-
公开(公告)号：CN115062249B
公开(公告)日：2025-03-04
申请号：CN202210753208.5
申请日：2022-06-28
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06F16/957 , G06F16/9535 , G06F9/451
Abstract: 本申请公开了一种导出页面方法、装置、电子设备及系统，涉及计算机技术领域，有助于提升导出页面的效率，节省客户端开发资源。该方法应用于内嵌有网页视图webview的客户端，该方法包括：客户端接收针对webview的第一操作；其中，第一操作用于基于webview获取目标数据，目标数据用于生成目标页面；webview根据第一操作，向服务端发送页面数据请求消息；其中，页面数据请求消息包括目标数据的指示信息和目标页面的文件格式，指示信息用于指示目标数据；webview接收服务端发送的响应消息，响应消息用于获取目标页面；webview根据响应消息获取目标页面；客户端从webview获取目标页面。
-
公开(公告)号：CN119540930A
公开(公告)日：2025-02-28
申请号：CN202411378084.2
申请日：2024-09-30
Applicant: 国网上海市电力公司 , 杭州海康威视数字技术股份有限公司 , 国家电网有限公司
Abstract: 本发明涉及一种基于深度学习网络的电力施工现场目标识别方法和系统，方法噶包括以下步骤：采集电力工程施工现场的照片；将采集的照片输入预先构建并训练好的图像识别网络中，对电力工程施工现场进行目标识别，获取目标识别结果，该目标识别结果包括包围框、置信概率和目标类别；根据识别出的包围框、置信概率和目标类别，进行目标施工状态判断，并与预先建立的施工安全知识图谱比对，判断是否存在违规操作或潜在风险。与现有技术相比，本发明可以有效地提高施工现场的实时监管能力，实现对施工操作的自动化识别，全面地评估和应对施工现场的各类情况，减轻人工监管的负担，同时提高判断的客观性和准确性。
-
公开(公告)号：CN114331934B
公开(公告)日：2025-02-28
申请号：CN202111512033.0
申请日：2021-12-07
Applicant: 杭州海康威视数字技术股份有限公司
Inventor： 张鹤
Abstract: 本申请提供一种图像处理方法、装置及设备，该方法包括：基于可见光图像确定可见光亮度图像，基于红外光图像确定红外光亮度图像；确定可见光亮度图像与红外光亮度图像之间的差分特征图像；基于所述差分特征图像确定红外光亮度图像对应的初始红外权重图像；基于可见光亮度图像和红外光亮度图像确定衰减系数，基于衰减系数对所述初始红外权重图像进行衰减处理，得到红外光亮度图像对应的目标红外权重图像；基于目标红外权重图像生成可见光图像对应的可见光权重图像，并基于可见光图像、可见光权重图像、红外光亮度图像以及目标红外权重图像，生成目标图像。通过本申请的技术方案，能够有效提高低照度图像的清晰度和通透感，且避免图像偏色问题。
-
公开(公告)号：CN119495059A
公开(公告)日：2025-02-21
申请号：CN202510001535.9
申请日：2025-01-02
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06V20/52 , G06V20/40 , G06V10/764
Abstract: 本申请公开了一种客流统计方法及相关设备，涉及计算机视觉技术领域，包括：响应于客流统计指令，获取目标检测视频，基于预设多任务检测与分类并联网络模型，对所述目标检测视频进行检测，得到组合目标，以及得到每组撑伞客流目标对应的第一客流人数类型，其中，所述组合目标包括多个头肩客流目标和多组撑伞客流目标，所述多任务检测包括撑伞检测与头肩检测，所述分类包括客流人数分类，基于所述多组撑伞客流目标、每组撑伞客流目标对应的客流人数类型与所述多个头肩客流目标，确定客流统计结果。本申请使用预设多任务检测与分类并联网络模型检目标检测视频中客流的类型，并确定每种客流类型对应的客流人数，进而，在行人撑伞场景下完成客流统计。
-
公开(公告)号：CN119004270B
公开(公告)日：2025-02-21
申请号：CN202411480708.1
申请日：2024-10-23
Applicant: 杭州海康威视数字技术股份有限公司
Inventor： 范娜娜
IPC: G06F18/2415 , G06F18/2431 , G06F18/213 , G06N3/08 , G06N3/0464 , G01R31/12 , G06F123/02
Abstract: 本申请公开了一种放电类型的识别方法、装置、存储介质和电子设备，所述方法包括：基于采集的超声放电信号确定未经过相位校正的PRPD图谱，并将所述PRPD图谱输入预先训练好的用于进行放电类型识别的神经网络模型；在所述神经网络模型中，对所述PRPD图谱进行特征提取，并对得到的特征提取结果进行相位预测，得到相位估计特征；基于所述相位估计特征和所述特征提取结果进行分类预测，确定各个分类的概率信息；基于各个分类的概率信息，确定所述PRPD图谱对应的放电类型。应用本申请，能够有效提高放电类型识别的准确性。
