-
公开(公告)号：CN119559312A
公开(公告)日：2025-03-04
申请号：CN202411719882.7
申请日：2024-11-27
Applicant: 北京百度网讯科技有限公司
Abstract: 本公开提供了虚拟形象的生成方法、装置、电子设备以及存储介质，涉及人工智能技术领域，尤其涉及计算机视觉、深度学习、大模型等技术领域，可应用于AIGC基于人工智能的内容生成等场景。该方法具体实现方案为：响应于接收到的针对目标车辆的风格描述信息，获取针对目标车辆的掩码图像和三维建模信息；掩码图像中的各掩码区域表征用于在针对目标车辆的初始纹理图像中添加素材图像的位置；从三维建模信息中提取初始纹理图像和初始纹理图像中的各二维坐标与虚拟形象中的各三维坐标之间的映射关系；通过处理风格描述信息、初始纹理图像和掩码图像，生成目标纹理图像；基于映射关系，通过处理目标纹理图像生成目标虚拟形象。
-
公开(公告)号：CN119417969A
公开(公告)日：2025-02-11
申请号：CN202411732445.9
申请日：2024-11-28
Applicant: 北京百度网讯科技有限公司
Abstract: 本公开提供了纹理图像生成方法、训练方法及装置，涉及人工智能技术领域，尤其涉及计算机视觉、深度学习、大模型等技术领域，可应用于AIGC基于人工智能的内容生成等场景。该生成方法的具体实现方案为：提取针对目标对象的文本描述信息的文本特征；基于针对目标对象的三维信息，生成二维图像；其中，二维图像指示了目标对象的三维点云信息和纹理分布信息；对二维图像进行处理，生成三维结构融合特征；基于三维结构融合特征和文本特征生成目标纹理特征；以及基于目标纹理特征，生成目标纹理图像，其中，目标纹理图像用于生成针对目标对象的虚拟形象。
-
公开(公告)号：CN111507262B
公开(公告)日：2023-12-08
申请号：CN202010304904.9
申请日：2020-04-17
Applicant: 北京百度网讯科技有限公司
IPC: G06V40/40 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/764 , G06V10/40 , G06V10/774
Abstract: 本申请实施例公开了用于检测活体的方法和装置。该方法的一具体实施方式包括：获取原始图像；将原始图像输入至训练完成的攻击特征提取网络，输出原始图像的攻击特征信号；计算攻击特征信号的元素级均值；基于元素级均值，生成原始图像的活体检测结果。该实施方式提供了一种新的活体检测方法，基于攻击特征挖掘及放大的活体检测技术进行活体检测，能够显著提升活体检测的准确性。(56)对比文件Anjith George等.Deep Pixel-wiseBinary Supervision for Face PresentationAttack Detection《.arXiv:1907.04047》.2019,1-8,正文第1节第5段,第2.3节第2-7段,第3.2.1节第3段,图1-图3.Anjith George等.Deep Pixel-wiseBinary Supervision for Face PresentationAttack Detection《.arXiv:1907.04047》.2019,1-8,正文第1节第5段,第2.3节第2-7段,第3.2.1节第3段,图1-图3.Yaojie Liu等.Learning Deep Models forFace Anti-Spoofing: Binary or AuxiliarySupervision《.2018 IEEE/CVF Conference onComputer Vision and Pattern Recognition》.2018,2909-2914,正文第1节,第3节,第3.3节,图1-图3.Face De-Spoofing: Anti-Spoofing viaNoise Modeling《.Proceedings of theEuropean Conference on Computer Vision(ECCV)》.2018,第11217卷297-315.Yunxiao Qin.Learning meta model forzero-and few-shot face anti-spoofing.《arXiv：1904-12490》.2019,1-8.曲啸枫.基于多特征融合的活体人脸检测算法研究及应用《.中国硕士学位论文全文数据库(信息科技辑)》.2020,(第2020(01)期),I138-1602.
