人体关键点检测及部位解析的联合处理方法、设备及产品

    公开(公告)号:CN113762026B

    公开(公告)日:2024-12-10

    申请号:CN202110239397.X

    申请日:2021-03-04

    Inventor: 鲍慊 刘武 梅涛

    Abstract: 本发明实施例提供一种提供的人体关键点检测及部位解析的联合处理方法、设备及产品,该方法包括:获取目标图像;采用训练至收敛的目标网络模型对所述目标图像进行人体关键点检测及部位解析的联合处理,以获得人体关键点检测结果及人体部位解析结果,所述目标网络模型是采用训练样本对初始网络模型进行训练的过程中采用神经网络自动搜索技术对所述初始网络模型进行最优网络结构搜索后获得的;通过所述目标网络模型输出人体关键点检测结果及人体部位解析结果,能够有效提高人体关键点检测及部位解析的准确率,并且不依赖网络模型的设计经验和调参经验,有效提高人体关键点检测及部位解析的效率。

    机器学习模型的训练方法和装置、图像的分类方法和装置

    公开(公告)号:CN113807529A

    公开(公告)日:2021-12-17

    申请号:CN202010761644.8

    申请日:2020-07-31

    Inventor: 申童 张炜 梅涛

    Abstract: 本公开涉及一种机器学习模型的训练方法和装置、图像的分类方法和装置,涉及人工智能技术领域。该训练方法包括:利用第一机器学习模型,提取待处理图片的特征向量,根据特征向量确定待处理图片的第一分类结果,待处理图片属于第一数据域或第二数据域;根据特征向量,利用第二机器学习模型,确定待处理图片的第二分类结果,第二分类结果包括待处理图片在第一数据域中的分类结果和在第二数据域中的分类结果;根据第一分类结果和第二分类结果,对第一机器学习模型和第二机器学习模型进行对抗训练,使得第二分类结果的准确率低于阈值,训练好的第一机器学习模型用于图片分类。

    人脸检索系统的评价方法、装置、电子设备和存储介质

    公开(公告)号:CN112308055B

    公开(公告)日:2021-11-02

    申请号:CN202011601514.4

    申请日:2020-12-30

    Abstract: 本公开提供了一种人脸检索系统的评价方法、装置、电子设备和存储介质,涉及人脸识别领域。其中,人脸检索系统的评价方法包括:基于所述人脸检索系统将第一人脸图像转化为待检索人脸特征,以及将第二人脸图像转化为参照人脸特征;基于所述参照人脸特征对所述待检索人脸特征进行相似度检索,并使所述人脸检索系统输出所述相似度检索的检索结果;获取对所述第一人脸图像与所述第二人脸图像的标注结果;对比所述标注结果与所述检索结果,以得到所述人脸检索系统的评价指数。通过本公开的技术方案,将检索结果与标注结果进行对比,得到人脸检索系统的精度评价指标,基于评价指标对系统精度的评价具有较高的可靠性。

    训练样本生成、模型训练和图像处理方法及装置

    公开(公告)号:CN113537223A

    公开(公告)日:2021-10-22

    申请号:CN202010309634.0

    申请日:2020-04-20

    Inventor: 申童 张炜 梅涛

    Abstract: 本公开提出一种训练样本生成、模型训练和图像处理方法及装置,涉及图像处理技术领域。本公开的一种模型训练方法包括:将有章合成数据输入第一深度学习分割网络中做二值化分割,获取二值分割图像;根据二值分割图像和无章图像,通过第一损失函数监督训练第一深度学习分割网络,直至损失收敛;将二值分割图像和对应的有章合成数据经第二深度学习分割网络进行风格恢复处理,获取无章预测图像;根据无章预测图像和无章图像,通过第二损失函数监督训练第二深度学习分割网络,直至损失收敛。通过这样的方法,能够对进行两段式训练,分别提高图像二值化分割和恢复的准确度,提高图像处理模型对于图像去章处理的准确度。

    机器学习模型的训练方法、训练装置及存储介质

    公开(公告)号:CN112101488B

    公开(公告)日:2021-06-25

    申请号:CN202011291240.3

    申请日:2020-11-18

    Abstract: 本公开提供了一种机器学习模型的训练方法、训练装置及计算机可读存储介质,涉及人工智能技术领域。其中的机器学习模型的训练方法包括:将训练图像输入机器学习模型,获得训练图像的预测置信度;将训练图像的预测置信度和标签真实值输入评价指标损失函数,获得损失函数值,其中,评价指标损失函数的损失函数值随机器学习模型的评价指标单调递减,评价指标由训练图像的预测置信度和标签真实值表示;根据损失函数值调整机器学习模型中的各个参数变量。本公开能够有效提升机器学习模型的评价指标。

Patent Agency Ranking