-
公开(公告)号:CN115878098A
公开(公告)日:2023-03-31
申请号:CN202111156254.9
申请日:2021-09-29
Applicant: 腾讯科技(深圳)有限公司
IPC: G06F8/33 , G06F8/34 , G06F8/38 , G06F8/41 , G06F16/958
Abstract: 本申请实施例公开了一种数据处理方法、装置、设备及存储介质,其中,方法包括:在代码编辑区域显示针对媒体内容所编辑得到的目标源代码,根据所述目标源代码在媒体预览区域中对所述媒体内容进行预览;响应于针对所述媒体预览区域中属于所述媒体内容的目标文本的修改指令,在所述媒体预览区域中对所述目标文本进行更新显示,生成更新后的目标文本的候选源代码;根据所述候选源代码的语法特征对所述候选源代码进行冲突处理,得到冲突处理后的第一源代码;根据所述第一源代码更新所述代码编辑区域中所显示的所述目标源代码,得到更新后的目标源代码。通过本申请能够有效提高对媒体内容的开发效率。
-
公开(公告)号:CN115700513A
公开(公告)日:2023-02-07
申请号:CN202110866393.4
申请日:2021-07-29
Applicant: 腾讯科技(深圳)有限公司 , 香港理工大学
IPC: G06F16/34 , G06F16/35 , G06F40/35 , G06F40/289 , G06N3/0455 , G06N3/08
Abstract: 本申请实施例公开了一种基于社交文本的问题生成方法和相关装置,至少涉及人工智能中的自然语言处理、机器学习等技术。在获取需要生成问题文本的社交文本时,根据社交文本确定第一输入文本,通过序列到序列的神经主题模型的隐层得到相对于第一输入文本维数更低的、且聚焦于第一输入文本主旨的隐层输出,以其作为第一输入文本对应的主题向量。在通过社交文本对应的文本向量生成问题文本时,基于主题向量可以起到对社交文本中原本稀疏的特征进行聚焦的作用,实现了对社交文本的问题文本生成,还能起到问题文本与社交文本主题更为相关,起到了保证问题生成质量、提高生成效果的作用,进一步提升了社交文本的被关注程度,并提高了用户参与度。
-
公开(公告)号:CN114649053A
公开(公告)日:2022-06-21
申请号:CN202011503802.6
申请日:2020-12-18
Applicant: 香港中文大学(深圳) , 腾讯科技(深圳)有限公司
Abstract: 本申请提供了一种基于人工智能的蛋白质配体结合原子的识别方法、装置、电子设备及计算机可读存储介质;方法包括:基于待测蛋白质的三维结构数据,确定待测蛋白质在目标空间中的多个虚拟结合位点分别对应的候选配体结合原子;将三维结构数据转换为原子点云,调用神经网络模型对原子点云进行下采样处理,以得到待测蛋白质的结构特征,以及基于结构特征进行上采样处理,以识别出待测蛋白质中的多个预测配体结合原子;基于多个预测配体结合原子和每个虚拟结合位点对应的候选配体结合原子,对每个虚拟结合位点进行筛选处理,以确定与筛选后得到的虚拟结合位点对应的蛋白质配体结合原子。通过本申请,能够提高配体结合原子的识别准确率。
-
公开(公告)号:CN113822125A
公开(公告)日:2021-12-21
申请号:CN202110703815.6
申请日:2021-06-24
Applicant: 华南理工大学 , 腾讯科技(深圳)有限公司
Abstract: 本申请涉及一种唇语识别模型的处理方法、装置、计算机设备和存储介质。所述方法涉及人工智能的计算机视觉技术,将整个蒸馏过程划分为交替训练的学生训练阶段与大师训练阶段,在大师训练阶段,利用临时训练样本对前次交替训练更新的学生模型再次更新,获得的临时学生模型通过验证样本向大师模型反馈当前的学习状态,引导大师模型根据当前反馈自适应地调整教学知识;此外,大师模型还接受大师训练样本的监督,通过大师训练样本所确定的大师识别损失来调整教学内容。接着在学生训练阶段对学生模型进行训练,如此反复迭代多次之后根据学生模型获得唇语识别模型。上述方案能够在提升大师模型教学知识准确性的同时灵活调整教学内容,提升知识蒸馏效果。
-
公开(公告)号:CN113392360A
公开(公告)日:2021-09-14
申请号:CN202011272205.7
申请日:2020-11-13
Applicant: 同济大学 , 腾讯科技(深圳)有限公司
Abstract: 本申请实施例公开了一种材质识别方法,该方法包括:获取针对目标物料的触摸信息,所述触摸信息是触摸所述目标物料后获取到的数据;根据所述触摸信息确定所述目标物料的目标物料特征,所述目标物料特征包括物料粗糙度特征与物料刚度特征;在特征库包含的多个物料特征中,确定与所述目标物料特征匹配的匹配物料特征,将所述匹配物料特征对应的材质类型作为所述目标物料的材质类型。采用本申请实施例,可以降低材质识别的不确定性,提高识别精度。
