-
公开(公告)号：CN110458838A
公开(公告)日：2019-11-15
申请号：CN201910784177.8
申请日：2019-08-23
Applicant: 讯飞智元信息科技有限公司
Abstract: 本申请提供了一种故障类型的检测方法、装置、存储介质及设备，获取待检测图像，将待检测图像输入预设的双线性卷积网络模型，得到双线性卷积网络模型输出的检测结果。基于视频中的图像帧依次作为待检测图像的检测结果，确定对象的故障类型。双线性卷积网络模型输出的检测结果能够突出不同类型对象之间的区别信息、模糊同一类型对象之间的区别信息，又因为基于视频中的图像帧依次作为待检测图像的检测结果，确定对象的故障类型，所以依据视频中帧序列共同确定故障类型，更为贴近实际情况，综上所述，本申请提供的技术方案，确定的故障类型更为准确。
-
公开(公告)号：CN109300309A
公开(公告)日：2019-02-01
申请号：CN201811267418.3
申请日：2018-10-29
Applicant: 讯飞智元信息科技有限公司
IPC: G08G1/01
Abstract: 本申请提供了一种路况预测方法及装置，获取待预测路段的关联路段流量，至少依据关联路段流量，确定待预测路段的路况信息。其中，任意一个待预测路段的关联路段流量为：从关联路段集合流入和/或流出该待预测路段的车流量，而关联路段集合通过将该待预测路段的关联路段分类形成，关联路段为与该待预测路段相连的路段，因为对于待预测的路段相连的路段进行了分类，因此，使得所有待预测路段的流量数据具有了统一的维度，所以，使得使用关联路段的流量数据进行预测成为可能，进一步的，关联路段能够反应路段的空间信息，与流量数据一并作为预测依据，能够提高预测的准确性。
-
公开(公告)号：CN115115922B
公开(公告)日：2024-12-31
申请号：CN202210819858.5
申请日：2022-07-13
Applicant: 讯飞智元信息科技有限公司 , 科大讯飞股份有限公司
IPC: G06V10/82 , G06V10/25 , G06V10/764 , G06V10/766 , G06N3/045
Abstract: 本申请公开了一种目标检测模型训练方法、装置、设备及可读存储介质。该方案中，获取第一训练数据集和第二训练数据集和目标检测模型，第一训练数据集中的训练数据的标签为人工标注的标签，第二训练数据集中的训练数据是无标签数据；基于训练好的目标检测教师模型预测得到第二训练数据集中的训练数据的标签；利用第一训练数据集、第一训练数据集中的训练数据的标签、第二训练数据集以及所述第二训练数据集中的训练数据的标签对目标检测模型进行训练，得到训练好的目标检测模型。上述方案中，通过训练好的目标检测教师模型得到无标签数据的伪标签，实现利用无标签数据训练目标检测教师模型的目的，使得目标检测模型的训练无需依赖大量标注数据。
-
公开(公告)号：CN114782784B
公开(公告)日：2024-11-05
申请号：CN202210209796.6
申请日：2022-03-04
Applicant: 讯飞智元信息科技有限公司 , 安徽大学 , 科大讯飞股份有限公司
IPC: G06V10/80 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本申请公开了一种车辆识别方法及相关装置、电子设备和存储介质，其中，车辆识别方法包括：获取车辆特征库；其中，车辆特征库包括由若干第一车辆图像分别提取到的第一车辆特征，且第一车辆特征由第一车辆图像的细节特征和视角特征融合得到；对待识别车辆的第二车辆图像进行特征提取，得到第二车辆特征；其中，第二车辆特征由第二车辆图像的细节特征和视角特征融合得到；再基于第二车辆特征分别与各第一车辆特征之间的相似度，得到待识别车辆的车辆信息。上述方案，能够提高车辆识别的准确性。
-
公开(公告)号：CN118587759A
公开(公告)日：2024-09-03
申请号：CN202410596662.3
申请日：2024-05-14
Applicant: 讯飞智元信息科技有限公司 , 科大讯飞股份有限公司
Abstract: 本申请公开了一种视频行为识别方法及相关装置、电子设备和存储介质，其中，视频行为识别方法包括：基于来自于待识别视频中视频片段的目标图集，提取目标图像特征；基于目标图像特征和若干参考对象的预设对象特征，得到各个参考对象的目标对象特征；其中，若干参考对象包括行为主体对象和行为客体对象，参考对象的目标对象特征含有目标图像特征中与参考对象相关的图像特征信息；基于若干参考对象的目标对象特征，得到各个参考对象表征彼此之间相互交互的关联对象特征；至少基于行为主体对象的关联对象特征进行预测，得到行为主体对象在视频片段中的行为识别结果。上述方案，能够提升视频行为的识别范围和识别精度。
-
Patent Agency Ranking
公开(公告)号：CN118247727A
公开(公告)日：2024-06-25
申请号：CN202410364811.3
申请日：2024-03-28
Applicant: 讯飞智元信息科技有限公司
