-
公开(公告)号：CN109063580A
公开(公告)日：2018-12-21
申请号：CN201810746148.8
申请日：2018-07-09
Applicant: 北京达佳互联信息技术有限公司
CPC classification number: G06K9/00268 , G06K9/00221 , G06K9/036
Abstract: 本发明提供了一种人脸识别方法、装置、电子设备及存储介质，其中，所述方法包括：检测目标视频中的人脸图像，得到目标人脸图像集；对所述目标人脸图像集中的各人脸图像进行人脸特征提取和质量分析，得到各人脸图像的特征信息和质量得分；根据各人脸图像的特征信息和质量得分确定所述人脸图像所属人员的特征信息；根据所述人脸图像所属人员的特征信息进行人脸识别，得到所述人员的身份信息。解决了人脸识别准确度比较低的问题，在通过人脸特征进行人脸识别时考虑图像质量的影响，可以提高人脸识别的准确度。
-
公开(公告)号：CN113468235B
公开(公告)日：2023-05-09
申请号：CN202110601416.9
申请日：2021-05-31
Applicant: 北京达佳互联信息技术有限公司
IPC: G06F16/2458 , G06F16/21
Abstract: 本公开是关于信息获取方法、装置、服务器及存储介质，该方法包括：获取搜索信息对的当前天操作数据和搜索信息对的历史操作数据,所述搜索信息对包括：搜索词、搜索词对应的目标搜索结果，搜索信息对的历史操作数据在当前天之前的历史时间段内生成；至少基于当前天操作数据和历史操作数据，确定搜索信息对的特征，搜索信息对的特征包括：目标搜索结果的当前天操作频率数据、目标搜索结果的历史操作频率数据；利用置信度获取模型基于所述搜索信息对的特征，得到搜索信息对的当前天操作数据的置信度。
-
公开(公告)号：CN111625715B
公开(公告)日：2022-04-22
申请号：CN202010388074.2
申请日：2020-05-09
Applicant: 北京达佳互联信息技术有限公司
IPC: G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本公开是关于一种信息提取方法、装置、电子设备及存储介质，涉及信息处理技术领域，用以解决相关技术中对象元信息较为复杂，缺乏针对性，无法准确高效应用的问题，本公开方法包括：获取目标对象对应的标签集合以及目标账户的账户信息，其中标签集合包括至少两个用于描述对象的标签；基于预设映射方式，获取根据账户信息映射得到的注意力特征，其中注意力特征包含标签集合中各个标签对应的权重，预设映射方式是根据样本账户对应的样本对象的历史行为确定的；根据注意力特征以及标签集合，确定目标账户对应的目标对象元信息。由于本公开实施例可以得到与用户关联的注意力特征，可以表示出用户对标签集合中各个标签的关注度，针对性地刻画目标对象。
-
公开(公告)号：CN109657710B
公开(公告)日：2022-01-21
申请号：CN201811489982.X
申请日：2018-12-06
Applicant: 北京达佳互联信息技术有限公司
IPC: G06K9/62
Abstract: 本公开是关于一种数据筛选方法、装置、服务器及存储介质，属于互联网领域。该方法包括：采用分类模型对多个原始数据进行分类，得到每个原始数据的分类结果；基于分词工具和词向量模型，获取各个类别标签的第一词向量和每个原始数据中文本信息的第二词向量；基于所述各个类别标签的第一词向量和每个原始数据中文本信息的第二词向量，从所述多个原始数据中，确定目标数据。通过引入分词工具和词向量模型，使得原始数据中的文本信息能够以计算机可处理的向量形式表示，降低了人工标注带来的成本，增大了海量的原始数据的利用率。
-
公开(公告)号：CN113918822A
公开(公告)日：2022-01-11
申请号：CN202111272983.0
申请日：2021-10-29
Applicant: 北京达佳互联信息技术有限公司
IPC: G06F16/9535 , G06F16/9538 , G06K9/62 , G06N20/00
Abstract: 本公开关于一种内容搜索方法、装置、电子设备及存储介质，涉及数据处理技术领域。该方法包括：获取搜索词，并确定搜索词对应的多个搜索结果；读取预先存储的搜索词与至少两种类型的搜索结果之间的对应关系；对应关系是根据搜索词对应的用户满意值和被展示次数分别满足预设条件的历史搜索结果确定的；根据对应关系，从多个搜索结果中获取至少两种类型的目标搜索结果；显示目标搜索结果。
-
Patent Agency Ranking
公开(公告)号：CN111881349A
公开(公告)日：2020-11-03
申请号：CN202010699772.4
