-
公开(公告)号：CN111595450A
公开(公告)日：2020-08-28
申请号：CN202010415405.7
申请日：2020-05-15
Applicant: 北京百度网讯科技有限公司
Abstract: 本公开的实施例涉及一种用于测量温度方法、装置、电子设备和计算机可读存储介质，涉及人工智能领域。该方法可以包括对输入图像中的对象的目标部位进行检测。该方法进一步包括基于目标部位的检测结果确定目标部位的关键点和关键点的权重信息，权重信息指示关键点被遮挡的概率。该方法还可以包括获取关键点的温度信息。此外，该方法可以进一步包括至少基于关键点的温度信息和权重信息，确定目标部位的温度。本公开的技术方案可以快速高效且低成本地获取行人的体温信息，从而降低温度测量的时间和人力成本。
-
公开(公告)号：CN110941332A
公开(公告)日：2020-03-31
申请号：CN201911076863.6
申请日：2019-11-06
Applicant: 北京百度网讯科技有限公司
Abstract: 本申请公开了表情驱动方法、装置、电子设备及存储介质，涉及人工智能领域，其中方法可包括：对第一图像中的被驱动人物进行人脸关键点检测，得到第一人脸关键点序列；针对依次获取到的各第二图像，分别进行以下处理：对其中的驱动人物进行人脸关键点检测，得到第二人脸关键点序列；若当前未确定出无表情帧图像，则对第二人脸关键点序列进行分析，若基于分析结果确定出第二图像为无表情帧图像，则将第二人脸关键点序列作为无表情关键点序列；否则，获取第二人脸关键点序列与无表情关键点序列的偏差量，并基于所述偏差量及第一人脸关键点序列对被驱动人物进行表情驱动渲染。应用本申请所述方案，可提升灵活性、互动性及准确性等。
-
公开(公告)号：CN110688948A
公开(公告)日：2020-01-14
申请号：CN201910918051.5
申请日：2019-09-26
Applicant: 北京百度网讯科技有限公司
Abstract: 本申请公开了视频中人脸性别变换方法、装置、电子设备和存储介质，涉及图像处理和终端技术领域。具体实现方案为：在确定视频的第一帧图像中包含目标人脸时，对第一帧图像进行关键点提取，确定第一帧图像对应的关键点集；若参考人脸库中包含与目标人脸匹配的参考人脸，则向图形处理器发送性别变换指令，性别变换指令中包括参考人脸对应的性别变换模式、第一帧图像及关键点集，以使图形处理器依据参考人脸对应的性别变换模式，利用关键点集对第一帧图像中的目标人脸进行性别变换，其中，参考人脸库中包括已经完成性别变换的人脸图像及对应的性别变换模式；获取图形处理器返回的性别变换后的第二帧图像。该方案能够保证处理后的视频画面帧的连续性较佳。并且，可以实现对视频中的人脸进行实时处理，改善用户的使用体验。
-
公开(公告)号：CN110516598A
公开(公告)日：2019-11-29
申请号：CN201910797619.2
申请日：2019-08-27
Applicant: 北京百度网讯科技有限公司
Abstract: 本公开的实施例公开了用于生成图像的方法和装置。该方法的一具体实施方式包括：获取底版图像和目标人脸图像，其中，该底版图像包括待替换人脸图像和背景；从与该待替换人脸图像匹配的预设人脸图像库中确定匹配人脸图像，其中，该匹配的预设人脸图像库中包括该待替换人脸图像所指示的人脸的不同面部姿态的人脸图像，该匹配人脸图像用于表征待替换人脸图像所显示的面部姿态与该目标人脸图像所显示的面部姿态一致；基于该匹配人脸图像对该待替换人脸图像的替换，生成目标图像，其中，该目标图像包括与该匹配人脸图像相一致的人脸图像和与该底版图像相一致的背景。该实施方式提升了生成与目标人脸图像的面部姿态相一致的图像的速度。
-
公开(公告)号：CN112712498B
公开(公告)日：2024-09-13
申请号：CN202011559563.6
申请日：2020-12-25
Applicant: 北京百度网讯科技有限公司
IPC: G06T7/00 , G06T7/11 , G06Q10/20 , G06N3/0464 , G06F18/214
Abstract: 本公开的实施例提供了一种由移动终端执行的车辆定损方法、装置、移动终端、介质以及计算机程序产品。本公开涉及人工智能领域，具体涉及计算机视觉和深度学习技术。实现方案为：采集至少一个输入图像；在至少一个输入图像中检测车辆标识信息；在至少一个输入图像中检测车辆损伤信息；基于车辆标识信息和车辆损伤信息确定车辆定损结果。利用本公开的实施例提供的方法，可以在移动终端处离线地执行车辆定损而无需将拍摄的图像发送到云端，从而可以实现定损过程实时性高、网络延迟小、节省网络服务资源、节省网络带宽费用的效果。
-
Patent Agency Ranking
公开(公告)号：CN116363331B
公开(公告)日：2024-02-23
申请号：CN202310347153.2
申请日：2023-04-03
Applicant: 北京百度网讯科技有限公司
