“温少国”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6个，建议您升级VIP下载更多相关专利

[发明专利]基于主动学习的图像视频质量评价模型的训练方法以及装置-CN202110152092.5有效
发明人： 温少国;王君乐 -专利权人：腾讯科技（深圳）有限公司
申请日： 2021-02-03 - 公布日： 2023-07-28 - 主分类号： G06T7/00 文献下载
摘要：本申请提供了一种基于主动学习的图像视频质量评价模型的训练方法以及装置。该方法适用于机器学习等技术领域，该方法包括：在已知k个已标注样本下(0＜k)，基于主动学习的方式，利用质量评价模型确定某个待评价样本的不确定性；基于该待评价样本的不确定性，假设该样本的不确定性很高，则优先对其进行主观打分并加入到已经标注的K个样本中，重新训练质量评价模型以达到更好的性能。本申请将主动学习和图像视频质量评价模型结合起来，通过主动学习的方式，实现从海量图像视频库中挑选出更有价值的样本提供给标注人员进行打分，以训练质量评价模型，进而，在实现在同等模型性能的情况下，能够降低需要主观打分的样本的数量，以节省标注成本。
基于主动学习图像视频质量评价模型训练方法以及装置

[发明专利]图像质量评价方法、装置、设备以及存储介质-CN202111248242.9有效
发明人： 温少国;王君乐 -专利权人：腾讯科技（深圳）有限公司
申请日： 2021-10-26 - 公布日： 2023-06-09 - 主分类号： G06T7/00 文献下载
摘要：本申请实施例公开了一种图像质量评价方法、装置、设备以及存储介质，可适用于人工智能、云计算以及计算机等领域。该方法包括：确定待评价图像，将待评价图像的初始特征输入图像质量评价模型，得到待评价图像的预测特征，基于预测特征确定待评价图像的质量评价结果；其中，图像质量评价模型是基于以下方式训练得到的：获取训练样本集，基于训练样本集中各样本图像对初始评价模型进行训练，得到预训练模型；确定各样本图像的不确定度，基于各样本图像以及对应的不确定度，确定多个目标样本图像，基于各目标样本图像对预训练模型进行训练，得到图像质量评价模型。采用本申请实施例，可提升图像质量评价的准确性，适用性高。
图像质量评价方法装置设备以及存储介质

[发明专利]一种数据处理方法、装置及计算机可读存储介质-CN202110413685.2有效
发明人： 温少国;王君乐;许家誉 -专利权人：腾讯科技（深圳）有限公司
申请日： 2021-04-16 - 公布日： 2023-02-28 - 主分类号： A63F13/46 文献下载
摘要：本申请实施例公开了一种数据处理方法、装置及计算机可读存储介质，本申请实施例通过获取阵容集群；通过训练后的预设模型计算每一对战阵容的胜率值；从胜率值大于第一预设阈值的对战阵容中选取预设数量的对战阵容；从预设数量的对战阵容中选取一对第一目标对战阵容；分别选取每一第一目标对战阵容中的一个目标虚拟对象的属性信息进行调换；基于第一预设概率，从调换后的第一目标对战阵容中选取任一虚拟对象进行属性信息变换；返回执行通过训练后的预设模型计算更新后的每一对战阵容的胜率值，直至达到预设迭代阈值，输出胜率值大于第一预设阈值的对战阵容。以此，结合遗传算法进行对战阵容的筛选，极大提升了数据处理的效率和准确率。
一种数据处理方法装置计算机可读存储介质

[发明专利]虚拟对象控制方法、装置、电子设备以及存储介质-CN202010956337.5有效
发明人：王洁梅;温少国;李旭冬;周大军;王君乐 -专利权人：腾讯科技（深圳）有限公司
申请日： 2020-09-11 - 公布日： 2022-02-25 - 主分类号： A63F13/52 文献下载
摘要：本申请公开了一种虚拟对象控制方法、装置、电子设备以及存储介质，包括：采集目标游戏的游戏图像，所述游戏图像包括虚拟对象和虚拟地图；从所述游戏图像中获取虚拟地图对应的第一图像，所述第一图像包括关键区域和背景区域；在所述第一图像中截取所述关键区域的图像，得到所述虚拟地图对应的第二图像；对所述目标游戏的游戏图像与虚拟地图对应的第二图像进行合成，得到目标图像；基于目标图像对预设控制模型进行训练，得到所述目标游戏的操作控制模型，以通过所述操作控制模型对所述目标游戏中的虚拟对象进行控制，该方案可以减少模型训练的时间，进而提高模型训练的效率。
虚拟对象控制方法装置电子设备以及存储介质

[发明专利]一种模型训练方法及相关装置-CN202111398623.5有效
发明人： 温少国;王君乐;许子潇 -专利权人：腾讯科技（深圳）有限公司
申请日： 2021-11-24 - 公布日： 2022-02-25 - 主分类号： G06V40/10 文献下载
摘要：本申请实施例公开了一种人工智能领域的模型训练方法及相关装置，其中该方法包括：通过m个参考对象关键点检测模型分别对目标训练图像进行对象关键点检测处理，得到m个包括目标训练图像中多个对象关键部位各自对应的关键点的预测位置的关键点检测结果；针对每个对象关键部位，根据m个关键点检测结果中该对象关键部位对应的关键点的预测位置，确定该对象关键部位是否为目标对象关键部位；若是，则确定该目标对象关键部位对应的标注位置；将目标训练图像以及其中各目标对象关键部位各自对应的标注位置作为训练样本；基于训练样本，训练目标对象关键点检测模型。该方法能够提高所训练的目标对象关键点检测模型的性能。
一种模型训练方法相关装置

[发明专利]一种基于分段加权的鞋印图像检索方法-CN201910311956.6有效
发明人：马占宇;丁逸枫;温少国;常东良;谢吉洋;刘晋;金益锋 -专利权人：北京邮电大学;公安部物证鉴定中心
申请日： 2019-04-18 - 公布日： 2021-03-09 - 主分类号： G06F16/583 文献下载
摘要：本发明提供了一种基于分段加权的鞋印图像检索方法，包括：步骤一、图像预处理步骤：基于训练后的U‑Net卷积神经网络模型将获取的鞋印现场照片转化成保留鞋印信息的现场二值图；步骤二、特征提取步骤：将现场二值图和鞋样本库中图像拆分成上下两个子图，输入到孪生网络中进行特征提取，得到两个相互独立的子特征；步骤三、特征权重矩阵计算步骤：分别计算两个相互独立的子特征中包含鞋印信息的像素数占比，由此得到该现场二值图的权重矩阵；步骤四、特征融合及相似度度量步骤。本发明解决了如何快速准确的检索鞋样本库中与鞋印现场照片对应的款式的技术问题，综合考虑了现场鞋印噪声影响大，部分信息缺失的特性，提高了鞋印检索准确率。
一种基于分段加权图像检索方法