[发明专利]人脸数据处理方法、装置及计算机可读存储介质有效

专利信息
申请号: 202010431025.2 申请日: 2020-05-20
公开(公告)号: CN111639689B 公开(公告)日: 2023-07-25
发明(设计)人: 李绍宗;徐乐逊;李青 申请(专利权)人: 杭州海康威视系统技术有限公司
主分类号: G06V10/72 分类号: G06V10/72;G06V40/16;G06V20/52
代理公司: 北京辰权知识产权代理有限公司 11619 代理人: 付婧
地址: 310051 浙江省杭州*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要: 本申请公开了一种人脸数据处理方法、装置及计算机可读存储介质,方法包括:针对同一采集装置在预设统计周期内所采集的所有人脸抓拍数据,分别确定属于同一人员的人脸抓拍数据数量;从同一采集装置对应的多个所述人脸抓拍数据数量中确定异常的人脸抓拍数据数量;确定所述异常的人脸抓拍数据数量对应的人脸图像为疑似异常人脸图像。本申请基于广告牌的抓拍量会明显高于其他非广告牌人脸的抓拍量的统计规律,从同一采集装置所采集的多个人脸图像数量中确定出异常的人脸图像数量,并确定该异常的人脸图像数量对应的人脸图像为疑似异常人脸图像,从而快速、方便地实现疑似广告牌的初步识别。
搜索关键词: 数据处理 方法 装置 计算机 可读 存储 介质
【主权项】:
暂无信息
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杭州海康威视系统技术有限公司,未经杭州海康威视系统技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/202010431025.2/,转载请声明来源钻瓜专利网。

同类专利
  • 一种自适应密度峰值聚类波段选择方法-202310904322.8
  • 白洪涛;杨榕彬;何丽莉;曹英晖;金龙海 - 吉林大学
  • 2023-07-24 - 2023-10-20 - G06V10/72
  • 本发明公开了一种自适应密度峰值聚类波段选择方法,包括以下步骤:步骤S1:输入高光谱图像;步骤S2:计算光谱信息散度,计算光谱角;步骤S3:构造相似矩阵;步骤S4:计算局部密度,计算相对距离;步骤S5:构建波段得分;步骤S6:计算平均斜率;步骤S7:输出波段子集。本发明涉及高光谱图像技术领域,本发明的有益效果是,对传统基于欧式距离的密度峰值聚类波段选择方法进行改进,将光谱信息散度和光谱角用于高光谱图像密度峰值聚类进行波段选择,取代传统的欧式距离构建波段相似矩阵。通过构建波段评分策略,有效自动选择出重要的光谱波段子集。
  • 一种资源端口人工智能识别装置及其方法-201810177439.X
  • 张显东 - 广州小兵过河信息科技有限公司
  • 2018-02-28 - 2023-10-13 - G06V10/72
  • 本发明涉及一种资源端口人工智能识别装置及其方法。一种资源端口人工智能识别装置,包括:图像获取模块,用于获取资源端口的图像;端口识别模块,根据所述图像获取模块所获取的图像,判断哪些端口连接有线端;通讯模块,与外部的后台进行通信,获取资源端口实际接通的信息;比较判断模块,根据端口识别模块和所述通讯模块的信息,判断哪些有线端连接的端口,而实际没有与后台实际接通;以及,图像增强模块,根据所述比较判断模块获取的信息,在所述图像获取模块的所获取的图像上,针对有线端连接而实际没有与后台接通的端口,输出提示图像。
  • 基于改进PCPNet的多波束点云粗差探测剔除方法及系统-202310619477.7
  • 赵建虎;龙佳威 - 武汉大学
  • 2023-05-25 - 2023-10-03 - G06V10/72