-
公开(公告)号:CN105528379B
公开(公告)日:2020-09-22
申请号:CN201410577628.8
申请日:2014-10-24
Applicant: 杭州师范大学 , 腾讯科技(深圳)有限公司
IPC: G06F16/9535 , G06Q30/02
Abstract: 本发明实施例公开了一种资源的推荐方法和装置,用于解决资源有限时向用户推荐资源的准确性和高效性的问题。本发明实施例方法包括:从资源数据库中获取历史关联数据,所述历史关联数据包括:用户集中的用户和资源集中的资源之间存在关联关系的数据;根据所述历史关联数据获取所述资源集中的每个资源分别与所述用户集中目标用户之间的被关联程度初值;根据所述被关联程度初值和所述历史关联数据中的关联关系获取所述资源集中每个资源与目标用户之间的被关联程度;根据所述资源集中每个资源与所述目标用户之间的被关联程度为所述目标用户生成个性化推荐列表,所述个性化推荐列表包括为所述目标用户推荐的至少一个资源。
-
公开(公告)号:CN110413660A
公开(公告)日:2019-11-05
申请号:CN201910692049.0
申请日:2019-07-26
Applicant: 哈尔滨工业大学(深圳) , 腾讯科技(深圳)有限公司
IPC: G06F16/2458
Abstract: 本公开提供了一种挖掘全局高效用项集的方法、装置及计算机可读存储介质。该方法包括:分别挖掘至少两个数据源中的每个数据源中的第一类高效用项集和第二类高效用项集;根据所挖掘的第一类高效用项集和第二类高效用项集确定候选的全局高效用项集;以及从所述候选的全局高效用项集中挖掘全局高效用项集。
-
公开(公告)号:CN106341805B
公开(公告)日:2019-09-06
申请号:CN201510424514.4
申请日:2015-07-17
Applicant: 上海交通大学 , 腾讯科技(深圳)有限公司
Abstract: 本发明公开了一种邻居设备发现方法及装置,属于无线通信技术领域。所述方法包括:从发送设备发送的无线信号携带的各个字符中获取前导验证序列,根据该前导验证序列和预先设置的前导序列进行第一相关性计算并判断该无线信号是否携带该前导序列,若是,则从该无线信号携带的各个字符中获取身份验证序列进行第二相关性计算,并根据结果判断该发送设备是否为新的邻居设备,其中前导序列和所述已发现的邻居设备的身份序列中包含伪随机序列。本发明利用伪随机序列良好的互相关性实现较强的抗干扰能力,达到有效提高无线通信环境中邻居设备发现的准确性的目的。
-
公开(公告)号:CN110163196A
公开(公告)日:2019-08-23
申请号:CN201810404837.0
申请日:2018-04-28
Applicant: 中山大学 , 腾讯科技(深圳)有限公司
Abstract: 本申请涉及一种显著特征检测方法和装置,所述方法包括:获取视频帧序列,视频帧序列包括目标帧和多个参考帧;计算目标帧与各参考帧之间的光流图;通过第一神经网络模型,对各光流图进行编码,分别得到各参考帧对应的图像变换特征;通过第二神经网络模型,根据各图像变换特征对目标帧的图像特征进行编码,得到目标帧的协同编码图像特征;将协同编码图像特征输入像素级别分类器进行检测,输出目标帧的显著图。本申请提供的方案可以提升对视频进行显著特征检测的准确性。
-
公开(公告)号:CN107666606B
公开(公告)日:2019-07-12
申请号:CN201610621487.4
申请日:2016-07-29
Applicant: 东南大学 , 腾讯科技(深圳)有限公司
IPC: H04N13/128 , H04N13/239 , G03B37/00
CPC classification number: H04N5/23238 , G06T7/593 , G06T2207/10012 , H04N13/239 , H04N13/271 , H04N2013/0081
Abstract: 本发明公开了一种双目全景图像获取方法及装置,属于图像处理领域。所述方法包括:获取通过两个全景摄像头得到的第一全景图像和第二全景图像;获取相互匹配的各组位于第一全景图像上的第一像素点和位于第二全景图像上的第二像素点;计算各组第一像素点和第二像素点的距离差值,根据距离差值得到两个全景图像对应的深度信息;将两个全景图像中的一个作为第一单眼全景图,结合对应的深度信息及预定瞳距映射出第二单眼全景图;将第一单眼全景图和第二单眼全景图显示在对应的显示区域。本发明解决了相关技术中通过图像拼接导致获取时间长,获取到的双目全景图像质量低的技术问题,达到了高效率获取高质量的双目立体全景图像的效果。
-
-
-
-
-
-
-
-
-