-
Patent Agency Ranking
公开(公告)号：CN119478317A
公开(公告)日：2025-02-18
申请号：CN202510025066.4
申请日：2025-01-07
Applicant: 杭州海康威视数字技术股份有限公司
Inventor： 方祺伟
Abstract: 本申请提供一种统一地图瓦片接入方法、装置、设备及存储介质，该方法包括：依据待展示地图范围，以及，当前地图层级，确定待展示的目标规格地图瓦片；对于任一目标规格地图瓦片，依据原始规格地图瓦片数据，利用目标瓦片转换算法，生成该目标规格地图瓦片；依据所生成的目标规格地图瓦片进行地图展示。该方法可以实现依据已有规格地图瓦片数据，进行另一种目标规格地图瓦片的生成与展示。
-
公开(公告)号：CN118916471B
公开(公告)日：2025-02-18
申请号：CN202411412767.5
申请日：2024-10-11
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06F16/3329 , G06F16/334 , G06F16/58
Abstract: 本申请涉及视觉问答技术领域，公开了视觉问答方法、装置、设备、存储介质及产品，包括：对视觉问题数据进行特征提取，生成视觉问题数据对应的多模态特征数据；根据多模态特征数据在预设模板库中进行查找，获得与多模态特征数据相匹配的目标示例问答数据；根据目标示例问答数据构建模型提示词；将模型提示词及视觉问题数据输入至大语言模型，以使大语言模型在模型提示词的指导下，根据视觉问题数据生成视觉问答结果。由于可根据视觉问题数据对应的多模态特征数据查找数据构建模型提示词，通过模型提示词对大语言模型进行指导，保证即使输入视觉类文档等包含图像的数据，大语言模型仍旧可以正常进行问答。
-
公开(公告)号：CN119450069A
公开(公告)日：2025-02-14
申请号：CN202411919524.0
申请日：2023-06-01
Applicant: 杭州海康威视数字技术股份有限公司
IPC: H04N19/44 , H04N21/44 , H04N19/91 , H04N19/124 , H04N21/466 , G06N3/045
Abstract: 本申请提供一种解码、编码方法、装置及其设备，包括：对当前图像块对应的第一码流进行解码得到系数超参特征；基于系数超参特征确定概率分布参数，基于概率分布参数对当前图像块的第二码流进行解码得到重建特征；将重建特征输入给合成变换网络得到重建图像块；合成变换网络包括注意力模块，注意力模块为级联混合注意力模块或并联混合注意力模块；级联混合注意力模块包括第一注意力子模块和第二注意力子模块，第一注意力子模块和第二注意力子模块为串行；并联混合注意力模块包括第一注意力子模块和第二注意力子模块，第一注意力子模块和第二注意力子模块为并行。通过本申请方案提高解码性能，降低复杂度。
-
公开(公告)号：CN119442123A
公开(公告)日：2025-02-14
申请号：CN202510045375.8
申请日：2025-01-10
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请提供基于多模态大模型的异常信息检测方法及装置。在本实施例中，在确定了存在异常信息的前提下，再进行异常信息的具体内容的检测方式，这相比于直接对目标文件进行异常信息的具体细节的检测，一方面，不再是同时进行异常信息的检测和异常信息的具体内容的检测，这使得在进行是否存在异常信息的检测的时候，将异常信息检测模型的全部算力聚焦于是否存在异常信息上，能够提高是否存在异常信息的准确度。另一方面，也能在进行异常信息的具体内容的检测的时候，充分利用存在异常信息的先验条件，且全部算力聚焦于异常信息的具体内容上，这也能够准确检测出异常信息的具体内容。
-
公开(公告)号：CN109919296B
公开(公告)日：2025-02-14
申请号：CN201711319390.9
申请日：2017-12-12
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06N3/08 , G06N3/045 , G06F18/2431
Abstract: 本发明实施例提供了一种深度神经网络训练方法、装置及计算机设备，其中，深度神经网络训练方法包括：针对树状网络拓扑结构中的当前网络层，获取当前网络层中各节点的任务属性，其中，树状网络拓扑结构中的各节点为对应于不同任务的神经网络，树状网络拓扑结构中的叶节点为针对指定任务已完成训练的神经网络；基于当前网络层中各节点的任务属性，对当前网络层中各节点进行聚类分析，提取同一类别中多个节点的任务属性的共性部分，作为多个节点的父节点的任务属性；基于各父节点的任务属性，训练各父节点的网络参数；在对各网络层中各节点完成训练后，确定树状网络拓扑结构对应的深度神经网络训练结束。通过本方案可以提高深度学习的运算效率。
-
-
-
-
-
-
-
-
-
Search Results
14484
records
(took 0.139 seconds)
