“训练集图像”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果1457241个，建议您升级VIP下载更多相关专利

[发明专利]一种新的图像数据扩充方法、系统、终端及存储介质-CN202010895511.X在审
发明人：胡联亭;卢龙 -专利权人：苏州智乐康医疗科技有限公司
申请日： 2020-08-31 - 公布日： 2020-11-24 - 主分类号： G06T3/40 文献下载
摘要：本发明属于机器视觉技术领域，公开了一种新的图像数据扩充方法，使用训练集组织方法和训练集图像拼接方法对原始图像训练集进行扩充，得到拼接图像训练集以及每张拼接图像所对应的拼接标签；利用拼接图像训练集以及拼接标签对图像分类器进行训练使用测试集组织方法和测试集图像拼接方法对原始图像测试集进行拼接，得到拼接图像测试集。本发明测试集中使用了与训练集不同的组织方法，没有增加拼接图像测试集的样本量，提高了图像分类器的预测效率。由拼接图像训练集训练的图像分类器只能输出拼接标签上的概率分布，标签映射函数将输出的概率分布映射到了原始标签上，完成了对测试原始图像的预测。
一种图像数据扩充方法系统终端存储介质

[发明专利]一种氢气泄漏浓度分布预测方法及系统-CN202210356904.2有效
发明人：李建威;王天赐;鲍欢欢;吕洪;郝冬;高雷;王薛超;郭文军 -专利权人：北京理工大学
申请日： 2022-04-07 - 公布日： 2022-07-26 - 主分类号： G06V20/10 文献下载
摘要：本发明涉及涉及氢安全利用技术领域，特别是涉及一种氢气泄漏浓度分布预测方法及系统，方法包括：获取若干组训练数据集；训练数据集包括训练浓度集和训练图像集；对训练图像集进行预处理，得到训练灰度图像集；将训练灰度图像集中的灰度值与训练浓度集中的浓度值进行匹配，得到训练灰度浓度映射集；基于训练灰度浓度映射集对灰度浓度转化模型进行训练，基于训练灰度图像集对浓度分布预测模型进行训练；基于实时泄露图像集，结合训练好的浓度分布预测模型，得到预测灰度图像；基于预测灰度图像和训练好的灰度浓度转化模型得到预测氢气浓度分布
一种氢气泄漏浓度分布预测方法系统

[发明专利]图像处理模型的训练方法和装置、白平衡处理方法和装置-CN202110317455.6在审
发明人：张英琦 -专利权人：维沃移动通信(深圳)有限公司
申请日： 2021-03-25 - 公布日： 2021-06-01 - 主分类号： G06T5/50 文献下载
摘要：本申请公开了一种图像处理模型的训练方法和装置、白平衡处理方法和装置，其中，图像处理模型的训练方法包括：获取第一训练集图像；对第一训练集图像进行偏色处理，得到偏色后的第二训练集图像；通过第一训练集图像和第二训练集图像对待训练神经网络进行训练，得到用于白平衡处理的图像处理模型。
图像处理模型训练方法装置白平衡

[发明专利]图像分割方法、装置、设备及存储介质-CN202310014842.1有效
发明人：黄耀;陈家骏 -专利权人：北京阿丘科技有限公司
申请日： 2023-01-06 - 公布日： 2023-10-10 - 主分类号： G06T7/10 文献下载
摘要：本发明属于图像处理技术领域，公开了一种图像分割方法、装置、设备及存储介质。该方法包括：在接收到图像分割任务时，获取图像训练集；根据所述图像训练集进行模型训练，得到初始分割模型；根据初始分割模型在所述图像训练集中确定目标训练集；根据所述图像训练集、所述目标训练集以及所述初始分割模型进行更新训练，得到目标分割模型；根据所述目标分割模型完成所述图像分割任务。通过上述方式，在初始分割模型不满足上线要求时，在图像训练集中确定目标训练集，并基于目标训练集和图像训练集对初始分割模型进行更新训练，从而得到满足上线要求且分割性能更好的目标分割模型，基于目标分割模型完成图像分割任务，提高了图像分割任务的分割精度。
图像分割方法装置设备存储介质