IPC: G06V20/52 , G06V10/22 , G06V10/80 , G06V10/764
Abstract: 本申请公开了一种高炉故障处理方法、装置及设备，考虑高炉风口所有可能的状态，如风口正常、风口漏水、风口断煤、吹管损坏、风口落大块、风口挂渣、风口休风及风口送风，分析各风口状态的特点可以对高炉风口图像进行识别，以确定高炉风口图像对应的高炉风口状态。具体识别过程，综合考虑三个维度特征：风口边缘的光滑程度、风口内部区域的色泽明暗程度；图像中是否存在喷煤暗区；图像中是否存在煤枪吹管暗区，根据三个维度特征来确定高炉的风口状态。在实现风口状态自动识别的基础上，可以有效提高识别准确度。避免人工巡视所存在的巡查周期长、不能连续监视、发现故障不及时等问题。同时，本申请还针对不同风口状态提供了匹配的故障处理方案。
-
公开(公告)号：CN111461238B
公开(公告)日：2024-03-05
申请号：CN202010260100.3
申请日：2020-04-03
Applicant: 讯飞智元信息科技有限公司
IPC: G06V30/19 , G06V30/18 , G06N3/045 , G06N3/0464 , G06N3/096
Abstract: 本申请实施例公开了一种模型训练方法、字符识别方法、装置、设备及存储介质，通过至少部分网络层输出的特征图的辨识度越高时，迁移网络层输出的特征图越趋近于上述至少部分网络层输出的特征图，使得目标字符识别模型能够学习初始字符识别模型中好的特征提取行为，而对于初始字符识别模型中不好的特征提取行为，则进行更新迭代，结合训练目标字符识别模型的样本是从大数据集中挑选出来的字符出现频率相对均匀的样本，使得目标字符识别模型朝各个样本方向收敛，而不是朝高频字方向收敛，克服了现有技术容易将偏僻字识别成常见字的问题。
-
公开(公告)号：CN116434342A
公开(公告)日：2023-07-14
申请号：CN202310449845.8
申请日：2023-04-23
Applicant: 讯飞智元信息科技有限公司 , 科大讯飞股份有限公司
Abstract: 本申请公开了一种视频行为检测方法、装置、设备及存储介质，本申请获取当前视频段的视频特征，基于视频特征获取当前视频段中的人物信息，及当前视频段中表征各不同背景信息的多尺度上下文信息，基于人物信息和多尺度上下文信息获取人物与多尺度上下文信息间的当前双向互动关系特征，该当前双向互动关系特征充分考虑了复杂交互中人物与背景中上下文信息间的互动关系，进而可以基于当前双向互动关系特征准确预测当前视频段中人物的行为类别。本案获取的当前双向互动关系特征既可以通过人物信息来感知与其有关联的上下文信息，又可以通过上下文信息来感知与其有关联的人物信息，为行为检测提供了更加丰富的数据支持，进一步提升检测准确率。
-
公开(公告)号：CN111126410B
公开(公告)日：2022-11-18
申请号：CN201911418197.X
申请日：2019-12-31
Applicant: 讯飞智元信息科技有限公司
IPC: G06V30/148 , G06V30/18 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本申请实施例公开了一种字符识别方法、装置、设备及可读存储介质，将具有待识别的字符的图像按照字符的排列方向裁剪为若干字符条，利用全卷积网络识别模型获取字符条的特征图，对字符条的特征图进行变形处理，得到字符条的携带上下文信息的特征序列，基于该特征序列预测字符条中的字符。由于卷积运算不依赖于前一步的状态且与输入序列的长度无关，因此可以进行并行计算，大大加快了特征序列的建模过程，而且，相对于循环神经网络，卷积网络参数少，计算复杂度较低，占用的内存空间和运行时间也较少，易于部署。
-
公开(公告)号：CN115115922A
公开(公告)日：2022-09-27
申请号：CN202210819858.5
申请日：2022-07-13
Applicant: 讯飞智元信息科技有限公司 , 科大讯飞股份有限公司
IPC: G06V10/82 , G06V10/25 , G06V10/764 , G06N3/04 , G06N3/08
Abstract: 本申请公开了一种目标检测模型训练方法、装置、设备及可读存储介质。该方案中，获取第一训练数据集和第二训练数据集和目标检测模型，第一训练数据集中的训练数据的标签为人工标注的标签，第二训练数据集中的训练数据是无标签数据；基于训练好的目标检测教师模型预测得到第二训练数据集中的训练数据的标签；利用第一训练数据集、第一训练数据集中的训练数据的标签、第二训练数据集以及所述第二训练数据集中的训练数据的标签对目标检测模型进行训练，得到训练好的目标检测模型。上述方案中，通过训练好的目标检测教师模型得到无标签数据的伪标签，实现利用无标签数据训练目标检测教师模型的目的，使得目标检测模型的训练无需依赖大量标注数据。
-
-
-
-
-
-
-
-
-
Search Results
88
records
(took 0.07 seconds)