  • 本发明提供一种基于改进PCPNet的多波束点云粗差探测剔除方法及系统,包括步骤:多波束测深数据的处理,通过声线跟踪、归位计算等方法提取得到多波束测深点云,包括测深点在指定投影坐标系下的平面坐标及在指定深度基准面下的深度;多波束测深粗差的样本扩增,扩增四类多波束测深粗差:孤立粗差、结构化粗差群、坏ping、旁瓣效应引起的弧圈;多波束测深粗差自动探测模型训练,建立基于改进PCPNet的网络结构并输入样本数据进行训练;利用训练好的模型探测多波束测深点云数据中的粗差,实现粗差剔除。本发明克服了现有方法自动化程度低、受结构化粗差群影响显著、应用范围较窄等缺陷,实现了粗差的高效、准确探测,提高了多波束测深成果的质量。
  • 一种路面静态物体图像的增强方法、装置、设备及介质-202310807580.4
  • 李雅欣;张建;谢飞;王御;洪日;闫善鑫;李扬;姜洪伟 - 中国第一汽车股份有限公司
  • 2023-07-03 - 2023-09-15 - G06V10/72
  • 本发明公开了一种路面静态物体图像的增强方法、装置、设备及介质。通过获取并识别待增强的路面静态物体图像,得到环境要素识别结果;随机获取多个目标环境要素综合评分,并根据环境要素综合评分计算公式进行参数配置,分别得到配置量化结果;获取与路面静态物体图像对应的至少一个静态物体样例图像,分别根据各配置量化结果对各静态物体样例图像进行图像配置处理,得到各配置量化静态物体样例图像;分别将其与路面静态物体图像进行组合,得到各路面静态物体增强图像。解决了对具有减速带、井盖或者铁轨等路面静态物体场景的图像数量较少,并且图像采集费时费力的问题,提高了图像数据库的丰富性,提高了路面静态物体场景的图像采集的效率。
  • 一种基于目标检测的连续废钢图片重复目标去重方法-202310595155.3
  • 张妍;许云峰;魏西峰 - 华北理工大学;河北科技大学
  • 2023-05-25 - 2023-08-22 - G06V10/72
  • 本发明公开了一种基于目标检测的连续废钢图片重复目标去重方法,涉及废钢识别技术领域。本发明通过三个角度的摄像头记录废钢货车卸货过程来获取废钢图片数据;将废钢图片数据输入到深度学习目标检测模型,提取图片的目标类别特征;统计图片的目标类别特征,计算出每个图片之间的目标类别特征重复度,根据阈值进行去重处理,去除相似度大的图片,得到最适合用于预测目标的废钢图片。本发明解决了在废钢识别技术领域处理连续废钢图片时,相邻图片具有相同目标特征导致目标重复计算进而影响废钢扣杂评级准确度的问题,提高了废钢识别的准确度和效率,为废钢识别提供了更可靠和实用的技术手段。
  • 自动驾驶数据筛选方法、系统、电子设备和存储介质-202310527851.0
  • 王尔辛 - 重庆长安汽车股份有限公司
  • 2023-05-11 - 2023-08-01 - G06V10/72
  • 本发明涉及数据筛选技术领域,尤其涉及自动驾驶数据筛选方法、系统、电子设备和存储介质,自动驾驶数据筛选方法包括:接收原始数据,将原始数据进行存储,并通过深度学习模型对原始数据进行推理获得元数据;将元数据作为逻辑数据筛选器的输入进行筛选,筛选后输出为保留元数据的索引,所述保留元数据为通过逻辑筛选器筛选出需要保留的元数据;生成待标注数据子集;对外分发进行人工标注,审核质检,入库。本发明旨在降低标注成本和提高标注数据的质量,还能够加快深度学习模型的性能迭代和对于特定场景的泛化性能。
  • 人脸数据处理方法、装置及计算机可读存储介质-202010431025.2
  • 李绍宗;徐乐逊;李青 - 杭州海康威视系统技术有限公司
  • 2020-05-20 - 2023-07-25 - G06V10/72
  • 本申请公开了一种人脸数据处理方法、装置及计算机可读存储介质,方法包括:针对同一采集装置在预设统计周期内所采集的所有人脸抓拍数据,分别确定属于同一人员的人脸抓拍数据数量;从同一采集装置对应的多个所述人脸抓拍数据数量中确定异常的人脸抓拍数据数量;确定所述异常的人脸抓拍数据数量对应的人脸图像为疑似异常人脸图像。本申请基于广告牌的抓拍量会明显高于其他非广告牌人脸的抓拍量的统计规律,从同一采集装置所采集的多个人脸图像数量中确定出异常的人脸图像数量,并确定该异常的人脸图像数量对应的人脸图像为疑似异常人脸图像,从而快速、方便地实现疑似广告牌的初步识别。
