-
公开(公告)号：CN111105028B
公开(公告)日：2023-10-24
申请号：CN201811258926.5
申请日：2018-10-26
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06N3/08
Abstract: 本发明公开了一种神经网络的训练方法、装置及序列预测方法，属于人工智能技术领域。方法：在将n个样本数据输入至待训练的神经网络后，获取待训练的神经网络输出的n个概率分布列序列，第k个概率分布列序列包括m个概率分布列，第k个概率分布列序列中第g个概率分布列为，第k个样本数据的第g个单元数据的类别的概率分布，n、k、m和g均为整数，1≤k≤n，1≤g≤m；确定第k个概率分布列序列到第k个标定序列的编辑概率，第k个概率分布列序列到第k个标定序列的编辑概率为，通过编辑操作将第k个概率分布列序列生成第k个标定序列的概率；基于n个概率分布列序列中各个概率分布列序列到相应标定序列的编辑概率，对待训练的神经网络进行优化。
-
公开(公告)号：CN109685058B
公开(公告)日：2021-07-09
申请号：CN201710969721.7
申请日：2017-10-18
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本发明实施例提供了一种图像目标识别方法、装置及计算机设备，其中，图像目标识别方法包括：分别沿图像的水平视角方向和垂直视角方向进行特征提取，相应得到图像的横向特征序列和纵向特征序列；将横向特征序列及纵向特征序列进行融合，得到融合特征；利用预设激活函数，对融合特征进行激活，得到图像特征；通过对图像特征进行解码，识别图像中的目标。通过本方案可以提高目标识别的效率。
-
公开(公告)号：CN111046891A
公开(公告)日：2020-04-21
申请号：CN201811184621.4
申请日：2018-10-11
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请公开了一种车牌识别模型的训练方法、车牌识别方法和装置。本申请提供的车牌识别模型的训练方法，包括：构建训练样本集；其中，所述训练样本集包括多个样本子集，每个样本子集中的各个车牌样本所属的车牌类型相同；所述车牌样本包括预先采集到的原始车牌样本和对所述原始车牌样本扩增后得到的扩增车牌样本；从每个所述样本子集中选择目标数量个车牌样本，并利用选择好的车牌样本训练预先构建的车牌识别模型，直至所述车牌识别模型收敛。本申请提供的车牌识别模型的训练方法、车牌识别方法和装置，可提高训练好的车牌识别模型的泛化程序，提高其识别准确率。
-
公开(公告)号：CN111027555A
公开(公告)日：2020-04-17
申请号：CN201811174638.1
申请日：2018-10-09
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请提供一种车牌识别方法、装置及电子设备，包括：依据目标车牌区域中目标车牌的各车牌特征确定目标车牌特征序列，所述车牌特征是卷积神经网络从包含目标车牌的图像中提取的车牌属性特征；将所述目标车牌特征序列输入至注意力模型，以由所述注意力模型按照以编辑距离作为损失函数训练出的模型参数对该目标车牌特征序列进行字符串识别，并输出所述目标车牌的车牌号；获取所述注意力模型输出的所述目标车牌的车牌号。使用本申请提供的方法可以提高车牌识别的准确性。
-
公开(公告)号：CN110717486A
公开(公告)日：2020-01-21
申请号：CN201810769512.2
申请日：2018-07-13
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06K9/32
Abstract: 本申请公开了一种文本检测方法、装置、电子设备和存储介质，属于图像检测技术领域。所述方法包括：基于待检测的目标图像，确定所述目标图像对应的特征图像，并基于所述特征图像中确定所述特征图像中的每个像素点的形变特征；根据所述特征图像中的每个像素点的形变特征，获取所述特征图像中的每个像素点的形变参数；根据所述特征图像中的每个像素点的形变参数，从所述特征图像中确定文本区域。本申请中由于结合了像素点的形变特征对特征图像进行检测，从而能够检测任一形变文本，进而提高了检测准确性。
-
Patent Agency Ranking
公开(公告)号：CN110533053A
公开(公告)日：2019-12-03
申请号：CN201810502656.1
申请日：2018-05-23