[发明专利]图像处理方法、装置、设备及其训练方法-CN202010419181.7有效
发明人：季孝忠;曹赟;邰颖;汪铖杰;李季檩 -专利权人：腾讯科技（深圳）有限公司
申请日： 2020-05-18 - 公布日： 2022-08-23 - 主分类号： G06T5/00 文献下载
摘要：提供了一种图像处理方法、装置、设备及其训练方法，该训练方法包括：获取样本图像集，该样本图像集包括第一数量的样本图像；基于该样本图像集构建图像特征集，该图像特征集包括分别从该样本图像集中的每个样本图像提取的至少一个图像特征；获取训练图像集，该训练图像集包括第二数量的训练图像，该训练图像集与该样本图像集完全相同、部分相同或完全不同，该第一数量和该第二数量相同或不同；基于该训练图像集和该图像特征集构建多个训练图像对；以及基于该多个训练图像对对该图像处理模型进行训练该训练方法利用无标记的真实图像作为训练输入，使得经训练的神经网络可以处理低分辨率图像中的模糊/噪声问题，生成更清晰/干净的高分辨率图像。
图像处理方法装置设备及其训练

[发明专利]活体检测模型训练方法、活体检测方法及系统-CN202211425567.4在审
发明人：曹佳炯;丁菁汀 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2022-11-15 - 公布日： 2023-04-21 - 主分类号： G06V10/774 文献下载
摘要：本说明书提供一种活体检测模型训练方法、活体检测方法及系统，在获取第一训练图像集后，基于第一训练图像集生成第二训练图像集，其中，第二训练图像集在基础活体检测模型的活体可分辨性低于第一训练图像集在基础活体检测模型的活体可分辨性，以及使用综合训练图像集对目标神经网络模型进行训练，得到活体分辨性能优于基础活体检测模型的目标活体检测模型，其中，综合训练图像集包括第一训练图像集和第二训练图像集；该方案可以提高活体检测的不同域数据的采集效率
活体检测模型训练方法系统

[发明专利]图像检测模型的训练方法、图像检测方法及装置-CN202111056269.8在审
发明人：苏鹏 -专利权人：顺丰科技有限公司
申请日： 2021-09-09 - 公布日： 2023-03-14 - 主分类号： G06V10/774 文献下载
摘要：本申请提供一种图像检测模型的训练方法、图像检测方法及装置，该图像检测模型的训练方法包括：获取预设训练集，其中，预设训练集中包括多个第一训练图像；从预设训练集中获取多个图像集，其中，图像集包括至少两个第一训练图像，图像集的数量大于预设训练集中第一训练图像的数量；对各个图像集中的第一训练图像分别拼接，得到多个图像集对应的多个第二训练图像；基于多个第二训练图像对预设目标检测模型进行训练，得到图像检测模型。本申请提高了模型训练效果，从而提高了图像检测的准确率。
图像检测模型训练方法装置

[发明专利]训练集的获取方法、装置及电子设备-CN202010095790.1有效
发明人：梁隆恺 -专利权人：百度在线网络技术（北京）有限公司
申请日： 2020-02-17 - 公布日： 2023-06-30 - 主分类号： G06V10/774 文献下载
摘要：本申请公开了一种训练集的获取方法及相关设备，涉及计算机技术领域中的地图技术。具体实现方案为：获取第一训练集，其中，第一训练集包括人工标记的卫星图像样本；对所述第一训练集中卫星图像样本进行图像风格迁移处理，生成第二训练集，其中，所述第二训练集包括所述第一训练集中的卫星图像样本进行图像风格迁移处理后得到的卫星图像样本；基于所述第一训练集和所述第二训练集，生成目标训练集，其中，所述目标训练集包括：所述第一训练集的部分或者全部卫星图像样本，以及所述第二训练集的部分或者全部卫星图像样本。这样，可以克服目前在基于卫星图的失效区域挖掘技术中存在的生成训练集的效率较低的问题，进而提升生成训练集的效率。
训练获取方法装置电子设备

