-
公开(公告)号：CN116720151A
公开(公告)日：2023-09-08
申请号：CN202210190590.3
申请日：2022-02-28
Applicant: 腾讯科技(深圳)有限公司
IPC: G06F18/25 , G06F18/24 , G06F18/213 , G06N3/045 , G06N3/08
Abstract: 本申请提供一种基于人工智能的脉冲星搜索方法、装置以及设备产品，该方法通过获取脉冲星候选体的至少两个信号特征类型的信号数据；根据各信号特征类型对应的特征提取方式以及信号数据，提取信号数据的目标信号特征数据；对目标信号特征数据进行特征融合，得到星体分类特征数据；根据星体分类特征数据识别脉冲星候选体的星体类型。通过从多个信号特征类型对应的信号数据中提取目标信号特征数据并进行特征融合，得到的星体分类特征数据既能表征不同信号特征类型的信号特征，也能表征不同信号特征类型数据间的相关性，基于该星体分类特征数据进行脉冲星候选体分类，有效提高分类准确性，提高脉冲星搜索过程中对脉冲星搜索的准确度。
-
公开(公告)号：CN108446669B
公开(公告)日：2023-01-10
申请号：CN201810315741.7
申请日：2018-04-10
Applicant: 腾讯科技(深圳)有限公司
Abstract: 本申请公开了一种运动识别方法、装置及存储介质，属于运动识别领域。所述方法包括：从待识别视频中获取多个目标视频帧，目标视频帧包括目标人物的图像；获取每个目标视频帧的识别概率，识别概率为目标人物在目标视频帧中处于预设姿态的概率，预设姿态为人物进行目标运动时的身体姿态；根据每个目标视频帧的识别概率，从多个目标视频帧中筛选得到至少一个候选视频帧序列，每个候选视频帧序列对应于目标人物进行目标运动的可能性大于预设可能性阈值的一个运动片段；对每个候选视频帧序列进行运动识别，并基于识别结果确定目标人物是否进行了目标运动。本申请实施例提供的运动识别方法能够提高运动识别的实用价值。
-
公开(公告)号：CN114898282A
公开(公告)日：2022-08-12
申请号：CN202110113954.3
申请日：2021-01-27
Applicant: 腾讯科技(深圳)有限公司
IPC: G06V20/52 , G06V10/774 , G06K9/62
Abstract: 本申请公开了图像处理方法及装置。方法包括：获取目标图像处理模型和目标图像，目标图像处理模型利用第一损失函数和第二损失函数训练得到，第一损失函数基于样本图像中的各个样本像素点分别对应的预测群体密度确定，第二损失函数基于样本图像中的各个第一图像区域分别对应的预测群体对象数量确定；调用目标图像处理模型对目标图像进行处理，得到目标群体密度图；基于目标群体密度图，确定目标图像对应的目标群体对象数量。基于上述过程，训练得到目标图像处理模型的过程中关注的信息较丰富，能够缓解训练目标与图像处理模型的最终使用目标不一致的现象，根据目标图像处理模型得到的目标群体密度图确定出的目标群体对象数量的准确度较高。
-
公开(公告)号：CN114764870A
公开(公告)日：2022-07-19
申请号：CN202111646817.2
申请日：2021-12-29
Applicant: 腾讯科技(深圳)有限公司
IPC: G06V10/764 , G06V10/25 , G06V10/82 , G06V10/778 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本申请涉及一种对象定位模型处理方法、装置、计算机设备和存储介质，以及一种对象定位方法、装置、计算机设备和存储介质。该对象定位模型处理方法包括：基于训练样本图像的图像特征及对象定位模型的回归网络确定回归区域；基于训练样本图像对应的目标对象标注区域计算回归准确度，基于回归准确度计算回归损失；基于训练样本图像的图像特征及对象定位模型的分类网络确定分类置信度，基于分类置信度计算分类损失；基于回归准确度更新分类损失，并基于分类置信度更新回归损失；根据更新后的分类损失和更新后的回归损失训练对象定位模型，得到训练后的对象定位模型；训练后的对象定位模型用于对输入图像进行对象定位。采用本方法能够提高定位准确性。
-
公开(公告)号：CN109815868B
公开(公告)日：2022-02-01
申请号：CN201910034102.8
申请日：2019-01-15
Applicant: 腾讯科技(深圳)有限公司
IPC: G06V40/16 , G06V20/00 , G06V10/22 , G06V10/25 , G06V10/32 , G06V10/74 , G06K9/62 , G06T3/40 , G06T5/50
Abstract: 本发明实施例公开了一种图像目标检测方法、装置及存储介质，本发明实施例可以获取待检测图像，并对所述待检测图像按照不同分辨率分别进行缩放处理，得到多张缩放后图像；分别从每张缩放后图像中筛选符合目标区域类型的区域，得到多个初始图像块；将每个初始图像块分别划分为多个区域，并获取每个区域属于目标区域的概率；从每个初始图像块中提取出所述概率大于预设阈值的区域，得到多个候选图像块；将所述多个候选图像块映射至所述待检测图像上，并根据所述多个候选图像块之间的重合度筛选出符合预设条件的候选图像块所在的区域，得到目标区域。该方案对计算资源的需求较低，且检测速度较快，提高了对图像目标检测的效率及目标检测的准确性。