  • 用于去除同源图片的方法、装置及服务器-202010573650.0
  • 潘威滔 - 海尔优家智能科技(北京)有限公司
  • 2020-06-22 - 2023-07-21 - G06V10/72
  • 本申请涉及图像处理技术领域,公开一种用于去除同源图片的方法,包括:获取待测图片和原始图片;将待测图片和原始图片输入识别模型获取待测图片和原始图片各自对应的第一特征图;旋转第一特征图并获取旋转后的第二特征图;获取第一特征图对应的第一向量特征和第二特征图对应的第二特征向量;将第一特征向量和第二特征向量融合为第三特征向量;在根据待测图片和原始图片各自的第三特征向量确定待测图片为原始图片的同源图片的情况下,去除待测图片。该方法能够去除通过旋转方式得到的同源图片且去除同源图片的效率高。本申请还公开一种用于去除同源图片的装置及服务器。
  • 应用优化方法及相关产品-201911252510.7
  • 马亚辉 - OPPO广东移动通信有限公司
  • 2019-12-09 - 2023-07-07 - G06V10/72
  • 本申请实施例提供了一种应用优化方法及相关产品,应用于电子设备,方法包括:所述第三方应用向所述硬件抽象模块发送图像预览请求;所述硬件抽象模块调用底层驱动采集初始图像数据,并向所述媒体策略模块发送所述初始图像数据;所述媒体策略模块接收所述初始图像数据,调用预先使能的算法模块处理所述初始图像数据,得到最终图像数据;所述媒体策略模块向所述第三方应用发送所述最终图像数据;所述第三方应用根据所述最终图像数据进行物体识别处理。可见,本申请实施例不仅保证了上报给第三方应用的数据帧的质量,而且提升了第三方应用的识别准确性。
  • 一种数据处理方法、装置、电子设备及存储介质-202310416400.X
  • 吴及;郭辰仪;张嘉麟 - 清华大学
  • 2023-04-19 - 2023-06-27 - G06V10/72
  • 本发明提供了一种数据处理方法、装置及电子设备,该方法包括:根据预设的时间阈值,判断待补充数据集的缺失时间是否大于时间阈值;在待补充数据集的缺失时间大于时间阈值的情况下,对待补充数据集构建图结构;将图结构输入至深度学习模型,将深度学习模型的输出结果作为目标数据集。通过本发明实施例提供的数据处理方法、装置及电子设备,通过对待补充数据集的缺失时间长度进行判断,针对待补充数据集长时间缺失数据点的情况,将待补充数据集转换为图结构,利用图结构与深度学习模型推断出缺失数据点的真实位置,更加适用于数据点长时间缺失的情况,能够达到较好的数据点恢复性能,且更具有鲁棒性。
  • 基于深度条件扩散网络的SAR识别数据库样本姿态扩充方法-202310146802.2
  • 刘宏伟;王鹏辉;郭帅;陈渤;王英华 - 西安电子科技大学
  • 2023-02-21 - 2023-06-13 - G06V10/72
  • 本发明公开了一种基于深度条件扩散网络的SAR识别数据库样本姿态扩充方法,包括:利用多幅真实的SAR图像构建训练数据集,训练数据集包括多个目标类别,每个类别包括多个图像样本;构建深度条件扩散网络,深度条件扩散网络包括一个时间步编码模块、一个类别标签编码模块、一个方位角编码模块、一个编码融合模块、一个特征图构建模块、多个下采样模块、多个中间过渡模块、多个上采样模块和一个图像还原模块;利用训练数据集对深度条件扩散网络进行训练,获得经训练的深度条件扩散网络;利用经训练的深度条件扩散网络生成SAR图像。本发明能够生成高质量的指定类别和方位角的SAR图像,从而实现对SAR识别数据库样本数量及姿态的扩充。
  • 基于人工智能的无人机采集数据处理方法及系统-202310381912.7
