-
公开(公告)号：CN118828037A
公开(公告)日：2024-10-22
申请号：CN202410165051.3
申请日：2024-02-05
IPC分类号： H04N21/2187 , H04N21/24 , H04N21/25 , H04N21/442 , H04N21/466 , G06N3/092
摘要： 本发明提供一种网络直播视频拉流方式确定方法及装置，该方法包括：获取预设时间段内目标网络直播视频的点击量、运营商为所述目标网络直播视频提供的最大总并发带宽和预设用户点击视频平均等待时延；将所述点击量、所述最大总并发带宽和所述预设用户点击视频平均等待时延输入至深度确定性策略梯度DDPG模型的执行器中，得到所述执行器输出的所述目标网络直播视频的拉流方式调整动作；所述DDPG模型由网络直播视频样本的点击量和运营商为所述网络直播视频样本提供的最大总并发带宽为样本进行训练得到。本发明在充分利用总并发带宽的同时，最大程度降低用户点击网络直播视频等待时延。
-
公开(公告)号：CN118797299A
公开(公告)日：2024-10-18
申请号：CN202311307415.9
申请日：2023-10-07
IPC分类号： G06F18/213 , G06F18/214 , G06F18/241 , G06N3/0499
摘要： 本发明涉及计算机技术领域，提供一种阳光厨房非技术原因故障识别方法及其装置，该方法包括：获取故障节点信息；将故障节点信息进行预处理，得到待识别故障节点信息；将待识别故障节点信息输入至目标阳光厨房非技术原因故障识别模型中，得到目标阳光厨房非技术原因故障识别模型输出的故障识别结果。本发明提供的阳光厨房非技术原因故障识别方法通过获取到故障节点信息，将故障节点信息进行预处理得到待识别故障节点信息，基于目标阳光厨房非技术原因故障识别模型对待识别故障节点信息进行预测，输出故障识别结果，因此不需要依赖运维人员进行人工经验进行评估，提升了自动化评估水平，还提高了阳光厨房非技术原因故障识别的效率和精准度。
-
公开(公告)号：CN118796990A
公开(公告)日：2024-10-18
申请号：CN202311542549.9
申请日：2023-11-17
IPC分类号： G06F16/332 , G06F16/33 , G06F40/35 , G06Q50/12
摘要： 本申请公开了一种视觉问答方法、模型训练方法、电子设备及可读存储介质，该方法包括：获取目标用户通过语音输入的提问文本以及目标商户的基本信息；根据所述提问文本的输入时间获取与所述输入时间对应时间的视频图像数据；将预处理后的所述提问文本、所述基本信息以及所述视频图像数据输入至预先训练好的视觉问答模型中，输出目标答复文本；将所述目标答复文本转换为语音向所述目标用户输出。
-
公开(公告)号：CN118803422A
公开(公告)日：2024-10-18
申请号：CN202311140388.0
申请日：2023-09-05
IPC分类号： H04N23/695 , H04N23/80 , G06V20/40 , G06N3/0464 , G06N3/084 , G06V10/82 , G06V10/774 , G06V10/44
摘要： 本申请涉及人工智能领域，提供一种摄像头移位校准方法、装置、设备及计算机程序产品。所述摄像头移位校准方法包括：采集目标摄像头视频帧图像以及转动方向数据，对所述目标摄像头视频帧图像进行预处理；基于所述转动方向数据以及预处理后的摄像头视频帧图像确定目标数据集；将待处理摄像头的视频帧图像输入目标模型，得到摄像头校准方向和动作信息，所述目标模型是基于所述目标数据集进行训练和测试得到的；基于所述摄像头校准方向和动作信息校准所述待处理摄像头。本申请通过模型训练校准图像与摄像头转动方向动作的映射关系，进而对摄像头的位移进行校准，提高了摄像头位移校准的效率。
-
公开(公告)号：CN118799773A
公开(公告)日：2024-10-18
申请号：CN202311351560.7
申请日：2023-10-18
摘要： 本申请涉及数据处理技术领域，提供一种菜品制作过程异常识别方法、装置、电子设备及存储介质。所述方法包括：获取菜品制作过程的视频数据；将视频数据输入具有注意力机制的菜品制作过程的描述模型，得到描述模型输出的菜品制作过程的描述数据；将描述数据输入具有多种空域窗长度的卷积核的菜品制作过程的异常识别模型，提取描述数据的特征，得到异常识别模型输出的菜品制作过程的异常结果。本申请实施例根据权重聚焦上下文向量，生成描述数据；通过具有不同空域窗长度的卷积核对描述数据进行不同程度的特征提取，得到异常结果，实现了菜品制作过程中异常结果的自动识别。
-
公开(公告)号：CN118798269A
公开(公告)日：2024-10-18
申请号：CN202311484623.6
申请日：2023-11-08
IPC分类号： G06N3/0464 , G06N3/0442 , G06N3/0455 , G06N3/08 , G06N3/084 , G06V10/82 , G06V10/40
摘要： 本发明提供一种餐饮后厨摄像头型号和数量的模型训练方法和预估方法，属于神经网络技术领域，模型训练方法包括：构建基于编码器和解码器架构的深度卷积神经网络，深度卷积神经网络包括卷积神经网络图像特征提取器，长短期记忆神经网络文本特征提取器和全连接注意力层；获取餐饮后厨的图像数据和摄像头型号的文本数据；将餐饮后厨的图像数据和摄像头型号的文本数据输入深度卷积神经网络，对深度卷积神经网络进行训练，得到训练后的深度卷积神经网络。基于本发明进行摄像头数量和型号预估，能够提高预估的精度和准确度。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.083 秒)
