-
Patent Agency Ranking
公开(公告)号：CN118823787A
公开(公告)日：2024-10-22
申请号：CN202411272987.2
申请日：2024-09-11
Applicant: 杭州海康威视数字技术股份有限公司
Inventor： 顾东豪
Abstract: 本申请实施例提供了文本检测模型训练方法、文本检测方法、装置及电子设备。文本检测模型训练方法包括：针对每个训练图像中的各文本区域，按照预设搜索目标在该文本区域对应的内缩距离范围内，搜索该文本区域对应的内缩距离；基于训练图像中的各文本区域对应的内缩距离对各文本区域进行内缩，得到训练图像的内缩图；对各文本区域进行外扩，得到各文本区域对应的外扩区域；生成各训练图像的分割图标签、阈值图标签和二值图标签；将训练图像输入待训练的文本检测模型，基于模型输出的预测概率图、预测阈值图以及预测二值图分别与分割图标签、阈值图标签以及二值图标签之间的差异进行训练，得到文本检测模型。从而提高文本检测模型的文本定位精确度。
-
公开(公告)号：CN119741522A
公开(公告)日：2025-04-01
申请号：CN202311247455.9
申请日：2023-09-25
Applicant: 杭州海康威视数字技术股份有限公司
Inventor： 顾东豪
IPC: G06V10/764 , G06V10/44 , G06V10/74 , G06V10/774
Abstract: 本申请公开了一种目标检测方法、装置、设备及存储介质，所述目标检测方法包括：获取目标物体的待检测图像；基于待检测图像，通过预设的目标检测模型进行图像检测处理，得到目标物体的检测结果其中，目标检测模型是基于训练样本集、测试样本集和挖掘样本池，对预设的第一检测模型进行迭代训练得到的，在目标检测模型的训练过程中，采用图像检索的方式，从挖掘样本池中选取第一样本和第二样本，分别扩充至训练样本集和测试样本集。本申请通过在目标检测模型的训练过程中，从所述挖掘样本池中选取高价值样本扩充至所述训练样本集和所述测试样本集，使得目标检测模型扩充训练集的同时也不断完善测试集，以此实现测试集能够有效评价模型的性能提升。
-
公开(公告)号：CN118710889B
公开(公告)日：2024-12-03
申请号：CN202411184316.0
申请日：2024-08-27
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06V10/25 , G06V20/62 , G06N3/0985 , G06N3/0895 , G06N3/045 , G06V10/774 , G06V10/82 , G06V10/80 , G06V10/776
Abstract: 本申请实施例提供了一种数据增强模型的训练方法、数据增强方法、及装置，涉及机器学习技术领域，该数据增强模型的训练方法包括：获取训练图像；利用初始结构的数据增强模型生成每一训练图像的数据增强变量的变量值；利用每一训练图像的数据增强变量的变量值，对该训练图像中对象的检测框进行变换处理，得到第一检测框；基于测试图像中表示同一类别对象的检测框，与表示该同一类别对象的第一检测框之间几何特征的差异，确定模型损失值；基于模型损失值对初始结构的数据增强模型的模型参数进行调参，直至达到预设收敛条件，得到训练完成的数据增强模型。通过本方案能够省去由专业人员人工调节超参数的过程，降低人工成本。
-
公开(公告)号：CN118823787B
公开(公告)日：2024-12-03
申请号：CN202411272987.2
申请日：2024-09-11
Applicant: 杭州海康威视数字技术股份有限公司
Inventor： 顾东豪
Abstract: 本申请实施例提供了文本检测模型训练方法、文本检测方法、装置及电子设备。文本检测模型训练方法包括：针对每个训练图像中的各文本区域，按照预设搜索目标在该文本区域对应的内缩距离范围内，搜索该文本区域对应的内缩距离；基于训练图像中的各文本区域对应的内缩距离对各文本区域进行内缩，得到训练图像的内缩图；对各文本区域进行外扩，得到各文本区域对应的外扩区域；生成各训练图像的分割图标签、阈值图标签和二值图标签；将训练图像输入待训练的文本检测模型，基于模型输出的预测概率图、预测阈值图以及预测二值图分别与分割图标签、阈值图标签以及二值图标签之间的差异进行训练，得到文本检测模型。从而提高文本检测模型的文本定位精确度。
-
公开(公告)号：CN118710889A
公开(公告)日：2024-09-27
申请号：CN202411184316.0
申请日：2024-08-27
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06V10/25 , G06V20/62 , G06N3/0985 , G06N3/0895 , G06N3/045 , G06V10/774 , G06V10/82 , G06V10/80 , G06V10/776
Abstract: 本申请实施例提供了一种数据增强模型的训练方法、数据增强方法、及装置，涉及机器学习技术领域，该数据增强模型的训练方法包括：获取训练图像；利用初始结构的数据增强模型生成每一训练图像的数据增强变量的变量值；利用每一训练图像的数据增强变量的变量值，对该训练图像中对象的检测框进行变换处理，得到第一检测框；基于测试图像中表示同一类别对象的检测框，与表示该同一类别对象的第一检测框之间几何特征的差异，确定模型损失值；基于模型损失值对初始结构的数据增强模型的模型参数进行调参，直至达到预设收敛条件，得到训练完成的数据增强模型。通过本方案能够省去由专业人员人工调节超参数的过程，降低人工成本。
-
-
-
-
Search Results
5
records
(took 0.027 seconds)