  • 刘学亮;徐杰;任继远 - 天之翼(苏州)科技有限公司
  • 2023-04-11 - 2023-06-02 - G06V10/72
  • 本发明提供的基于人工智能的无人机采集数据处理方法及系统,涉及人工智能技术领域。在本发明中,提取到目标无人机采集到的待处理图像数据;通过经过网络优化处理的图像丰富性评估网络,将待处理图像数据进行图像内容丰富性评估操作,以输出待处理图像数据对应的图像内容丰富性表征数据;基于图像内容丰富性表征数据,对待处理图像数据包括的少一个待处理图像进行筛选操作,以形成对应的目标图像数据,目标图像数据包括至少一个待处理图像,且进行筛选操作的筛选比例与图像内容丰富性表征数据之间具有正相关的对应关系;对目标图像数据进行用户推送操作。基于上述内容,可以在一定程度上提高数据推送的可靠度。
  • 一种基于多传感器图像生成技术的故障诊断方法和系统-202310037558.6
  • 王恒兵;张晓光;周立;陈洋;束正华 - 安徽智质工程技术有限公司
  • 2023-01-10 - 2023-05-26 - G06V10/72
  • 本发明公开了一种基于多传感器图像生成技术的故障诊断方法和系统,其中方法包括:步骤1、设备运行时通过设备上的若干传感器采集数据并储存;步骤2、人为给设备设置不同的故障情况,间歇短暂运行的同时采集和存储数据;步骤3、给收集的数据打上标签,所述数据为时序数据;步骤4、对数据进行分片;步骤5、基于采集数据生成图像,对上一步产生的数据片进行全排列,再将获得的数据组在垂直方向上进行堆叠,将时序数据转化为对应的图像;步骤6、基于生成的图像,选择训练好的深度神经网络,进行模型迁移,获得最终适用于目标域的诊断模型。本发明利用已有的成熟深度学习网络获得诊断模型。同时该方法也可以兼顾振动传感器位置对诊断造成的影响。
  • 一种基于深度学习的数据清洗方法-202110382370.6
  • 程敏;尹帅 - 深圳亿嘉和科技研发有限公司
  • 2021-04-09 - 2023-04-07 - G06V10/72
  • 本发明公开了一种基于深度学习的数据清洗方法,包括步骤:(1)获取原始图像数据集,等分成若干子集并分别构建相应的图像分类模型;(2)采用各个图像分类模型对原始图像数据集中每个图像进行类别预测,得到相应的类别及其分数,并计算得到相应的类别预测分数的标准差,并确定其是否为正常图像数据集;(3)以正常图像数据集作为基准图像数据集构建基准模型,并计算该基准模型的基准分类准确率;(4)从异常图像数据集中选取正常图像数据集;(5)将所有的正常图像数据集的图像汇总,得到有效图像集合。本发明相对于人工方法,数据清洗效率有一定的提高,数据清洗的质量也有一定的保证,同时也丰富了现有的图像自动化清洗方法。
  • 人脸识别模型训练方法、人脸识别方法、装置及相关设备-202111679844.X
  • 刘伟华;王栋 - 智慧眼科技股份有限公司
  • 2021-12-31 - 2023-04-07 - G06V10/72
  • 本发明公开了一种人脸识别模型训练方法、人脸识别方法、装置及相关设备,应用于数据处理领域。本发明提供的方法包括:对参与训练的人脸图像进行图像预处理,得到人脸图像集,基于特征提取网络,对人脸图像集进行特征提取,得到特征向量,并对特征向量进行范数操作,得到与图像质量相关的特征范数,使用压缩映射的方式对特征范数进行压缩,得到压缩后的特征范数,通过压缩后的特征范数构建基于特征范数的损失函数,基于损失函数计算特征范数的压缩损失,并采用压缩损失对初始人脸识别模型的参数进行训练,得到人脸识别模型,采用本发明可提高低质图像识别的准确率。
  • 输电图像缺陷检测的去重方法、装置、设备和存储介质-202310070419.3
  • 李鹏;黄文琦;曾群生;吴洋;蔡卓骏;樊灵孟 - 南方电网数字电网研究院有限公司
  • 2023-02-07 - 2023-03-31 - G06V10/72