[发明专利]一种训练图像分类模型的方法、装置、设备及存储介质-CN202210823468.5在审
发明人：马媛媛;王仁根;张学涵;蔡丹平;黄鹏;吴立;周祥明;张朋 -专利权人：浙江大华技术股份有限公司
申请日： 2022-07-13 - 公布日： 2022-11-01 - 主分类号： G06V10/764 文献下载
摘要：本申请提供一种训练图像分类模型的方法、装置、设备及存储介质，可以应用于人工智能领域等，用于解决训练得到的图像分类模型的分类准确性和分类可靠性较低的问题。该方法包括：获取多个原始样本图像集；采用至少一种图像集扩展策略，分别对所述多个原始样本图像集中的每两个原始样本图像集进行图像集扩展处理，获得多个扩展样本图像集；对各个训练图像集进行图像集聚类处理，获得多个图像集聚类簇，其中，每个图像集聚类簇包含至少一个训练图像集，所述训练图像集为所述原始样本图像集或所述扩展样本图像集；分别基于所述多个图像集聚类簇，对相应的待训练的图像分类模型进行多轮迭代训练，输出已训练的多个目标图像分类模型
一种训练图像分类模型方法装置设备存储介质

[发明专利]图像分割模型训练方法、图像分割方法、装置及电子设备-CN201911125145.3有效
发明人：陈彦龙;韩旭 -专利权人：东声(苏州)智能科技有限公司
申请日： 2019-11-18 - 公布日： 2022-08-26 - 主分类号： G06T7/11 文献下载
摘要：本申请提供了一种图像分割模型训练方法、图像分割方法、装置及电子设备，其中，图像分割模型训练方法包括：获取训练图像集中的各图像的兴趣区域图像，以得到训练图像集对应的兴趣图像集；将训练图像集与兴趣图像集输入初始神经网络模型进行模型训练，以得到图像分割模型。
图像分割模型训练方法装置电子设备

[发明专利]一种基于改进原型网络的小样本图像分类方法-CN202210216505.6在审
发明人：黄彦乾 -专利权人：上海电机学院
申请日： 2022-03-07 - 公布日： 2022-07-12 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于改进原型网络的小样本图像分类方法，包括：初始化当前任务的图像数据集，将初始化后当前任务的图像数据集划分为训练集和测试集；利用训练集，并结合外部辅助数据集，对GNN进行训练，得到训练好的GNN；将训练集和测试集分别输入训练好的GNN，以分别进行特征嵌入，并通过特征编码，分别得到训练集图像特征和测试集图像特征；根据训练集图像特征，从训练集中筛选出有效样本特征类原型；将测试集图像特征以及有效样本特征类原型输入CNN，以得到测试集图像样本分别与各类原型之间的相似度；根据测试集图像样本与各类原型之间的相似度，完成对测试集图像样本的类别划分。与现有技术相比，本发明能够有效提高小样本图像分类的准确率。
一种基于改进原型网络样本图像分类方法