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本发明实施例提供了一种事件检测方法、装置及电子设备，其中，事件检测方法包括：从待检测的多媒体流中，提取多媒体帧序列；对多媒体帧序列进行光流分析，得到多媒体帧序列中各多媒体帧对应的光流图；将各多媒体帧与对应的光流图进行融合，并通过预先训练得到的卷积神经网络，对融合后得到的图像序列进行运算，得到携带有时序信息的空间特征图序列；通过预先训练得到的时空循环神经网络，按照时序信息，对空间特征图序列进行递归运算，得到时空特征图序列；基于时空特征图序列，利用预设多分类器，确定多媒体流中的事件类型。通过本方案，可以实现对通用事件的检测。
-
公开(公告)号：CN110032917A
公开(公告)日：2019-07-19
申请号：CN201810031159.8
申请日：2018-01-12
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本发明实施例提供了一种异常事件检测方法、装置及电子设备，该方法中，获取待处理视频数据，将待处理视频数据输入预先训练完成的非监督神经网络，得到待处理视频数据对应的输出视频数据，计算待处理视频数据与输出视频数据的相似度，当相似度小于预设相似度阈值时，确定待处理视频数据为包括异常事件的视频数据。本发明中的非监督神经网络是基于包括非异常事件的图像样本训练得到的，由于包括非异常事件的图像样本的数量较大，因此，非监督神经网络的精度较高，进一步使得异常事件检测的准确率较高。
-
公开(公告)号：CN112069806B
公开(公告)日：2024-04-05
申请号：CN201910425239.6
申请日：2019-05-21
Applicant: 杭州海康威视数字技术股份有限公司
Inventor： 程战战
IPC: G06F40/253 , G06F40/30 , G06F16/31 , G06F16/35 , G06N3/0442 , G06N3/08 , G06Q10/1053
Abstract: 本申请实施例提供了简历筛选方法、装置、电子设备及存储介质，该方法包括：获取待筛选的目标简历中的文本信息；按照预设的语法映射规则，将文本信息中的数据映射到相应语义项下，得到目标简历的各关键信息项；选取指定语义项的关键信息项，判断指定语义项的关键信息项是否与预设信息项相匹配；在指定语义项的关键信息项与预设信息项相匹配时，通过预设定级模型对目标简历的各关键信息项进行关联分析，得到目标简历的期望级别；在目标简历的期望级别表征晋级时，判定目标简历晋级。实现了简历的自动筛选，减少了人工工作量，增加了简历的筛选速度。同时对简历进行多次筛选，能够满足用户的实际筛选需要，适用性强。
-
公开(公告)号：CN108694398B
公开(公告)日：2020-10-30
申请号：CN201710221223.4
申请日：2017-04-06
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本发明实施例提供了一种图像分析方法及装置，方法包括：从目标图像中提取至少一个目标图像特征；获得预先构建的注意力模型当前对各个目标图像特征的关注度；根据所获得的各个目标图像特征，以及各个目标图像特征对应的关注度，确定注意力模型所关注目标的识别结果，该目标由至少一个目标图像特征构成；确定各个目标图像特征所对应目标区域的第一中心位置坐标；根据各个目标图像特征对应的关注度和各个第一中心位置坐标，计算目标在目标图像中的第二中心位置坐标；将第二中心位置坐标作为具有该识别结果的目标的定位结果。应用本发明实施例，可以对所识别的目标进行快速定位，提高了分析图像的速度。
-
公开(公告)号：CN110659641A
公开(公告)日：2020-01-07
申请号：CN201810691282.2
申请日：2018-06-28
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请提供一种文字识别的方法、装置及电子设备，所述方法包括：从目标文字图片中提取特征图；对所述特征图进行滑窗处理，得到时空特征序列；将所述时空特征序列输入到预先训练的时空注意力模型，以由所述时空注意力模型对所述时空特征序列编码处理得到时空语义编码，并对所述时空语义编码解码输出识别出的所述目标文字图片中的文字信息。本申请技术方案，可以基于目标文字图片的两个维度的信息识别目标文字图片包含的文字信息，有效提高了识别率。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.047 seconds)
