一种物体特征的确定方法、装置及设备

    公开(公告)号:CN116109973A

    公开(公告)日:2023-05-12

    申请号:CN202310029012.6

    申请日:2023-01-09

    Abstract: 本申请提供一种物体特征的确定方法、装置及设备,包括:获取样本视频中的关键帧对应的多个目标物体特征,获取样本文本对应的文本特征;基于文本特征和多个目标物体特征确定文本特征与关键帧之间的空间定位分数和时间定位分数;基于空间定位分数和时间定位分数确定第一损失值;从关键帧对应的多个目标物体特征中选取代表性物体特征,确定代表性物体特征对应的特征效应分数;从样本视频的多个关键帧中选取代表性关键帧,确定代表性关键帧对应的帧效应分数;基于特征效应分数和帧效应分数确定第二损失值;基于第一损失值和第二损失值确定目标损失值,基于目标损失值训练得到目标网络模型。通过本申请方案,目标网络模型的训练时间短,资源消耗小。

    一种动作视频识别方法、装置、电子设备及存储介质

    公开(公告)号:CN116630836A

    公开(公告)日:2023-08-22

    申请号:CN202310240103.4

    申请日:2023-03-07

    Abstract: 本申请实施例提供了一种动作视频识别方法、装置、电子设备及存储介质,电子设备获取待识别视频;提取待识别视频的视频特征;根据视频特征以及预先训练的时空胶囊参数,构建时空胶囊;根据时空胶囊对应的时空部分胶囊与预先训练得到的各已知类别对应的类胶囊之间的关系,构建专用胶囊;基于专用胶囊和各已知类别对应的类胶囊之间的相似程度,确定待识别视频类别。由于时空胶囊可以表示待识别视频时间维度信息和空间维度信息,专用胶囊可以表示待识别视频局部时空维度特征与各已知类别对应的类胶囊构成的整体之间的关系,因此既考虑了待识别视频时间维度和空间维度,又考虑了待识别视频局部与整体之间的关系,可以提高动作视频识别的准确性。

    干扰物体检测方法和反射式光电传感器

    公开(公告)号:CN115128691B

    公开(公告)日:2025-05-06

    申请号:CN202210741676.0

    申请日:2022-06-27

    Abstract: 本申请提供一种干扰物体检测方法和反射式光电传感器,涉及门禁控制领域。该方法应用于闸机;该方法包括:对多个反射式光电传感器中的第一传感器,基于第一传感器发射并接收的光信号,获取探测直方图;当根据预设时间点在探测直方图中检测到闸机机体,且在预设时间点之前的时间点处检测到物体时,确定闸机通道内存在干扰物体;预设时间点为第一传感器发射光信号的时刻加上光信号飞行过闸机通道的宽度的两倍距离所使用的时长之后得到的时间点。该方法适用于控制闸机阻拦或放行的过程中,用于提高闸机通道内物体检测的准确性。

    模型训练方法、装置及终端设备
    4.
    发明公开

    公开(公告)号:CN119692410A

    公开(公告)日:2025-03-25

    申请号:CN202311248206.1

    申请日:2023-09-25

    Abstract: 本申请实施例提供一种模型训练方法、装置及终端设备。该方法包括:确定初始模型,所述初始模型中包括多个神经元,所述初始模型用于对输入数据进行处理得到标签数据;获取多个输入数据;确定各神经元的安全阈值和激活函数参数;根据所述多个输入数据、以及所述各神经元的安全阈值和激活函数参数,确定各神经元的权重值,以得到目标模型;所述目标模型用于对所述输入数据进行处理得到输出数据,所述输出数据为对所述标签数据进行脱敏处理后的数据。提高了模型训练的安全性。

    一种深度神经网络训练方法、装置及计算机设备

    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

    Inventor: 谢迪 浦世亮

    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。

    一种路径还原方法、装置、设备以及存储介质

    公开(公告)号:CN119229635A

    公开(公告)日:2024-12-31

    申请号:CN202310779383.6

    申请日:2023-06-28

    Abstract: 本申请实施例提供了一种路径还原方法、装置、设备以及存储介质,涉及智能交通技术领域,具体实现方案为:基于目标车辆已知经过的第一点位,确定缺失点位的候选点位组;获得各第一点位的点位数据和各第二点位的点位数据,其中,第一点位的点位数据包括:第一点位的点位特征数据、目标车辆经过第一点位的时间数据和目标车辆经过第一点位时第一点位的态势数据,第二点位的点位数据包括:第二点位的点位特征数据和目标车辆经过第一点位时第二点位的态势数据;基于各条可通行路径中点位的点位数据,生成各条可通行路径的路径特征;基于路径特征,从各条可通行路径中确定目标车辆的还原路径。应用本申请实施例提供的方案能够实现行驶路径还原。

    一种面部运动单元检测方法、装置及设备

    公开(公告)号:CN119107515A

    公开(公告)日:2024-12-10

    申请号:CN202310679021.X

    申请日:2023-06-08

    Abstract: 本申请提供一种面部运动单元检测方法、装置及设备,该方法包括:将源域图像输入给检测网络得到源域特征,将源域特征输入给第一分类器得到源域预测向量;将目标域图像输入给检测网络得到目标域特征,将目标域特征输入给第一分类器得到目标域预测向量;基于源域预测向量确定源域分布向量,基于目标域预测向量确定目标域分布向量;将源域分布向量输入给第二分类器得到第一分类结果,将目标域分布向量输入给第二分类器得到第二分类结果,基于第一分类结果和第二分类结果确定第一损失值,基于第一损失值对检测网络和第一分类器的网络参数进行调整,基于调整后的检测网络和第一分类器生成目标网络模型。通过本申请方案,训练时间较短,资源消耗较小。

    一种超构透镜和超构透镜的参数确定方法

    公开(公告)号:CN118837981A

    公开(公告)日:2024-10-25

    申请号:CN202310454807.1

    申请日:2023-04-23

    Abstract: 本申请实施例提供了一种超构透镜和超构透镜的参数确定方法,该超构透镜包括:衬底和纳米微结构;其中,衬底的一侧形成为由外围到中心依次增高的阶梯状的圆盘结构,阶梯状的圆盘结构包括至少一个台阶,每一台阶面上设置有多个纳米微结构;每个台阶及其面上的多个纳米微结构共同进行色散;多个纳米微结构进行聚焦,通过衬底包括的至少一个台阶增大超构透镜对入射光进行的色散,进而增大超构透镜的半径、数值孔径和消色差波段的带宽,得到同时具有半径较大、数值孔径较大、且消色差波段的带宽较大的超构透镜。

    一种物料数量确定方法、装置及设备

    公开(公告)号:CN118736371A

    公开(公告)日:2024-10-01

    申请号:CN202310360225.7

    申请日:2023-03-31

    Abstract: 本申请提供一种物料数量确定方法、装置及设备,包括:将物料盘对应的待检测图像输入给目标网络模型,得到待检测图像对应的置信度图像,置信度图像中像素点的像素值表示该像素点对应位置是物料中心点的概率;待检测图像包括至少一个物料分盘的图像,置信度图像包括每个物料分盘对应的分盘区域图像;针对每个物料分盘,基于物料分盘对应的池化核尺寸对物料分盘对应的分盘区域图像进行池化,得到物料分盘对应的池化图像;基于池化图像和分盘区域图像生成物料分盘对应的输出概率图;确定输出概率图中的像素值符合物料决策条件的像素点数量,基于像素点数量确定物料分盘对应的物料数量。通过本申请方案,能够准确统计物料数量,避免物料数量统计错误。

Patent Agency Ranking