-
公开(公告)号：CN117273151B
公开(公告)日：2024-03-15
申请号：CN202311557340.X
申请日：2023-11-21
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06N5/04 , G06N3/0455 , G06N3/042 , G06N3/0499 , G06F16/532 , G06N3/08 , G06F16/432 , G06F16/483 , G06F18/25
Abstract: 本申请提供一种基于大语言模型的科学仪器使用分析方法、装置及系统，涉及人工智能领域，该方法包括：获取用户输入的科学仪器使用相关的查询问题信息；通过视觉编码模型提取查询问题信息中图片的视觉特征向量；通过预设大语言模型对查询问题信息中的查询问题语音和/或查询问题文本进行编码，得到第一文本特征向量；将视觉特征向量和第一文本特征向量进行拼接，得到目标特征向量；通过大语言模型对目标特征向量进行推理，得到查询问题信息对应的分析信息；向用户展示分析信息。该方法适用于利用科学仪器进行实验的过程中，用于降低操作人员的专业水平要求。
-
公开(公告)号：CN113850302B
公开(公告)日：2023-08-29
申请号：CN202111028310.0
申请日：2021-09-02
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06F18/214 , G06F18/241 , G06N3/04
Abstract: 本申请提供一种增量学习方法、装置及设备，该方法包括：将混合数据输入给原始任务模型得到第一特征向量，将混合数据输入给初始增量模型得到第二特征向量，所述混合数据包括目标生成器生成的虚拟数据和增量数据；基于第一特征向量和第二特征向量对初始增量模型的参数值进行调整，得到调整后增量模型；若调整后增量模型未收敛，则将调整后增量模型确定为初始增量模型，返回执行将混合数据输入给原始任务模型得到第一特征向量的操作；若调整后增量模型已收敛，则将调整后增量模型确定为已完成增量学习的目标增量模型。通过本申请的技术方案，可以有效缓解目标增量模型的灾难性遗忘，并保护数据隐私。
-
公开(公告)号：CN116451276A
公开(公告)日：2023-07-18
申请号：CN202310712315.8
申请日：2023-06-15
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请提供一种图像处理方法、装置、设备及系统，该方法包括：对原始敏感图像进行像素置乱操作和/或图像块置乱操作，得到隐私保护图像；其中，所述原始敏感图像包括多个图像块，像素置乱操作用于对图像块内的多个像素值进行置乱操作，图像块置乱操作用于对多个图像块进行置乱操作；将所述隐私保护图像发送给服务端，以使所述服务端将所述隐私保护图像输入给已训练的目标网络模型，得到所述隐私保护图像对应的图像处理结果。通过本申请的技术方案，能够避免敏感信息的泄露，避免泄露用户隐私信息，能够对原始敏感图像进行隐私保护，不会存在隐私泄露的风险，具有很高的隐私保护能力。
-
公开(公告)号：CN110633004B
公开(公告)日：2023-05-26
申请号：CN201810646491.5
申请日：2018-06-21
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请提供一种基于人体姿态估计的交互方法、装置和系统。本申请提供的基于人体姿态估计的交互方法，包括：对获取到的视频图像进行人体姿态估计，得到每帧图像中的各个人体目标和人体目标的人体关键点；对人体目标进行跟踪，得到人体目标的运动轨迹；将所述人体目标的运动轨迹输入到动作识别神经网络中，由所述动作识别神经网络对所述人体目标的运动轨迹进行识别；依据所述动作识别神经网络的输出结果做出交互回应动作。本申请提供的基于人体姿态估计的交互方法、装置和系统，可提供一种用户体验较高的交互方法。
-
公开(公告)号：CN111783869B
公开(公告)日：2024-06-04
申请号：CN202010602841.5
申请日：2020-06-29
Applicant: 杭州海康威视数字技术股份有限公司
Inventor： 马良
IPC: G06F18/214
Abstract: 本申请实施例公开了一种训练数据筛选方法、装置、电子设备及存储介质，属于计算机技术领域。所述方法包括：基于数据集中的M个训练数据对初始模型进行训练，所述M为大于1的整数，在训练过程中，确定所述M个训练数据的训练难度值，得到M个目标训练难度值，所述目标训练难度值用于指示所述初始模型对所对应的训练数据的学习难度。根据所述M个目标训练难度值，从所述M个训练数据中筛选目标训练数据。也即是，根据初始模型对M个训练数据的学习难度，对M个训练数据进行筛选，确定出目标训练数据，可以减少训练数据的数据量，从而不仅降低了电子设备的存储负担，还减少了模型训练所需的时间，提高了模型训练的效率。