Abstract: 本公开提供了一种图像生成方法、装置、设备、存储介质以及程序产品，图像处理、人工智能技术领域，尤其涉及计算机视觉、增强现实、虚拟现实、深度学习等技术领域，可应用于元宇宙、数字人等场景。具体实现方案为：根据预设场景信息的场景面片，确定对齐位姿，场景面片是按照第一图像生成模式处理预设场景信息和预设相机位姿得到的，对齐位姿表征场景面片从第一图像生成模式转换至第二图像生成模式的调整位姿；按照第一图像生成模式处理对齐位姿和预设场景信息，得到与第二图像生成模式相匹配的场景图像；根据场景图像和虚拟形象图像，生成目标图像，虚拟形象图像是按照第二图像生成模式处理预设虚拟形象信息得到的。
-
公开(公告)号：CN114120074B
公开(公告)日：2023-12-12
申请号：CN202111306870.8
申请日：2021-11-05
Applicant: 北京百度网讯科技有限公司
IPC: G06V10/80 , G06V10/764 , G06V10/82 , G06V10/74 , G06F40/30 , G06N3/0464 , G06N3/0442 , G06N3/0455 , G06N3/048 , G06N3/0895
Abstract: 根据本公开的实施例，提供了基于语义增强的图像识别模型的训练方法和装置、用于图像识别的方法和装置、电子设备以及计算机可读存储介质，涉及人工智能技术领域，具体为计算机视觉和深度学习技术领域，可应用于图像处理、图像识别等场景。基于语义增强的图像识别模型的训练方法包括：从输入的未标注且无文字描述的第一图像中，提取第一图像的第一特征表示；基于第一特征表示，计算第一损失函数；从输入的未标注且具有原始文字描述的第二图像中，提取第二图像的第二特征表示；基于第二特征表示，计算第二损失函数；和基于第一损失函数和第二损失函数的融合，训练图像识别模型。以此方式，
-
公开(公告)号：CN117152352A
公开(公告)日：2023-12-01
申请号：CN202311016283.4
申请日：2023-08-11
Applicant: 北京百度网讯科技有限公司
Abstract: 本公开提供了图像处理方法、深度学习模型训练方法及装置，涉及人工智能技术领域，尤其涉及计算机视觉、增强现实、虚拟现实、深度学习等技术领域，可应用于元宇宙的场景。该图像处理方法的具体实现方案为：基于预定图像，对待处理图像执行关键点对齐操作，得到目标二维图像；提取目标二维图像的图像特征，其中，图像特征表征与用于三维重建待处理图像的重建参数匹配的目标特征；对图像特征进行识别，得到用于三维重建待处理图像的目标参数；以及基于目标参数，对目标二维图像进行三维重建，得到目标三维图像。
-
公开(公告)号：CN110503703B
公开(公告)日：2023-10-13
申请号：CN201910798510.0
申请日：2019-08-27
Applicant: 北京百度网讯科技有限公司
IPC: G06T11/60 , G06V40/16 , G06V10/82 , G06V10/75 , G06N3/0455
Abstract: 本公开的实施例公开了用于生成图像的方法和装置。该方法的一具体实施方式包括：获取底版图像和目标人脸图像，其中，该底版图像包括待替换人脸图像和背景；将该目标人脸图像输入至预先训练的图像生成模型，生成匹配人脸图像，其中，该图像生成模型包括编码网络、隐层网络和解码网络，该匹配人脸图像用于表征待替换人脸图像所显示的面部姿态与该目标人脸图像所显示的面部姿态一致；基于该匹配人脸图像对该待替换人脸图像的替换，生成准目标图像；基于对该准目标图像的融合处理，生成目标图像，其中，该目标图像包括与该匹配人脸图像相一致的人脸图像和与该底版图像相一致的背景。该实施方式实现了面部表情的精确传递，提升了人脸图像生成的自然度。
-
公开(公告)号：CN114612651B
公开(公告)日：2023-07-21
申请号：CN202210239359.9
申请日：2022-03-11
Applicant: 北京百度网讯科技有限公司
IPC: G06V10/25 , G06V10/26 , G06V10/28 , G06V10/774 , G06V20/62 , G06V30/146 , G06V30/148 , G06V30/162 , G06V30/19
Abstract: 本公开提供了ROI检测模型训练方法、检测方法、装置、设备和介质，涉及人工智能技术领域，尤其涉及计算机视觉和深度学习技术。具体实现方案为：对样本图像进行特征提取，得到样本特征数据；对样本特征数据进行非线性映射，得到第一特征数据和第二特征数据；根据第一特征数据在标签ROI的关联区域中的第三特征数据和第二特征数据，确定区域间差异数据；根据区域间差异数据和标签ROI的关联区域，调整ROI检测模型的待训练参数。根据本公开的技术，提高了ROI检测模型的检测精度。
-
-
-
-
-
-
-
-
-
Search Results
150
records
(took 0.031 seconds)