  • 本申请涉及图像去重技术领域,提供了一种输电图像缺陷检测的去重方法,通过获取待检测的多张图像,根据相机拍摄图像时空间位置的接近程度,对图像进行分类,基于对同一类里的图像二维特征点提取的结果,对图像进行类内的两两匹配,当类内匹配到的两张图像的特征点相同的数量到达阈值时,将两张图像归入类内疑似重复图像集,获取图像集里各张图像的位姿,根据图像集里各张图像的位姿之间的相对关系,进行三维区域重构,确定类内疑似重复图像集里两两图像之间是否具有共视关系,当图像集里两两图像之间具有共视关系时,将具有共视关系的两张图像中的一张图像归入类内非重复图像集,显著地提高了缺陷去重的精准度和后续对图像进行缺陷检测的效率。
  • 一种基于影响分数的关键图像数据挖掘方法-202211231026.8
  • 张琪凯;张帆 - 南京工业大学;绍兴兰红智能科技有限公司
  • 2022-10-09 - 2023-03-07 - G06V10/72
  • 本发明涉及图像数据挖掘技术领域,具体涉及一种基于影响分数的关键图像数据挖掘方法,包括以下步骤:(1)取待提取关键图像数据的数据集,划分数据集并进行数据预处理,(2)采用CNN模型训练,并取出特定检查点,跟踪记录训练过程,(3)根据步骤2的检查点,找出验证集中难以正确分类的困难样本,(4)根据步骤2的检查点,再对于步骤3找的图像数据,计算每个训练数据对其的影响分数后排序,选择影响分数大的关键图像数据;本发明针对待提取关键图像数据的图像数据集,通过跟踪训练数据损失的变化,能够实时地观察和记录每个训练数据对模型分类能力的影响,采用影响分数挖掘重要数据,能够在提升准确率和速度的基础上,有效的优化数据质量以及提升模型收敛速度。
  • 数据处理系统、方法和电子设备-202211092426.5
  • 吴飞;吕喆奇;王峰;杨红霞;况琨 - 阿里巴巴(中国)有限公司
  • 2022-09-08 - 2022-12-23 - G06V10/72
  • 本申请提供一种数据处理系统、方法和电子设备。系统中云侧设备上部署有参数生成模型,端侧设备上部署有轻量级模型。端侧设备向云侧设备端侧设备实时采集的发送样本数据,样本数据包括图像样本或行为数据样本。云侧设备将样本数据输入参数生成模型,得到轻量级模型的第一参数,并向端侧设备发送第一参数,以使端侧设备基于轻量级模型的模型参数对样本数据进行图像识别或行为预测,轻量级模型的模型参数包括第一参数。在上述数据处理系统中,云侧的参数生成模型可根据端侧设备实时输入的样本数据,动态地更新端侧设备上轻量级模型的动态参数,使得端侧设备可根据端侧场景数据的变化及时调整端侧轻量级模型,提升端侧设备的轻量级模型的泛化能力。
  • 分类图像清洗方法、装置、设备及存储介质-202211024687.3
  • 欧剑港;宋超杰;汪亮;张晨璐;周丽芬;陈国豪;范荣辉;李婷婷 - 中国联合网络通信集团有限公司
  • 2022-08-25 - 2022-11-04 - G06V10/72
  • 本申请提出一种分类图像清洗方法、装置、设备及存储介质,其中,所述方法包括:基于初始数据集的训练集训练预训练模型,得到初始数据模型;对当前数据集进行清洗,得到经过清洗后的数据集;基于经过清洗后的数据集训练所述预训练模型,得到当前数据模型;基于所述初始数据模型的准确率和所述当前数据模型的准确率评估所述经过清洗后的数据集,得到评估结果;判断所述评估结果是否满足预设条件,若是,则输出所述经过清洗后的数据集;否则,返回执行对当前数据集进行清洗的步骤,直到所述评估结果满足所述预设条件。本申请通过对数据进行清洗并利用数据模型评估数据清洗效果,可以达到有效提高分类图像清洗质量的技术效果。
  • 图像的数据清洗方法、装置、电子设备及存储介质-202210829416.9
  • 孟哲令;刘诗男;侯军;伊帅 - 北京市商汤科技开发有限公司
  • 2022-06-22 - 2022-10-18 - G06V10/72