-
Patent Agency Ranking
公开(公告)号：CN112836714B
公开(公告)日：2024-05-10
申请号：CN201911158000.3
申请日：2019-11-22
Applicant: 杭州海康威视数字技术股份有限公司
Inventor： 马良
IPC: G06F18/214 , G06N3/0464
Abstract: 本申请是关于一种智能模型的训练方法及装置，属于人工智能领域。所述方法包括：获取第一训练集和第二训练集，所述第一训练集包括训练特征和所述训练特征对应的参考特征，所述训练特征是根据所述固定层输出的特征图得到的，所述参考特征是所述第一训练层对所述训练特征进行处理得到的，所述第二训练集包括第一训练样本和所述第一训练样本对应的标注信息；根据所述第一训练集和所述第二训练集训练所述第一训练层得到第二训练层，将所述固定层和所述第二训练层组成第二智能模型。本申请能够保留原智能模型的功能，以及减小训练智能模型消耗的时间和计算资源。
-
公开(公告)号：CN116451276B
公开(公告)日：2023-09-26
申请号：CN202310712315.8
申请日：2023-06-15
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请提供一种图像处理方法、装置、设备及系统，该方法包括：对原始敏感图像进行像素置乱操作和/或图像块置乱操作，得到隐私保护图像；其中，所述原始敏感图像包括多个图像块，像素置乱操作用于对图像块内的多个像素值进行置乱操作，图像块置乱操作用于对多个图像块进行置乱操作；将所述隐私保护图像发送给服务端，以使所述服务端将所述隐私保护图像输入给已训练的目标网络模型，得到所述隐私保护图像对应的图像处理结果。通过本申请的技术方案，能够避免敏感信息的泄露，避免泄露用户隐私信息，能够对原始敏感图像进行隐私保护，不会存在隐私泄露的风险，具有很高的隐私保护能力。
-
公开(公告)号：CN116432244A
公开(公告)日：2023-07-14
申请号：CN202310707903.2
申请日：2023-06-15
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请提供一种图像处理方法、装置、设备及系统，该方法包括：获取原始敏感图像对应的隐私保护图像；其中，所述隐私保护图像是采用置乱参数对所述原始敏感图像进行置乱操作后得到的图像；将所述隐私保护图像输入给目标网络模型得到所述隐私保护图像对应的图像处理结果；其中，目标网络模型中的权重被采用所述置乱参数进行置乱操作。通过本申请的技术方案，能够避免敏感信息的泄露，避免泄露用户隐私信息，能够对原始敏感图像进行隐私保护，不会存在隐私泄露的风险，具有很高的隐私保护能力。
-
公开(公告)号：CN111783869A
公开(公告)日：2020-10-16
申请号：CN202010602841.5
申请日：2020-06-29
Applicant: 杭州海康威视数字技术股份有限公司
Inventor： 马良
IPC: G06K9/62
Abstract: 本申请实施例公开了一种训练数据筛选方法、装置、电子设备及存储介质，属于计算机技术领域。所述方法包括：基于数据集中的M个训练数据对初始模型进行训练，所述M为大于1的整数，在训练过程中，确定所述M个训练数据的训练难度值，得到M个目标训练难度值，所述目标训练难度值用于指示所述初始模型对所对应的训练数据的学习难度。根据所述M个目标训练难度值，从所述M个训练数据中筛选目标训练数据。也即是，根据初始模型对M个训练数据的学习难度，对M个训练数据进行筛选，确定出目标训练数据，可以减少训练数据的数据量，从而不仅降低了电子设备的存储负担，还减少了模型训练所需的时间，提高了模型训练的效率。
-
公开(公告)号：CN108985131A
公开(公告)日：2018-12-11
申请号：CN201710400035.8
申请日：2017-05-31
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本发明实施例公开了一种目标识别方法及图像处理设备，在本方案中，将多张图像输入至深度卷积神经网络，通过训练得到深度特征网络，利用该深度特征网络，识别视频帧图像中目标的特征，再结合预先存储的特征与身份的对应关系，识别该目标的身份；由此可见，一方面，本方案中，并不需要利用各台摄像机之间的标定信息，即使摄像机的位置发生变化，也不会影响目标识别的准确度，另一方面，本方案中，基于深度特征网络进行目标识别，深度特征网络基于大量图像训练得到，携带的信息更丰富，识别准确度更高。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.05 seconds)
