-
公开(公告)号:CN118279391A
公开(公告)日:2024-07-02
申请号:CN202311227952.2
申请日:2023-09-21
Applicant: 三星电子株式会社
IPC: G06T7/73 , G06F16/53 , G06N3/04 , G06N3/0455 , G06N3/08
Abstract: 公开了一种具有基于热图的姿态估计的方法和装置。一种处理器实现的具有姿态估计的方法包括:接收图像、针对对象识别的实例查询、以及针对关节识别的关节查询;基于图像、实例查询和关节查询来并行生成与对象相关联的第一热图和与关节相关联的第二热图;以及通过组合第一热图和第二热图来估计图像中包括的多个对象的各个关节信息。
-
公开(公告)号:CN118057477A
公开(公告)日:2024-05-21
申请号:CN202211449589.4
申请日:2022-11-18
Applicant: 北京三星通信技术研究有限公司 , 三星电子株式会社
Abstract: 本申请实施例提供了一种视频处理方法、电子设备、存储介质及程序产品,涉及人工智能技术领域。该方法包括:获取视频的视频特征;视频包括至少两个视频帧;使用神经网络,基于视频特征确定视频的目标物体表示;基于目标物体表示确定视频的全景分割结果。本申请的实施通过片段级的目标物体表示预测视频的全景分割结果,可以有效简化网络结构,提升分割精度和鲁棒性。同时,由电子设备执行的上述视频处理方法可以使用人工智能模型来执行。
-
-
公开(公告)号:CN117115199A
公开(公告)日:2023-11-24
申请号:CN202311107931.7
申请日:2023-08-30
Applicant: 三星(中国)半导体有限公司 , 三星电子株式会社
IPC: G06T7/20 , G06N3/0455 , G06N3/08
Abstract: 提供一种目标跟踪模型的量化方法、跟踪方法和装置。所述量化方法包括:获取基于Transformer的目标跟踪模型,其中,目标跟踪模型包括模板分支、搜索分支、拼接模块和第一Transformer模块,其中,拼接模块接收从模板分支输出的第一特征和从搜索分支输出的第二特征,并将第一特征和第二特征拼接为拼接特征;通过从目标跟踪模型删除拼接模块并且将第一Transformer模块拆分为第二Transformer模块和第三Transformer模块,来生成优化目标跟踪模型,其中,第二Transformer模块接收第一特征,第三Transformer模块接收第二特征;通过对第二Transformer模块和第三Transformer模块分别进行量化,来生成与优化目标跟踪模型对应的量化模型。
-
公开(公告)号:CN108664880B
公开(公告)日:2023-09-05
申请号:CN201810209257.6
申请日:2018-03-14
Applicant: 三星电子株式会社
Abstract: 公开了一种活性测试方法和设备。所述活性测试方法包括:针对测试目标检测输入图像中的人脸区域;实现第一活性测试,以基于与检测到的人脸区域对应的第一图像确定第一活性值;实现第二活性测试,以基于与检测到的人脸区域的局部人脸区域对应的第二图像确定第二活性值;实现第三活性测试,以基于输入图像的整体或输入图像的全区域确定第三活性值,其中,输入图像的整体或输入图像的全区域包括检测到的人脸区域以及检测到的人脸区域之外的区域;基于第一活性值、第二活性值和第三活性值,确定活性测试的结果。
-
公开(公告)号:CN109948408B
公开(公告)日:2023-08-29
申请号:CN201811443351.4
申请日:2018-11-29
Applicant: 三星电子株式会社
IPC: G06V40/40 , G06V40/16 , G06N3/0464 , G06V10/82
Abstract: 公开一种活性测试方法和设备。一种活性测试方法可检测包括用于活性测试的测试对象的检索图像中的面部区域;确定针对在登记数据库中登记的至少一个登记用户的多个活性测试条件之中的将应用于测试对象的活性测试条件;基于检测的面部区域和确定的活性测试条件来确定检索图像中的至少一个测试区域;使用基于神经网络的特征提取器从测试区域的图像数据获得测试对象的特征数据;对获得的特征数据和登记的特征数据进行比较并基于比较的结果来确定活性测试的结果。
-
-
公开(公告)号:CN115861675A
公开(公告)日:2023-03-28
申请号:CN202210279284.7
申请日:2022-03-21
Applicant: 三星电子株式会社
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 公开了对象分类方法和设备。所述对象分类方法包括:接收输入图像;存储由神经网络的第一特征提取层提取的第一特征数据,神经网络被配置为提取输入图像的特征;从第二特征提取层接收第二特征数据,第二特征提取层是第一特征提取层的上层;通过将第一特征数据和第二特征数据合并来生成合并的特征数据;以及基于合并的特征数据对输入图像中的对象进行分类。
-
公开(公告)号:CN115409865A
公开(公告)日:2022-11-29
申请号:CN202210061185.1
申请日:2022-01-19
Applicant: 三星电子株式会社
IPC: G06T7/246 , G06T7/73 , G06V10/82 , G06K9/62 , G06V10/764
Abstract: 提供了用于对象跟踪的方法和设备。一种处理器实现的具有对象跟踪的方法包括:基于输入边界框和输入图像来确定初始模板图像;通过从初始模板图像提取特征来生成初始特征图;通过对初始特征图执行适合于对象性的特征变换来生成变换后特征图;通过对变换后特征图执行基于对象性的边界框回归分析,来生成对象性概率图和指示与对象性概率图的每个坐标对应的边界框信息的边界框图;以及基于对象性概率图和边界框图确定改进的边界框。
-
-
-
-
-
-
-
-
-