-
公开(公告)号：CN110855474A
公开(公告)日：2020-02-28
申请号：CN201911000458.6
申请日：2019-10-21
Applicant: 广州杰赛科技股份有限公司
Abstract: 本发明提供了一种KQI数据的网络特征提取方法、装置、设备及存储介质，该方法通过对采集到的网络的KQI数据进行归一化处理并按照时间顺序进行排序；从排序后的KQI数据中截取出在当前时刻前的设定时间长度内的样本数据；根据样本数据，通过预先建立的网络特征提取模型，获得KQI数据对应的网络特征；网络特征提取模型包括用于抽取样本数据的空间维度上的具有第一维数的第一特征向量的CNN模型、用于抽取样本数据的时间维度上的的具有第二维数的第二特征向量的LSTM模型，用于融合第一特征向量和第二特征向量的注意力机制模型对；本发明充分考虑了网路特征多维数据的空间关系和时间维度的延续关系，全面提取KQI数据的网络特征，解决特征识别准确率低的问题。
-
公开(公告)号：CN110458973A
公开(公告)日：2019-11-15
申请号：CN201910684731.5
申请日：2019-07-26
Applicant: 广州杰赛科技股份有限公司
Abstract: 本发明公开了一种基于人脸识别的实时考勤系统，包括：接收摄像头采集的视频信息，并将视频信息分解为图片信息；对图片信息进行裁剪，计算人脸部分图像中人脸的坐标并计算坐标重合度；根据坐标重合度判断人脸部分图像对应的图片信息的图像帧是否为有效帧，若是，提取人脸部分图像的特征码；选取与特征码匹配成功的人脸信息对应的人脸身份信息，作为特征码对应的人脸部分图像的真实身份信息；将真实身份信息对应的人员的考勤状态标记为已考勤状态。本发明公开的一种基于人脸识别的实时考勤系统能有效解决现有技术能有效解决现有技术人脸考勤打卡效率低下的问题。本发明实施例还公开了一种基于人脸识别的实时考勤系统及存储介质。
-
Patent Agency Ranking
公开(公告)号：CN109389045A
公开(公告)日：2019-02-26
申请号：CN201811053740.6
申请日：2018-09-10
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
IPC: G06K9/00
Abstract: 本发明提供了一种基于混合时空卷积模型的微表情识别方法与装置，该方法包括：根据预先获取的图像训练样本对预先建立的混合时空卷积网络进行训练，得到混合时空卷积模型；其中，所述混合时空卷积网络包括多个循环交替连接3D残差模块，每个3D残差模块包括1*3*3卷积层和3*1*1卷积层；将待识别图像输入到所述到混合时空卷积模型，得到微表情分类结果。采用混合的1*3*3卷积(2维)+3*1*1卷积(1维)进行卷积计算，一方面保证了本发明在微表情识别上具有3D CNN的精度要求；另一方面大大降低了计算复杂度，从降低对计算机硬件的要求，更有利于产品化。
-
公开(公告)号：CN109377577A
公开(公告)日：2019-02-22
申请号：CN201811080022.8
申请日：2018-09-17
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
Abstract: 本发明公开了一种基于人脸识别的考勤方法，包括：服务器端接收信息采集端采集的用户信息；服务器端根据接收到的用户信息生成考勤任务列表，并发送至预处理端；服务器端根据初始人脸信息，对预处理端返回的人脸特征信息进行人脸识别，确定人脸特征信息对应的身份信息；服务器端根据人脸特征信息、与人脸特征信息对应的身份信息以及接收到人脸特征信息的时间和预处理端对应的地点，生成当前用户的考勤记录。本发明公开的一种基于人脸识别的考勤方法能有效解决现有技术能有效解决现有技术用户账号登录步骤繁琐，考勤时间长、实时性差和准确度低的问题。本发明实施例还公开了一种基于人脸识别的考勤系统及存储介质。
-
公开(公告)号：CN109389045B
公开(公告)日：2021-03-02
申请号：CN201811053740.6
申请日：2018-09-10
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
IPC: G06K9/00
Abstract: 本发明提供了一种基于混合时空卷积模型的微表情识别方法与装置，该方法包括：根据预先获取的图像训练样本对预先建立的混合时空卷积网络进行训练，得到混合时空卷积模型；其中，所述混合时空卷积网络包括多个循环交替连接3D残差模块，每个3D残差模块包括1*3*3卷积层和3*1*1卷积层；将待识别图像输入到所述混合时空卷积模型，得到微表情分类结果。采用混合的1*3*3卷积(2维)+3*1*1卷积(1维)进行卷积计算，一方面保证了本发明在微表情识别上具有3D CNN的精度要求；另一方面大大降低了计算复杂度，从而降低对计算机硬件的要求，更有利于产品化。
-
公开(公告)号：CN109376596B
公开(公告)日：2020-11-13
申请号：CN201811079718.9
申请日：2018-09-14
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
IPC: G06K9/00
Abstract: 本发明公开了一种人脸匹配方法、装置、设备及计算机可读存储介质，通过候选区域网络模型获取目标人脸图像的目标人脸区域图像以及至少两个人脸器官区域图像，进而通过级联卷积神经网络模型，获取至少两个目标人脸特征点及对应特征向量，将所述目标人脸特征点进行组合以获取特征组合，根据所述特征组合中所述目标人脸特征点的特征向量以及预先建立的特征检索库，逐个组合进行迭代匹配，以获取匹配于所有特征组合的图像集合，将所述目标人脸特征点的特征向量与所述图像集合进行相似度计算，以获取人脸匹配结果，本发明能够减少检索范围，提升检索速度，提高用户的使用体验。
-
公开(公告)号：CN109325226A
公开(公告)日：2019-02-12
申请号：CN201811052429.X
申请日：2018-09-10
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
Abstract: 本发明提供了一种基于深度学习网络的术语提取方法、装置与存储介质，该方法包括：对目标文本进行术语标注；对标注后的目标文本进行分词处理，得到分词文本并提取关键词；根据关键词对预先建立的RNN深度学习网络进行训练，得到术语预测模型，并获取术语预测模型输出的术语预测结果；根据目标文本对应的术语预测结果以及术语标注，对预先建立的CNN深度学习网络进行训练，得到术语提取模型，并获取术语提取模型输出的术语提取结果。本发明融合了RNN与CNN深度学习网络，组成了一个更深层的深度学习的网络，依据提取后的关键词以及目标文本的术语标注结果对目标文本进行术语的预测和提取，可以有效提升术语的提取速率，实现海量文本的中文术语的抽取。
-
-
-
-
-
-
Search Results
17
records
(took 0.025 seconds)