-
公开(公告)号：CN114429663B
公开(公告)日：2023-10-20
申请号：CN202210109394.9
申请日：2022-01-28
Applicant: 北京百度网讯科技有限公司
IPC: G06V40/16 , G06V10/74 , G06F16/51 , G06F16/583
Abstract: 本公开提供了一种人脸底库的更新方法、人脸识别方法、装置及系统，涉及人工智能技术领域，具体为深度学习、计算机视觉技术领域，可应用于人脸识别、人脸图像处理等应用场景，包括：获取原始的人脸底库中，与获取到的当前人脸图像归属于同一用户的人脸图像集合，人脸底库中包括至少一个用户的人脸图像集合，人脸图像集合中包括已存人脸图像，确定当前人脸图像与同一用户的已存人脸图像之间的相似度，同一用户的已存人脸图像具有计数值，计数值表征同一用户的已存人脸图像与同一用户的其他人脸图像之间的连续未匹配成功的次数或连续匹配成功的次数，根据相似度和计数值对原始的人脸底库进行更新处理，实现了更新的准确性和可靠性。
-
公开(公告)号：CN112287795B
公开(公告)日：2023-09-01
申请号：CN202011141832.7
申请日：2020-10-22
Applicant: 北京百度网讯科技有限公司
Abstract: 本申请公开了一种异常驾驶姿态检测方法、装置、设备、车辆和介质，涉及计算机视觉、深度学习、智能交通等人工智能领域，具体可用于辅助驾驶场景下。具体实现方案为：根据驾驶用户驾驶时采集的原始图像，确定人体关键点；其中，所述人体关键点包括肩部关键点；根据所述肩部关键点，检测所述驾驶用户的异常驾驶姿态。本申请实施例提高了对驾驶用户异常驾驶姿态进行检测时的检测效率，并减少了数据运算量。
-
Patent Agency Ranking
公开(公告)号：CN114155589B
公开(公告)日：2023-08-08
申请号：CN202111448404.3
申请日：2021-11-30
Applicant: 北京百度网讯科技有限公司
IPC: G06V40/16 , G06V10/762
Abstract: 本公开提供了一种图像处理方法、装置、设备以及存储介质，涉及人工智能技术领域，具体涉及深度学习、计算机视觉技术领域，可用于人脸识别场景。具体实现方案为：从待处理图像中选择目标图像；目标图像为采用人脸识别任务成功提取人脸信息的待处理图像；提取目标图像的人脸特征，并对人脸特征进行聚类；根据聚类结果，确定目标图像中的异常图像。能够在人脸识别的过程中自动收集容易误识别的异常图像。
-
公开(公告)号：CN113205057B
公开(公告)日：2023-08-08
申请号：CN202110524896.3
申请日：2021-05-13
Applicant: 北京百度网讯科技有限公司
Abstract: 本公开揭露了人脸活体检测方法，涉及人工智能领域，具体为计算机视觉和深度学习技术，可应用于人脸识别场景下。具体实现方案为：获取包含多个人脸图像的人脸图像序列；基于人脸图像序列，获取对应的包含多个人眼图像的人眼图像序列；基于人眼图像序列，对多个人眼图像中的每个人眼图像中人眼瞳孔显示的光斑颜色进行识别，得到瞳孔颜色识别结果；以及响应于瞳孔颜色识别结果表征人脸图像序列是电子设备现场采集的人脸图像的序列，利用人脸图像序列中的至少一个人脸图像得到人脸活体检测结果。
-
公开(公告)号：CN116071625A
公开(公告)日：2023-05-05
申请号：CN202310206397.9
申请日：2023-03-07
Applicant: 北京百度网讯科技有限公司
IPC: G06V10/778 , G06V10/766 , G06V10/774
Abstract: 本申请提供了一种深度学习模型的训练方法、目标检测方法及装置，涉及计算机视觉、深度学习。该训练方法具体实现方案为：利用第一深度学习模型对样本图像进行处理，得到第一图像特征；并根据初始位置分布特征图和第一图像特征，得到第一特征图。利用第二深度学习模型对样本图像进行处理，得到第二图像特征；并根据初始位置分布特征图和第二图像特征，得到第二特征图。利用第一深度学习模型对样本图像进行目标检测，得到第一检测结果。基于目标损失函数，根据第一检测结果、第一特征图和第二特征图，调整第一深度学习模型的模型参数和初始位置分布特征图，得到与样本图像对应的目标位置分布特征图和经训练的第一深度学习模型。
-
公开(公告)号：CN115578613A
公开(公告)日：2023-01-06
申请号：CN202211272814.1
申请日：2022-10-18
Applicant: 北京百度网讯科技有限公司
IPC: G06V10/774 , G06V10/82 , G06V10/62 , G06V20/52
Abstract: 本公开提供了目标再识别模型的训练方法和目标再识别方法，涉及人工智能技术领域，具体为深度学习、图像处理、计算机视觉技术领域，可应用于人脸识别、智慧城市等场景。具体实现方案为：基于图像样本集合，确定预训练的转换器模型输出的多个第一特征图和待训练的卷积神经网络模型输出的多个第二特征图；根据多个第一特征图和多个第二特征图，利用第一知识蒸馏损失函数，确定第一蒸馏损失值；利用第二知识蒸馏损失函数，确定第二蒸馏损失值；根据第一蒸馏损失值和第二蒸馏损失值，对待训练的卷积神经网络模型进行训练，以得到可进行目标再识别的卷积神经网络模型。本公开的技术方案，可以训练得到推理速度和识别性能更好的卷积神经网络模型。
-
公开(公告)号：CN112052830B
公开(公告)日：2022-12-20
申请号：CN202011022882.3
申请日：2020-09-25
Applicant: 北京百度网讯科技有限公司
Abstract: 根据本公开的示例实施例，提供了人脸检测的方法、装置和计算机存储介质，涉及人工智能领域，具体为计算机视觉、深度学习技术，可用于人脸识别。人脸检测的方法，包括：基于包括人脸的彩色图像、红外图像和深度图像，确定彩色图像、红外图像和深度图像中的多个人脸关键点；基于多个人脸关键点，分别确定第一置信度、第二置信度和第三置信度，第一置信度与彩色图像相关联，第二置信度与红外图像相关联，第三置信度与深度图像相关联；以及基于第一置信度、第二置信度和第三置信度，确定人脸的真实性。根据本公开的方案。可以准确地进行活体人脸检测。
-
-
-
-
-
-
-
-
-
Search Results
77
records
(took 0.039 seconds)