  • 本公开涉及一种图像的数据清洗方法、装置、电子设备及存储介质,所述方法包括:获取至少一个图像;根据每个图像对应的对象标注框,筛选出所述至少一个图像中的第一图像;根据所述第一图像,生成所述第一图像对应的对象预测框;根据所述第一图像对应的对象标注框、对应的对象预测框,对所述第一图像进行数据清洗。本公开实施例可通过对已标注对象标注框的图像进行多次筛选,降低了不同图像之间存在的标注差异,进而使得基于数据清洗后的图像训练的机器学习模型可以更好地提取到对象特征,有利于提升机器学习模型的训练效果。
  • 一种数据筛选方法及装置-202210809919.X
  • 张冰逸;孟泽民;桂心哲;冷明鑫 - 杭州海康威视数字技术股份有限公司
  • 2022-07-11 - 2022-10-11 - G06V10/72
  • 本申请实施例提供了一种数据筛选方法及装置,该方法包括:获取第一样本图像集,第一样本图像集包括多个第一样本图像;将多个第一样本图像分别输入待精简模型,得到每个第一样本图像的预测结果;根据每个第一样本图像的预测结果以及该第一样本图像的标注结果,确定每个第一样本图像的决策距离;根据每个第一样本图像的决策距离,筛选出待精简模型表现最差的第一预设数量个第一样本图像。应用本申请实施例提供的技术方案,能够筛选出对模型精简具有指导作用的图像数据,提高图像数据筛选的准确性。
  • 一种图像数据增强方法及系统-202210849830.6
  • 刘海鸥;韩雨轩;刘庆霄;陈慧岩 - 北京理工大学
  • 2022-07-19 - 2022-10-11 - G06V10/72
  • 本发明公开了一种图像数据增强方法及系统,涉及图像处理领域,所述方法包括:获取标注后图像和环境背景图像;对环境背景图像进行分割,得到环境背景图像中的第一天空区域和第一地面区域;裁剪标注后图像中标注为前景物体的区域,得到目标区域图像;对目标区域图像中各像素点进行聚类以分离前景和背景,并获取仅包括前景物体的前景图像;根据前景图像中的物体的类别决定将前景图像拼接在环境背景图像中的第一地面区域中还是第一天空区域中,最终得到数据增强图像。本发明能够得到考虑了环境特性的数据增强图像,提高了数据增强方法对于不同环境的泛化能力,解决了现有数据增强方法泛化能力较差的问题。
  • 一种基于人工智能的图像识别方法-202210577199.9
  • 卢青松;杨有丽;金磊 - 安徽超清科技股份有限公司
  • 2022-05-25 - 2022-10-11 - G06V10/72
  • 本发明涉及图像识别,具体涉及一种基于人工智能的图像识别方法,获取待识别图像集,对待识别图像集中的待识别图像进行遍历;利用分类模型识别判断待识别图像是否为不可用图像,并判断剩余待识别图像是否为可用图像;对各可用图像设置标签,并将可用图像与相应标签作为训练数据集,利用训练数据集对图像识别模型进行模型训练;获取原始图像,并将原始图像输入训练好的图像识别模型;图像识别模型的网络主体结构对原始图像中的目标对象进行特征提取,并通过输出层对提取的图像特征进行分类,输出目标对象对应的识别结果;本发明提供的技术方案能够有效克服现有技术所存在的图像识别准确度较低、不便筛选高质量训练图像进行模型训练的缺陷。
  • 一种多方位算法模型的自适配方法-202210524304.2
  • 殷光强;李超;王耀举;杨晓宇;李耶 - 电子科技大学
  • 2022-05-13 - 2022-09-09 - G06V10/72
  • 本发明涉及图像识别与启发式学习技术领域,特别是涉及一种多方位算法模型的自适配方法,包括算法模型自适配、外设自适配和传输自适配;其中算法模型自适配即选择最合适的算法模型,具体包括图像的采集与预处理以及算法模型的统计分析;所述外设自适配具体指:通过调节外设参数,识别并训练得到的最合适的算法模型,最终输出专有化模型;所述传输自适配具体指:对输出的专有化模型进行仿真和测试,并根据结果进一步优化该专有化模型。通过本自适配方法,能有效解决普适算法在某些场景或时间下精确度不高的问题。
