-
公开(公告)号：CN116152933A
公开(公告)日：2023-05-23
申请号：CN202211600732.5
申请日：2022-12-12
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06V40/40 , G06V40/16 , G06V10/762 , G06V10/82 , G06N3/09
Abstract: 本说明书公开了一种异常检测模型的训练方法、装置、设备及存储介质，获取真实人脸图像作为正样本，获取合成人脸图像作为负样本，并将各正样本和负样本作为训练样本，通过特征提取层提取各训练样本的样本特征，通过分类层得到各训练样本的检测结果，以及基于各正样本的样本特征确定用于表征正样本的共性的代表特征。再根据各正样本的样本特征和代表特征之间的差异、各负样本的样本特征和代表特征之间的差异，以及各训练样本的检测结果及其标注之间的差异对异常检测模型进行训练。本方法可基于代表特征，学习到准确的特征提取方式，以便于后续准确提取人脸图像的人脸特征来进行准确地异常检测，保证了异常检测的准确性。
-
公开(公告)号：CN115221523B
公开(公告)日：2022-12-27
申请号：CN202211140635.2
申请日：2022-09-20
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F21/56 , G06F16/958
Abstract: 本说明书实施例提供了一种数据处理方法、装置及设备，所述方法包括：获取待检测的目标页面，并将所述目标页面包含的文本信息划分为多个子文本信息；基于每个所述子文本信息对应的文本特征向量、所述目标页面对应的图像特征向量、所述目标页面的布局信息，以及预先训练的类型确定模型，确定所述目标页面的页面类型，所述类型确定模型用于基于多模态数据确定页面的页面类型，所述目标页面的布局信息包括每个所述子文本信息在所述目标页面的第一位置信息，以及所述图像特征向量对应的图像在所述目标页面的第二位置信息；基于所述目标页面的页面类型，确定所述目标页面是否为存在风险的页面。
-
公开(公告)号：CN114491476A
公开(公告)日：2022-05-13
申请号：CN202210077886.4
申请日：2022-01-24
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本公开的一方面涉及一种图像相似度匹配的方法，包括获取页面的截图，所述页面上包括对象序列和图片，所述对象序列包括多个对象，并且所述图片中至少包括与所述对象序列中的每个对象相对应的多个图标；在所述页面的截图上进行目标检测，以获得所述多个对象和所述多个图标；基于特征提取来确定所述多个对象和所述多个图标的特征向量；以及基于对所述特征向量之间的距离度量的比较，确定每个对象与图标的配对关系。本公开还涉及其他相关方面。
-
公开(公告)号：CN114092949B
公开(公告)日：2025-01-03
申请号：CN202111396483.8
申请日：2021-11-23
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06V30/413 , G06V10/774
Abstract: 本说明书实施例提供一种类别预测模型的训练、界面元素类别的识别方法及装置，在训练方法中，获取样本图像，该样本图像包含若干界面元素。获取各界面元素中包含的各文本内容。将样本图像以及各文本内容，输入类别预测模型进行预测处理。该预测处理包括：利用特征提取器从样本图像中提取图像特征。利用第一编码器基于各文本内容中各词的词向量，确定各文本内容的特征向量。利用第二编码器基于图像特征和各文本内容的特征向量，确定各界面元素的综合特征表示。利用分类器基于各综合特征表示，确定各界面元素的第一类别预测结果。至少根据各第一类别预测结果和各类别标签，训练类别预测模型。
-
公开(公告)号：CN119206311A
公开(公告)日：2024-12-27
申请号：CN202411223197.5
申请日：2024-09-02
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06V10/764 , G06V10/26 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本说明书实施例公开了一种用于检测图像的方法、装置、存储介质及电子设备，获得已训练的图像检测模型；根据目标图像获得对应的全局输入信息及局部输入信息；将局部输入信息输入局部图片编码模型获得输出的局部特征信息，将局部特征信息输入掩膜回归模型获得输出的目标掩膜；将全局输入信息输入全局图片编码模型获得输出的全局特征信息，将全局输入信息输入语义分割模型获得输出的所语义特征信息；将语义特征信息、全局特征信息及局部特征信息输入检测分数判别模型获得输出的目标图像生成结果，将目标图像生成结果及目标掩膜作为图像检测模型对于目标图像的输出。
-
Patent Agency Ranking
公开(公告)号：CN117851794A
公开(公告)日：2024-04-09
申请号：CN202311848032.2
申请日：2023-12-28
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/21 , G06F18/214 , G06F21/36 , G06F21/62