申请日：2020-07-20
Applicant: 北京达佳互联信息技术有限公司
IPC: G06F16/9535 , G06F16/9538 , G06N3/04 , G06N3/08
Abstract: 本申请涉及计算机技术领域，公开了一种内容搜索的方法及装置，用以提高搜索准确度。该方法包括：根据接收到的账号的搜索信息，获取账号对应的至少一组资源关联信息，每组资源关联信息包括分别利用搜索信息、账号的账号信息和账号对应的一个候选资源信息进行特征提取得到的资源关联信息；再对每组资源关联信息分别进行特征拼接，得到多个交叉特征信息，基于各个交叉特征信息，分别确定对应的第一关联度特征和第二关联度特征，并基于各个第一关联度特征和对应的第二关联度特征，确定账号与各个候选资源信息的预测相关度；基于各个预测相关度对各个候选资源信息进行排序。综合考虑搜索信息、账号信息与候选资源信息，有利于提高预测准确率。
-
公开(公告)号：CN109190646B
公开(公告)日：2019-08-20
申请号：CN201810664593.X
申请日：2018-06-25
Applicant: 北京达佳互联信息技术有限公司
Abstract: 本发明实施例提供了一种基于神经网络的数据预测方法、装置及神经网络系统，其中所述神经网络系统包括主干网络、至少两个分支网络以及投票单元，其中，所述至少两个分支网络的深度相同，且各个分支网络具有独立的模型参数；所述主干网络用于对目标图像进行特征提取，获得特征集合，并将所述特征集合输出至所述至少两个分支网络；所述分支网络用于根据输入的特征进行任务处理，输出对应的预测结果；所述投票单元用于融合所述至少两个分支网络输出的预测结果，确定最终输出结果。本发明实施例可以实现对神经网络模型的优化，提高了神经网络的预测精确度。
-
公开(公告)号：CN110070143A
公开(公告)日：2019-07-30
申请号：CN201910356202.2
申请日：2019-04-29
Applicant: 北京达佳互联信息技术有限公司
IPC: G06K9/62
Abstract: 本公开是关于一种获取训练数据的方法、装置、设备及存储介质，方法包括：获取目标训练数据子集，目标训练数据子集为初始训练数据集的多个训练数据子集中的任意一个；在初始训练数据集的训练数据子集中，获取除目标训练数据子集之外的第一参考数量个训练数据子集；在第一参考数量个训练数据子集中，获取每一个训练数据子集中第二参考数量个训练数据，得到第一参考数量组的训练数据；将第一参考数量组的训练数据添加到目标训练数据子集中，基于更新后的目标训练数据子集及初始训练数据集中剩余的训练数据子集获取用于对机器学习模型进行训练的目标训练数据。本申请可提高模型的识别准确率，减少获取训练数据的时间成本。
-
公开(公告)号：CN109858558A
公开(公告)日：2019-06-07
申请号：CN201910113211.9
申请日：2019-02-13
Applicant: 北京达佳互联信息技术有限公司
IPC: G06K9/62
Abstract: 本公开是关于一种分类模型的训练方法、装置、电子设备及存储介质。该训练方法中，预先将各个样本数据的分类标签，按照语义划分为具有上下位关系的至少两个层级；确定待训练的分类模型所需训练阶段的目标数量；在每一训练阶段，确定该训练阶段对应的目标层级，利用样本数据集中，目标层级的分类标签对应的样本数据，对分类模型进行训练，在满足预定收敛条件时，结束该训练阶段的训练过程；其中，目标数量个训练阶段中，至少有两个训练阶段所对应的目标层级不相同；在最后一个训练阶段结束后，完成对分类模型的训练。本公开提供的分类模型的训练方法，可以在将样本数据的分类标签之间的上下位关系考虑在内的前提下，实现对分类模型的有效训练。
-
公开(公告)号：CN109389162A
公开(公告)日：2019-02-26
申请号：CN201811142163.8
申请日：2018-09-28
Applicant: 北京达佳互联信息技术有限公司
IPC: G06K9/62
Abstract: 本公开是关于一种样本图像筛选方法和装置、电子设备及存储介质，其中所述方法包括：采用图像分类器分别对待筛选的各样本图像进行预测，得到所述各样本图像对应的特征向量和分类标签；对所述各样本图像对应的特征向量进行聚类，分别确定所述各样本图像所属的聚类中心；依据各所述样本图像对应的聚类中心和分类标签，对各聚类中心进行合并；依据合并结果筛选出目标样本图像。通过本公开的样本图像筛选方法，能够及时、准确地对“新”数据进行筛选无需人工手动干预，能够节省人力资源，通过筛选出的“新”数据可以进一步生成“新”标签。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.039 seconds)
