 公布日： 2022-01-28 - 主分类号： A63F3/02 文献下载
摘要：本公开提供一种吃子复盘学习方法、装置、电子设备及存储介质，该方法包括：获取用户经过人机交互对弈后的对局数据，并根据所述对局数据确定用户在该次对弈中的多个用户落子点；对于每一个所述用户落子点，确定该用户落子点对应的至少一个推荐落子点；根据该用户落子点及其对应的所述推荐落子点，确定该用户落子点的推荐值；将全部所述推荐值中满足预定条件的所述用户落子点确定为坏手点；对于每个所述坏手点，确定该坏手点对应的目标落子点；根据所述目标落子点，生成复盘演示数据，并将所述复盘演示数据向用户展示。本公开摆脱了复盘学习过程中对于老师指导的依赖，提高用户自主学习的能动性。
一种吃子复盘学习方法装置电子设备存储介质

[发明专利]视频场景相似性分析方法及系统、视频编解码方法及系统-CN201710873784.2有效
发明人：叶龙;彭剑民;林秀桃;钟微;张勤 -专利权人：中国传媒大学
申请日： 2017-09-25 - 公布日： 2020-08-04 - 主分类号： G06K9/00 文献下载
摘要：本发明提供视频场景相似性分析方法及系统、视频编解码方法及系统，分析方法包括：从视频每一个镜头中分别选取一帧图像作为关键帧；提取每一个关键帧的特征向量，构建相似度矩阵；根据相似度矩阵，以吸引度和归属度的和作为线性核对各关键帧进行聚类，设定各关键帧的聚类标签。视频编解码方法包括上述视频场景相似性分析方法；将聚为一类的关键帧作为一个GOP压缩；将关键帧压缩后在编码端重建放在帧缓存区，其余GOP的B帧和P帧通过各自的关键帧索引找到帧缓存区对应的关键帧进行帧间预测编码；解码时，先解码所有关键帧，再根据聚类标签解码B帧和P帧。上述方法及系统能够挖掘非连续帧以及非连续GOP之间的相关性。
视频场景相似性分析方法系统解码