“苏州纳智天地智能科技有限公司”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9个，建议您升级VIP下载更多相关专利

[发明专利]基于特征比对的复杂场景高效犬脸图像质量评估方法-CN202111602860.9在审
发明人：匡金骏;迟振 -专利权人： 苏州纳智天地智能科技有限公司
申请日： 2021-12-24 - 公布日： 2022-05-06 - 主分类号： G06V40/10 文献下载
摘要：本发明公开了一种基于特征比对的复杂场景高效犬脸图像质量评估方法，包括如下步骤：采用图像目标检测抠取犬脸区域图像；对可能运动范围区域内的犬脸检测框图像进行特征提取，所用特征模型是基于深度学习训练的卷积神经网络；将特征加入时序特征库；利用时序特征库进行多帧特征比对，获取得到跟踪id；根据犬脸特征响应进行图像质量评估，并输出对应的犬脸图像、犬脸框位置、犬脸图像质量分。本发明可以对复杂场景中的犬脸进行精准高效的跟踪和抓拍，具有跟踪精度高和计算复杂度低的特点，解决了传统跟踪和抓拍方法效率与准确率成反比的问题。
基于特征复杂场景高效图像质量评估方法

[发明专利]通用犬鼻纹抓拍识别方法-CN202111604336.5在审
发明人：匡金骏;迟振 -专利权人： 苏州纳智天地智能科技有限公司
申请日： 2021-12-24 - 公布日： 2022-05-06 - 主分类号： G06V40/10 文献下载
摘要：本发明公开了一种通用犬鼻纹抓拍识别方法，包括：（1）对包含犬只的图像数据进行多角度狗鼻检测，得到狗鼻图像；（2）对犬鼻图像的角度进行识别；（3）根据犬鼻图像角度进行转正对齐；（4）对犬鼻图像的图像质量进行识别，只保留图像质量达标的图像，不达标的犬鼻图像抛弃；（5）对犬鼻图像进行特征提取，并利用该特征值进行二次质量判断，获取犬只身份。本发明可以利用手机、摄像机对自然场景中的犬只进行快速抓拍、挑选以及识别。本方法采集的犬鼻纹照片质量高，角度好，识别准确率高，便于实施和推广。
通用犬鼻纹抓拍识别方法

[发明专利]基于raft选主策略的分布式计算方法-CN202111604352.4在审
发明人：陈小龙;匡金骏;迟振 -专利权人： 苏州纳智天地智能科技有限公司
申请日： 2021-12-24 - 公布日： 2022-05-06 - 主分类号： H04L67/1042 文献下载
摘要：本发明公开一种基于raft选主策略的分布式计算方案，属于分布式任务调度技术领域。本分布式方案主要用于复杂计算和持续性计算场景，这些应用计算量大，需要时间持续计算，计算过程为异步操作，分为任务下发和结果回调。系统包含多个计算节点，这些计算节点分为leader、follower和candidate，任务分配和结果收集是通过选举出来的leader进行处理的。本发明由于系统主要是做计算，所以去掉了一致性的存储模块，必要的信息会通过外部系统存储。本发明具备一定的容错能力和动态扩展能力，适用于高性能高可用的复杂计算和持续性计算场景。
基于 raft 策略分布式计算方法

[发明专利]一种特定区域小样本不特定物体图像建模与识别方法-CN202111604413.7在审
发明人：匡金骏;迟振 -专利权人： 苏州纳智天地智能科技有限公司
申请日： 2021-12-24 - 公布日： 2022-05-06 - 主分类号： G06V10/25 文献下载
摘要：本发明公开了一种特定区域小样本不特定物体图像建模与识别方法，包括如下步骤：在输入的视频中，手动标注一个区域，这个图像区域作为步骤S02的输入；在输入的视频区域中采用显著性分割方法，获取该物体的无背景图像；对于输入的图片，半自动的方式过滤掉分辨率不足的、模糊的、亮度和对比对不均匀或不达标的；对于达标的物体图像，进行360°旋转增强，通过神经网络获取对应的特征值；将该物体的多张图片对应的特征值加入特征底库；采用聚合特征比对方法，得到物体的身份ID。本发明所需物体图像样本少，识别率高，建模成本低，解决了深度学习需要大量样本进行反复训练的成本消耗问题，便于实施和推广。
一种特定区域样本物体图像建模识别方法

[发明专利]一种人脸照片质量评估方法-CN202011116536.1在审
发明人：匡金骏;丁勇;吴志高 -专利权人： 苏州纳智天地智能科技有限公司
申请日： 2020-10-19 - 公布日： 2021-01-29 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种人脸照片质量评估方法，所述方法包括：获得图片后进行人脸识别，采集人脸识别关键点；根据各个所述初步评估系数所占权重，加权各个相应的所述初步评估系数，获得所述人脸图像的加权评估值；对所述人脸图像进行特征提取，进行人脸角度打分与人脸特征可信度打分，并根据所述特征评估值对所述人脸图像的图像质量进行最终质量评估。本发明质量评估无需训练更多的模型，利用每个人脸特征模型自身的特性，采用其自身的特征响应进行计算，计算量极低，对识别率的提升比其它传统方法更有效。
一种照片质量评估方法