  • 一种基于编解码架构的渐进式显著目标识别方法-202210580683.7
  • 周晓飞;王灵波;张继勇;李世锋;周振;何帆;颜成钢 - 杭州电子科技大学;中电数据服务有限公司
  • 2022-05-26 - 2022-09-06 - G06V10/72
  • 本发明公开了一种基于编解码架构的渐进式显著目标识别方法,包括如下步骤:S1、图像数据预处理,并将预处理后的图像数据制作成训练集;S2、搭建目标识别网络并获取精确显著图像;S3、训练集中的图像数据输入至目标识别网络并训练。本发明通过在网络编码过程、解码过程中采用不同的渐进融合方式,有效减少了层间、尤其是间隔层之间的噪声污染保证了多尺度特征信息的有效利用,另外,通过渐进式连接方法取代传统模型中的简单跳跃连接、长连接,在保证多尺度特征信息能有效传递的同时,对不同特征层间的噪声信息进行筛除、提纯,使得伪装图像的显著目标检测模型性能得到巨大提升。
  • 基于时空卷积网络的机动车尾气遥测数据的多重补全方法-202110694200.1
  • 凌强;费习宏;李峰 - 中国科学技术大学
  • 2021-06-22 - 2022-09-06 - G06V10/72
  • 本发明涉及一种基于时空卷积网络的机动车尾气遥测数据的多重补全方法及系统,其中方法包括:步骤S1:获取检测区域路网遥测点拓扑结构信息和路网中遥测设备遥测的机动车尾气排放浓度多重缺失数据,并进行处理,分别构建空间路网的拓扑结构图数据和机动车尾气排放浓度时间序列数据;步骤S2:将空间路网的拓扑结构图数据和机动车尾气排放浓度时间序列数据输入到时空图卷积网络进行补全计算,得到最终补全的机动车尾气排放浓度时间序列数据。本发明通过获取检测区域路网遥测点拓扑结构信息,来实现对路网中遥测设备遥测的机动车尾气排放浓度多重缺失数据进行补全。
  • 一种图关系网络人数统计方法及相关设备-202210545571.8
  • 李坚强;陈杰;刘尊;梁中明 - 深圳大学
  • 2022-05-19 - 2022-08-30 - G06V10/72
  • 本发明公开了一种图关系网络人数统计方法及相关设备,所述方法包括:对图片序列进行预测得到边界框以及边界框图像;根据边界框构建第一关系子图集;根据相邻节点之间的相关性和相邻边之间的相关性计算得到图相似性;计算第一边界框图像和第二边界框图像的平均直方图相似性;计算图相似性和平均直方图相似性的综合相似度,若综合相似度大于或等于预设阈值,则将第一关系子图代替第二关系子图,否则将第一关系子图直接加入第二关系子图集中,以便求得图片序列中不同检测对象的数量。通过在计算出综合相似度后与预设阈值比较,根据比较结果更新第二关系子图集中不同检测对象的数量,实现了高效且准确地统计出图像中不同检测对象的数量。
  • 一种数据处理方法及装置、电子设备和计算机可读存储介质-202210601774.4
  • 刘金彦;杨伟丽;邓皓匀;陈剑斌;任凡 - 重庆长安汽车股份有限公司
  • 2022-05-30 - 2022-08-19 - G06V10/72
  • 本申请提供一种数据处理方法及装置、电子设备和计算机可读存储介质,包括:获取第一点云文件集合和第一标注文件集合;将第一点云文件从第一点云文件集合中删除,得到第二点云文件集合,第一标注文件集合中不包括与第一点云文件相关联的标注文件;将第一标注文件从第一标注文件集合中删除,得到第二标注文件集合,第一点云文件集合中不包括与第一标注文件相关联的点云文件;将第二标注文件从第二标注文件集合中删除,得到第三标注文件集合,并将与第二标注文件关联的点云文件从第二点云文件集合中删除,得到第三点云文件集合,第二标注文件中包括第一三维标注框。通过该方法,可以提高数据处理的效率。
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top