Abstract: 本说明书涉及一种风险识别模型的训练方法及系统，训练方法包括获取各训练样本，其中每个训练样本包括应用的图标和应用的名称，训练样本的标签为应用的实际风险结果；获取第一风险识别模型和第二风险识别模型；分别利用第一风险识别模型和第二风险识别模型从各训练样本中选择第一有用样本和第二有用样本；利用第一有用样本对第二风险识别模型进行训练，利用第二有用样本对第一风险识别模型进行训练。本说明的风险识别模型的训练方法及系统，利用包括应用的图标和应用的名称的训练样本对风险识别模型进行训练，从而基于应用的图标和名称得到应用的风险结果，且在训练过程中消除了噪声样本的影响，使得训练好的风险识别模型准确性更高。
-
公开(公告)号：CN117522717A
公开(公告)日：2024-02-06
申请号：CN202410011262.1
申请日：2024-01-03
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06T5/50 , G06T5/60 , G06T11/60 , G06V10/44 , G06V10/42 , G06V10/46 , G06V10/50 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本说明书实施例公开了一种图像的合成方法、装置及设备，该方法包括：获取包含目标主体的前景图像和待承载目标主体的背景图像，以及将前景图像合成于背景图像中时背景图像中前景图像所在的区域信息和前景图像的合成控制信息；对前景图像进行特征提取，得到前景图像对应的前景全局特征和前景局部特征，并对背景图像进行特征提取，得到背景图像对应的背景图像特征；将前景全局特征和前景局部特征，以及背景图像特征、区域信息和前景图像的合成控制信息输入到可控生成模型中，以通过前景图像的合成控制信息控制可控生成模型将前景全局特征融合到背景图像特征中，并将前景局部特征融合到背景图像特征中该区域信息对应的图像特征中，得到合成图像。
-
公开(公告)号：CN117422783A
公开(公告)日：2024-01-19
申请号：CN202311206816.5
申请日：2023-09-19
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06T11/00 , G06V10/40 , G06V10/80 , G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本说明书实施例公开了一种图像样本生成模型的训练方法，包括获取至少一张银行卡图像作为原始图像；基于伪造任务，确定所述原始图像中的伪造区域和伪造内容；基于所述伪造区域，确定位置约束条件文本；确定内容约束条件文本，以描述所述伪造内容；确定内容指导文本，以描述所述伪造任务；将所述原始图像输入预训练的扩散模型中进行图像样本生成，并在反向扩散过程中，通过所述位置约束条件文本、所述内容约束条件文本和所述内容指导文本对所述扩散模型进行微调。相应地，本发明公开了图像样本生成方法及装置。
-
公开(公告)号：CN116935110A
公开(公告)日：2023-10-24
申请号：CN202310870414.9
申请日：2023-07-14
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06V10/764 , G06N3/04 , G06N3/08
Abstract: 本说明书公开了一种图像处理方法、装置、电子设备及存储介质。方法包括：基于针对目标内容实体的注意力神经网络，生成目标图像对应的初始注意力图，其中，所述初始注意力图中的像素通过目标像素参数下的取值大小反映该像素被所述注意力神经网络进行特征提取的概率。将所述初始注意力图中目标像素参数达到预设取值标准的像素设置为目标灰度，得到所述初始注意力图对应的处理后注意力图。基于所述处理后注意力图中目标灰度的像素，确定内容检测区域。对所述目标图像中对应的所述内容检测区域进行针对所述目标内容实体的内容检测。
-
公开(公告)号：CN116662998A
公开(公告)日：2023-08-29
申请号：CN202310630913.0
申请日：2023-05-30
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F21/56 , G06F18/214 , G06F18/22 , G06F18/23 , G06N3/0455 , G06N3/08
Abstract: 本说明书一个或多个实施例公开了一种模型的处理方法、装置及设备。该方法包括：以应用程序的静态特征作为原始训练样本，基于该原始训练样本构建其对应的正样本对，该正样本对中至少包括通过数据增强处理生成的正样本构建的正样本对；将正样本对中的每个正样本分别输入第一编码器和第二编码器中，得到每个正样本标签相关和标签无关的两种表征信息；根据表征信息确定正样本对对应的损失信息，且该损失信息中至少包括基于同一个正样本的标签相关的表征信息以及标签无关的表征信息所构建的损失信息；最后基于损失信息对目标编码器进行模型训练，得到训练后的目标编码器，且目标编码器为两个编码器中用于生成标签相关的表征信息的编码器。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.033 seconds)
