-
公开(公告)号：CN113052240B
公开(公告)日：2024-03-05
申请号：CN202110328519.2
申请日：2021-03-26
Applicant: 北京达佳互联信息技术有限公司 , 北京中科研究院
IPC: G06V10/74 , G06V10/774
Abstract: 本公开关于一种图像处理模型的确定方法、装置、设备及存储介质，涉及图像处理领域。本公开实施例中，对于每个样本图像，通过增加旋转图像，考虑到旋转图像的哈希码与样本图像的哈希码一致的特性，引入了另一种损失值，结合这种损失值与训练样本图像之间相似度的损失值，对图像处理模型的模型参数进行更新，能够使得图像处理模型在获取到更准确的哈希码，基于哈希码进行后续处理，也能够得到更准确的处理结果，因而能够提高该图像处理模型的准确性，且旋转图像为对样本图像进行几何变换得到的，这样该图像处理模型对几何变换前后的图像均能够进行准确处理，具有更好的鲁棒性，且无需标注数据，减少了人工成本，提高数据处理效率。
-
Patent Agency Ranking
公开(公告)号：CN113505256A
公开(公告)日：2021-10-15
申请号：CN202110747865.4
申请日：2021-07-02
Applicant: 北京达佳互联信息技术有限公司 , 北京中科研究院
IPC: G06F16/55 , G06F16/583 , G06K9/62
Abstract: 本公开关于一种特征提取网络训练方法、图像处理方法及装置，涉及图像处理领域。本公开实施例，新增一种用于提取第二特征的第二特征提取网络，第二特征用于表征目标类别图像的内容特征分布状况，也即是该样本图像的邻域结构，结合用于提取样本图像本身特征的第一特征提取网络，从两个角度来对样本图像的图像特征进行处理，考虑到了不同样本图像的邻域结构可能不均匀的情况，在训练过程中不仅学习样本图像本身的特征，还能够自适应地学习到样本图像的邻域结构，以此训练得到的特征提取网络在特征提取方面的准确性更好，这样提取到的特征能够更加准确地体现出图像所属的类别，基于训练后的特征提取网络进行图像检索也能够得到更加准确的检索结果。
-
公开(公告)号：CN113052240A
公开(公告)日：2021-06-29
申请号：CN202110328519.2
申请日：2021-03-26
Applicant: 北京达佳互联信息技术有限公司 , 北京中科研究院
IPC: G06K9/62
Abstract: 本公开关于一种图像处理模型的确定方法、装置、设备及存储介质，涉及图像处理领域。本公开实施例中，对于每个样本图像，通过增加旋转图像，考虑到旋转图像的哈希码与样本图像的哈希码一致的特性，引入了另一种损失值，结合这种损失值与训练样本图像之间相似度的损失值，对图像处理模型的模型参数进行更新，能够使得图像处理模型在获取到更准确的哈希码，基于哈希码进行后续处理，也能够得到更准确的处理结果，因而能够提高该图像处理模型的准确性，且旋转图像为对样本图像进行几何变换得到的，这样该图像处理模型对几何变换前后的图像均能够进行准确处理，具有更好的鲁棒性，且无需标注数据，减少了人工成本，提高数据处理效率。
-
公开(公告)号：CN113505256B
公开(公告)日：2022-09-02
申请号：CN202110747865.4
申请日：2021-07-02
Applicant: 北京达佳互联信息技术有限公司 , 北京中科研究院
IPC: G06F16/55 , G06F16/583 , G06V10/74 , G06K9/62
Abstract: 本公开关于一种特征提取网络训练方法、图像处理方法及装置，涉及图像处理领域。本公开实施例，新增一种用于提取第二特征的第二特征提取网络，第二特征用于表征目标类别图像的内容特征分布状况，也即是该样本图像的邻域结构，结合用于提取样本图像本身特征的第一特征提取网络，从两个角度来对样本图像的图像特征进行处理，考虑到了不同样本图像的邻域结构可能不均匀的情况，在训练过程中不仅学习样本图像本身的特征，还能够自适应地学习到样本图像的邻域结构，以此训练得到的特征提取网络在特征提取方面的准确性更好，这样提取到的特征能够更加准确地体现出图像所属的类别，基于训练后的特征提取网络进行图像检索也能够得到更加准确的检索结果。
-
公开(公告)号：CN118964721A
公开(公告)日：2024-11-15
申请号：CN202410891424.5
申请日：2024-07-04
Applicant: 天津大学 , 北京达佳互联信息技术有限公司
IPC: G06F16/9535 , G06F16/9537 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/092
Abstract: 本发明公开了一种基于强化学习的动态反馈推荐方法及装置，方法包括：利用因果推理技术预训练用户行为模拟器，生成用户和物品完全交互的反事实用户‑物品二部图；加权聚合真实用户‑物品二部图和反事实用户‑物品二部图，使用Top‑K采样生成交互均衡的用户‑物品二部图；利用图卷积聚合物品的邻域用户信息，获得图结构增强的动作表征；利用门控循环单元和自注意力机制处理用户与推荐系统的交互序列，获得每个时间步的用户状态表征；根据动作表征和用户状态表征预测Q值，基于用户奖励反馈优化推荐模型的动作决策，最终实现对互联网信息的动态反馈推荐。装置包括：处理器和存储器。本发明利用因果推理和图卷积技术引入交互均衡的用户‑物品二部图信息，借助图结构关联丰富和增强智能体动作表征和用户状态表征。
-
公开(公告)号：CN117235207A
公开(公告)日：2023-12-15
申请号：CN202311189354.0
申请日：2023-09-14
Applicant: 北京达佳互联信息技术有限公司 , 华中科技大学
IPC: G06F16/33 , G06F16/38 , G06F18/22 , G06F18/214 , G06F18/24 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本公开文本检索方法、装置、电子设备及存储介质。所述方法包括：获取待检索的第一文本；将所述第一文本输入至召回模型，输出所述第一文本对应的特征向量；其中，所述召回模型为基于样本第一文本和样本第二文本，对初始语义模型和初始图模型进行训练获得；其中，所述样本第一文本和样本第二文本之间标注有关联关系；从特征向量数据集中确定与所述特征向量相似度满足预设条件的目标特征向量，并确定检索结果为所述目标特征向量对应的第二文本。本公开实施例提高了召回模型的召回率。
-
-
-
-
-
Search Results
6
records
(took 0.157 seconds)