[发明专利]人脸照片质量评估方法、系统、设备及存储介质-CN201911410527.0在审
发明人：迟振 -专利权人： 苏州纳智天地智能科技有限公司
申请日： 2019-12-31 - 公布日： 2020-05-15 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种人脸照片质量评估方法、系统、设备及存储介质，其中，所述方法包括：评估人脸图像的图像质量，获得多个初步评估系数；根据各个所述初步评估系数所占权重，加权各个相应的所述初步评估系数，获得所述人脸图像的加权评估值；对所述人脸图像进行特征提取，获得特征评估值，并根据所述特征评估值对所述人脸图像的图像质量进行最终质量评估。解决了在各种实际复杂环境下引起的人脸图像质量变差而使人脸识别系统对该人脸图像无法识别或识别错误的问题，使人脸识别的识别率得到极大的提高。
照片质量评估方法系统设备存储介质

[发明专利]一种基于多子空间嵌入的头部姿态估计方法-CN201910115895.6在审
发明人：孙嘉堃;吴成百;程诚;王旭光 -专利权人： 苏州纳智天地智能科技有限公司
申请日： 2019-02-15 - 公布日： 2019-06-11 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于多子空间嵌入的头部姿态估计方法及系统，用于估计原始脸部图像的头部姿态，包括偏航角、俯仰角和滚转角，所述的方法包括HOG(Histogram of Oriented Gradient，方向梯度直方图)特征提取，GDCV(Generalized Discriminative Common Vectors，广义判别共同向量)特征降维，头部姿态欧拉角度多元回归三个阶段。第一阶段，对输入的人脸图像提取HOG特征。第二阶段使用广义判别共同向量方法对特征进行降维处理。第三阶段对头部姿态欧拉角度进行多元回归，这部分分为两个步骤分别是B样条拟和和多元线性回归。本发明减少了在头部姿态估计的过程中，非约束环境中的复杂背景、明暗、遮挡、大角度等难点的影响。
头部姿态多元回归嵌入的向量方向梯度直方图多元线性回归人脸图像提取复杂背景降维处理特征降维特征提取原始脸部非约束俯仰角滚转角偏航角明暗拟和遮挡图像

[发明专利]一种基于人脸图像特征的质量排序系统及其使用方法-CN201811556273.9在审
发明人：孙嘉堃;程诚;王旭光 -专利权人： 苏州纳智天地智能科技有限公司
申请日： 2018-12-19 - 公布日： 2019-04-19 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于人脸图像特征的质量排序系统及其使用方法，本方法包括人脸图像特征提取和人脸质量排序两个阶段；第一阶段，提取人脸图像序列的关键点及遮挡信息、头部姿态、图像亮度、清晰度、对比度、光照等信息，第二阶段使用改进的RankNet神经网络方法对人脸图像序列进行排序，选择多帧连续人脸中的最优结果进行人脸特征比对，提高了特征比对的效率和准确率。本发明提出的特征抽取及改进的RankNet神经网络排序模型具有较大的性能改进和较高的一致性，大大提高了人脸特征比对的准确率和效率。
人脸图像序列排序系统人脸特征人脸图像神经网络准确率比对人脸排序人脸图像特征提取排序模型特征比对特征抽取头部姿态性能改进遮挡信息最优结果关键点多帧光照改进图像

[发明专利]一种面向卷积神经网络的多机多卡混合并行异步训练方法-CN201810295401.2在审
发明人：汪浩源;程诚;王旭光 -专利权人： 苏州纳智天地智能科技有限公司
申请日： 2018-03-30 - 公布日： 2018-08-28 - 主分类号： G06N3/04 文献下载
摘要：本发明提出了一种面向卷积神经网络的多机多卡混合并行异步训练方法，包括如下步骤：构建CNN模型，并设置训练参数；将Softmax层的数据并行改为模型并行，将完整模型划分为若干分片，分别对应若干个GPU进行计算；改写Softmax层的源代码，不在计算结果之前交换参数数据，而是将计算结果执行Ring All‑reduce通信算法操作；多机多卡之间选出一块GPU作为参数服务器，其余所有的GPU都作为训练用；在Parameter Server模型中，各Server只负责分到的部分参数和处理任务；各子节点维护自己的参数，更新后，将结果传回主节点进行全局更新，主节点再向子节点传送新参数，依此完成训练。
并行多机多卡卷积神经网络主节点子节点源代码参数服务器交换参数全局更新通信算法完整模型训练参数新参数构建改写传送更新维护

1
共 9 条