“聂聪冲”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]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]基于机器视觉的缺陷检测方法、装置及存储介质-CN202211404389.7在审
发明人： 聂聪冲;刘俊;张天亮;陈晓辰;詹佳伟 -专利权人：腾讯科技（深圳）有限公司
申请日： 2022-11-10 - 公布日： 2023-10-27 - 主分类号： G06T7/00 文献下载
摘要：本公开提供了一种基于机器视觉的缺陷检测方法、装置及存储介质，可以应用于云技术、人工智能、智慧交通、辅助驾驶等各种场景。该方法通过基于每个局部模板图像分别对初始对象图像进行图像匹配，得到与各个所述局部模板图像分别对应的匹配对象区域；基于各个所述局部模板图像中模板角点的位置偏移信息和对应的匹配对象区域，确定待检测对象的检测边界线；基于所述检测边界线对应的检测感兴趣区域，对所述待检测对象进行缺陷检测。从而提高针对非刚性产品的缺陷检测的检测准确率。
基于机器视觉缺陷检测方法装置存储介质

[发明专利]实例分割模型训练方法、装置、设备和存储介质-CN202211347482.9在审
发明人： 聂聪冲 -专利权人：腾讯科技（深圳）有限公司
申请日： 2022-10-31 - 公布日： 2023-10-27 - 主分类号： G06V10/26 文献下载
摘要：本申请提供了一种实例分割模型训练方法、装置、设备和存储介质，涉及人工智能技术领域，可以应用于云技术、人工智能、智慧交通、辅助驾驶等各种场景，训练方法包括：获取样本图像和实例分割标签；基于预设实例分割模型对样本图像进行实例分割处理，基于分割预测结果对实例对象对应的多个特征点进行初始采样，得到初始实例采样点集和背景采样点集；基于掩码预测指标对初始实例采样点集进行不确定度采样，得到目标实例采样点集；基于实例掩码、目标实例采样点集对应的掩码预测指标、背景采样点集对应的掩码预测指标、类别置信度、实例掩码标签和类别标签对预设实例分割模型进行训练，得到目标实例分割模型。本申请有效降低训练内存占用。
实例分割模型训练方法装置设备存储介质

[发明专利]图像的语义分割方法、装置、设备、存储介质及程序产品-CN202210685972.3在审
发明人： 聂聪冲 -专利权人：腾讯科技（深圳）有限公司
申请日： 2022-06-16 - 公布日： 2022-09-27 - 主分类号： G06V10/26 文献下载
摘要：本申请提供了一种图像的语义分割方法、装置、设备、存储介质及程序产品；方法包括：获取包括至少两个对象的待分割图像，以及所述待分割图像对应的深度图像；对所述深度图像进行编码，得到深度编码结果；调用至少两个分割编码网络，对所述深度编码结果和所述待分割图像进行包括空间筛选和通道重组的迭代融合编码，得到目标编码结果，其中，空间筛选用于在空间维度对待分割图像进行特征筛选，通道重组用于在通道维度对待分割图像进行特征筛选；基于所述目标编码结果，对所述待分割图像进行语义分割，得到对应各所述对象的语义分割结果。通过本申请，充分挖掘图像的语义之间的互补性和相互依赖性，有效提高语义分割的精准性。
图像语义分割方法装置设备存储介质程序产品

[发明专利]语义分割方法、装置、电子设备和计算机可读存储介质-CN202210272072.6在审
发明人： 聂聪冲 -专利权人：腾讯科技（深圳）有限公司
申请日： 2022-03-18 - 公布日： 2022-06-21 - 主分类号： G06V20/70 文献下载
摘要：本申请实施例公开了一种语义分割方法、装置、电子设备和计算机可读存储介质；在本申请实施例中，获取待分割图像，并对所述待分割图像进行划分，得到所述待分割图像对应的初始区域图像；确定所述初始区域图像内的目标像素上下文信息，并根据所述目标像素上下文信息以及所述初始区域图像确定所述初始区域图像对应的目标区域图像；确定所述目标区域图像之间的目标区域上下文信息，并根据所述目标区域图像和所述目标区域上下文信息，确定所述待分割图像的目标像素特征；根据所述目标像素特征，对所述待分割图像进行分割，得到分割结果。本申请实施例可以减少计算复杂度。本申请实施例可应用于云技术、人工智能、智慧交通、自动驾驶等各种场景。
语义分割方法装置电子设备计算机可读存储介质

[发明专利]一种基于深度集成学习的高分辨率遥感图像分类方法-CN202010173481.1在审
发明人：席江波;聂聪冲;孙悦鸣;姜万冬 -专利权人：长安大学
申请日： 2020-03-13 - 公布日： 2020-07-03 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于深度集成学习的高分辨率遥感图像分类方法，其思路为：首先使用像元亮度值作为分类特征进行全连接网络分类实验；其次使用面向对象分割，再以重心为中心提取卷积块进行卷积神经网络分类；再将原始图像全部裁剪为图像块，使用U‑Net完全卷积网络进行one vs all多元分类；最后，在前三个深度网络基分类器的分类结果上训练一个全连接网络进行概率组合，实现了较好的分类性能。本发明通过使用深度集成学习方法，能够有效结合光谱和空间等信息改善分类准确率，且综合基分类器的优势，在高分辨率遥感图像分类的单个类别和总体分类精度上都能得到比单一分类器更好的分类精度。
一种基于深度集成学习高分辨率遥感图像分类方法