-
Patent Agency Ranking
公开(公告)号：CN113822460A
公开(公告)日：2021-12-21
申请号：CN202110696394.9
申请日：2021-06-23
Applicant: 腾讯科技(深圳)有限公司
Abstract: 本发明实施例公开了一种交通流量预测方法、装置、电子设备和存储介质；可以根据待预测区域和待预测时刻，获取历史交通流量矩阵，历史交通流量矩阵中包括多个交通区域中每一交通区域与其他交通区域之间的交通流量流转信息，通过邻接矩阵基于历史交通流量矩阵提取每一交通区域和其他交通区域的交通流量之间的流转特征，得到流量流转特征向量，对流量流转特征向量进行特征提取，得到交通流量特征，基于交通流量特征进行交通流量预测，得到预测结果，基于预测结果中目标交通区域在待预测时刻下的交通流量，确定待预测时刻下待预测区域对应的交通流量；由于本发明实施例根据交通流量流转信息进行交通流量预测，提高了交通流量预测结果的准确性。
-
公开(公告)号：CN113284142B
公开(公告)日：2021-10-29
申请号：CN202110804450.6
申请日：2021-07-16
Applicant: 腾讯科技(深圳)有限公司
Abstract: 本发明实施例公开了一种图像检测方法、装置、计算机可读存储介质及计算机设备，通过获取训练样本数据；将样本图像分别输入到至少两个神经网络模型，得到输出的模糊概率值集合；根据模糊概率值集合与标签信息计算得到每个样本图像的损失参数；根据损失参数的分布从多个样本图像中选取目标样本图像，并基于目标样本图像对至少两个神经网络模型进行更新；返回执行上述步骤，直至至少两个神经网络模型收敛，得到训练后的至少两个神经网络模型；采用训练后的至少两个神经网络模型对待检测图像进行检测，得到检测结果。以此，本方法采用机器学习技术，通过采用多模型协同训练对噪声样本进行筛选，改善模型训练的效果，进而提高了图像检测的准确率。
-
公开(公告)号：CN110602526B
公开(公告)日：2021-09-21
申请号：CN201910859609.7
申请日：2019-09-11
Applicant: 腾讯科技(深圳)有限公司
IPC: H04N21/234 , H04N21/2743 , H04N21/845 , G06K9/00 , G06K9/62
Abstract: 本申请公开了一种视频处理方法、装置、计算机设备及存储介质，属于多媒体技术领域。本申请通过获取视频中多个视频片段，从而将多个视频片段输入特征提取网络，通过该特征提取网络对该多个视频片段进行基于残差结构的三维卷积处理，得到该多个视频片段的多个时空特征，从而确定出视频中各个动作片段以及各个动作片段的动作类别，能够在不损失时空特征的表达能力的基础上，缩短视频处理的耗时，提升视频处理过程的效率。
-
公开(公告)号：CN113284142A
公开(公告)日：2021-08-20
申请号：CN202110804450.6
申请日：2021-07-16
Applicant: 腾讯科技(深圳)有限公司
Abstract: 本发明实施例公开了一种图像检测方法、装置、计算机可读存储介质及计算机设备，通过获取训练样本数据；将样本图像分别输入到至少两个神经网络模型，得到输出的模糊概率值集合；根据模糊概率值集合与标签信息计算得到每个样本图像的损失参数；根据损失参数的分布从多个样本图像中选取目标样本图像，并基于目标样本图像对至少两个神经网络模型进行更新；返回执行上述步骤，直至至少两个神经网络模型收敛，得到训练后的至少两个神经网络模型；采用训练后的至少两个神经网络模型对待检测图像进行检测，得到检测结果。以此，本方法采用机器学习技术，通过采用多模型协同训练对噪声样本进行筛选，改善模型训练的效果，进而提高了图像检测的准确率。
-
公开(公告)号：CN112560829B
公开(公告)日：2021-06-04
申请号：CN202110212105.3
申请日：2021-02-25
Applicant: 腾讯科技(深圳)有限公司
Abstract: 本申请是人群数量确定方法、装置、设备及存储介质，涉及图像处理技术领域。所述方法包括：获取第一图像；对第一图像进行数据处理，得到第一图像对应的人群密度特征图；对人群密度特征图进行分类处理，得到第一图像中的各个子区域对应的预测类别；基于第一图像中的各个子区域对应的预测类别，以及各个预测类别对应的人数估计值，获取第一图像中的各个子区域对应的预测人数；基于第一图像中的各个子区域对应的预测人数，获取第一图像对应的人群数量。上述方案可以应用于智慧交通领域中，通过训练样本集中样本图像的各个子区域的人群数量确定人数估计值，提高了对图像中人群数量估计的准确性，从而提高了交通智能调度的准确性。
-
-
-
-
-
-
-
-
-
Search Results
148
records
(took 0.072 seconds)