[发明专利]面向fMRI视觉分类的零次学习方法-CN202011006608.7在审
发明人：陈健;谢鹏飞;乔凯;梁宁宁;王林元;张子飞;罗旭;魏月纳;闫镔 -专利权人：中国人民解放军战略支援部队信息工程大学
申请日： 2020-09-23 - 公布日： 2021-01-15 - 主分类号： G06K9/62 文献下载
摘要：该方法包括：步骤1：构建面向fMRI视觉分类的零次学习的数据集，数据集包括训练集和测试集，训练集包含训练集图像和被试看到训练集图像刺激后的训练集fMRI脑信号；测试集包含测试集图像和被试看到测试集图像刺激后的测试集fMRI脑信号；训练集图像和测试集图像之间的图像语义类别不相同；步骤2：根据训练集训练基于对抗学习的图像特征条件下fMRI脑信号自动生成网络；步骤3：根据测试集训练语义类别视觉分类网络；步骤4：根据步骤3训练的语义类别视觉分类网络，输入测试集fMRI脑信号，得到预测结果，实现对测试集fMRI脑信号的视觉分类。本发明的语义视觉分类网络可以扩展到被试之前未看到的图像语义类别。
面向 fmri 视觉分类学习方法

[发明专利]基于由病灶覆盖的人体表面积的百分比确定皮肤病的严重程度的方法-CN202080085246.7在审
发明人： Y·陈;C·唐;E·J·穆诺兹-埃利亚斯 -专利权人：詹森生物科技公司
申请日： 2020-12-08 - 公布日： 2022-07-29 - 主分类号： G06T7/00 文献下载
摘要：提供了一种使用机器学习技术自动计算人体表面积(BSA)得分的图像处理方法。使用Felzenszwalb图像分割算法来定义多个训练集图像中的每个训练集图像中的所提议的区域。过分割该训练集图像，并且然后将该多个过分割的训练集图像中的每个过分割的训练集图像中的所提议的区域中的每个所提议的区域手动分类为病灶或非病灶。然后，使用该多个训练集图像中的每个训练集图像中的该手动分类的所提议的区域来训练卷积神经网络(CNN)。然后将经训练的CNN用在测试图像上以计算BSA得分。
基于病灶覆盖人体表面积百分比确定皮肤病严重程度方法

[发明专利]攻击图像检测模型训练方法、装置、计算机设备-CN202211016896.3在审
发明人：詹念吉;李治;王耀南 -专利权人：招联消费金融有限公司
申请日： 2022-08-24 - 公布日： 2022-11-01 - 主分类号： G06V10/762 文献下载
摘要：本申请涉及一种攻击图像检测模型训练方法、装置、计算机设备。所述方法包括：获取疑似攻击图像集，对疑似攻击图像集进行聚类，得到各个聚类疑似攻击图像集；基于各个聚类疑似攻击图像集确定目标聚类图像集，将目标聚类图像集作为训练攻击图像集，基于训练攻击图像集中的训练攻击图像提取攻击特征区域图像；获取待攻击图像，将待攻击图像与攻击特征区域图像进行融合，得到目标训练攻击图像；获取待更新攻击图像检测模型，基于目标训练攻击图像对待更新攻击图像检测模型进行更新训练，当达到更新训练完成条件时，得到更新攻击图像检测模型，更新攻击图像检测模型用于对输入图像进行攻击图像检测。采用本方法能够提高攻击图像检测的准确性。
攻击图像检测模型训练方法装置计算机设备

[发明专利]图像增强模型的训练、图像增强方法、装置和存储介质-CN201811183016.5有效
发明人：石世昌;黄飞 -专利权人：腾讯科技（深圳）有限公司
申请日： 2018-10-11 - 公布日： 2023-07-11 - 主分类号： G06V10/774 文献下载
摘要：本发明涉及一种图像增强模型的训练、图像增强方法、装置和存储介质，所述图像增强模型的训练方法包括：获取第一训练图像集，所述第一训练图像集中的各个训练样本包括训练图像以及配对的目标图像；根据所述第一训练图像集的各个训练样本对初始图像增强模型进行有监督的模型训练，得到中间图像增强模型；获取第二训练图像集，所述第二训练图像集包括第一质量图像子集和第二质量图像子集；根据所述第二训练图像集对所述中间图像增强模型和判别网络模型进行对抗学习，采用无监督训练算法训练得到目标图像增强模型上述方法可以提高目标图像增强模型的图像增强效果。
图像增强模型训练方法装置存储介质

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条