-
公开(公告)号：CN112512052A
公开(公告)日：2021-03-16
申请号：CN202110157348.1
申请日：2021-02-05
Applicant: 浙江鹏信信息科技股份有限公司
IPC: H04W12/128 , G06N3/04 , G06N3/08
Abstract: 本发明公开了基于时间分段特征统计的数据安全异常检测方法及系统，其中涉及的基于时间分段特征统计的数据安全异常检测方法，包括：S1.采集多种类号码的通话话单数据；S2.对采集到的号码相对应的通话话单数据中的每一条通话记录的时间基于预设时间范围进行分段，并对分段后时间相对应的通话记录进行打标签，得到4种类型的通话记录；S3.统计每小时通话话单数据中4种类型的通话个数，将每小时统计的4种类型的通话个数转化为相对应的96维特征，并统计24小时内的96维特征；96维特征为神经网络的输入的维度；S4.将统计的96维特征作为输入，构建神经网络检测模型；S5.将测试号码执行步骤S2‑S3，并通过构建的神经网络检测模型输出是否为不良号码的结果。
-
公开(公告)号：CN111738242A
公开(公告)日：2020-10-02
申请号：CN202010848894.5
申请日：2020-08-21
Applicant: 浙江鹏信信息科技股份有限公司
IPC: G06K9/00
Abstract: 本发明公开了一种基于自适应和色彩归一的人脸识别方法，包括步骤：S1.创建人脸图像数据集；S2.对人脸数据集中的图像基于人脸检测网络进行自适应尺度选择处理，得到新的人脸图像；S3.对输出的新的人脸图像进行人脸定位，并对定位后的人脸的眼周区域进行色彩归一处理，得到处理后的人脸图像；S4.将处理后人脸图像输入人脸识别网络中，并计算处理后人脸图像的向量与预存的人脸图像的欧式距离，判断所述欧氏距离是否小于第一预设阈值，若是，则得到训练样本，并将所述训练样本输入至人脸识别网络中进行训练，得到最终的人脸识别网络模型；S5.将所要识别的图像输入至人脸识别网络模型中进行人脸识别，得到最终的识别结果。
-
公开(公告)号：CN111930808B
公开(公告)日：2021-05-07
申请号：CN202010970431.6
申请日：2020-09-16
Applicant: 浙江鹏信信息科技股份有限公司
IPC: G06F16/2458 , G06F16/28 , G06F17/18
Abstract: 本发明公开了一种利用键值匹配模型提高黑名单准确率的方法，包括：S1.采集类别标签中的每个号码数据对应的24小时内的通话记录；S2.根据采集到的通话记录计算每个号码的查询键，并将计算得到的查询键与号码对应的类别标签进行组合，生成号码的数据集；S3.统计所有号码的数据集，并筛选统计的数据集中同一查询键所对应的类别标签，得到查询键对应的类别标签统计模型；S4.将测试号码进行步骤S2的处理，得到测试号码的查询键，并将查询键输入至得到的统计模型中，统计模型输出与测试号码的查询键相同的查询键所对应的类别标签；S5.将输出的查询键的类别标签相加，得到输出的查询键的键值对；根据得到的键值对计算查询键所对应的类别标签，得到最终结果。
-
公开(公告)号：CN110717481A
公开(公告)日：2020-01-21
申请号：CN201911271105.X
申请日：2019-12-12
Applicant: 浙江鹏信信息科技股份有限公司
Abstract: 本发明涉及一种利用级联卷积神经网络实现人脸检测的方法，包括以下步骤：样本采集，采集不同条件下的已标注的人脸图像作为正样本，采集非人脸图像作为负样本；样本预处理，对正样本和负样本进行等比放大缩小，得到预处理后的图像集；网络训练，将预处理后的图像集中的各图像数据输入级联卷积神经网络，依次经过三个模型的分类和回归进行人脸候选框的过滤，得到最终的人脸检测框，完成级联卷积神经网络的训练，构建训练后的模型；人脸检测，将测试数据集中的测试图像进行等比放大缩小以得到测试图像集，然后输入训练后的模型中以对测试图像进行人脸候选框的标定。本发明减少了干扰因素对人脸检测的影响，提高人脸检测的精度。
-
公开(公告)号：CN112396571A
公开(公告)日：2021-02-23
申请号：CN202110073846.8
申请日：2021-01-20
Applicant: 浙江鹏信信息科技股份有限公司 , 中国移动通信集团云南有限公司
Abstract: 本发明公开了一种基于注意力机制的EfficientNet敏感图像检测方法，包括：S1.创建图像数据集；S2.对数据集进行扩充处理，得到扩充后的图像数据集；S3.通过基于注意力机制的EfficientNet网络结构对扩充后的图像数据集进行finetune训练，得到EfficientNet网络结构的参数；S4.将EfficientNet网络结构的参数输入至numpy中，采用numpy构建基于注意力机制的EfficientNet网络模型，得到waff_EfficientNet网络模型；S5.预设敏感图像数据库，将敏感图像数据库中的图像输入waff_EfficientNet网络模型进行特征处理，得到敏感图像特征数据库；S6.将待检测的图像输入waff_EfficientNet网络模型进行特征处理，得到转换后的特征图像，计算转换后的特征图像与敏感图像特征数据库中的敏感图像的欧氏距离，并判断是否存在欧氏距离小于预设阈值，若是，则输出待测图像为敏感图像。
-
Patent Agency Ranking
公开(公告)号：CN110321936A
公开(公告)日：2019-10-11
申请号：CN201910516296.5
申请日：2019-06-14
Applicant: 浙江鹏信信息科技股份有限公司
Abstract: 本发明公开了一种基于VGG16及SVM实现图片二分类的方法，包括步骤：步骤S1、将训练图片输入VGG16，确定所述训练图片的特征参数；步骤S2、将所述特征参数输入SVM分类器，通过迭代与反向传播完成分类模型训练；步骤S3、基于所述分类模型判断图片是否为不良图片。相较于传统的基于神经网络的图片分类，计算复杂度低，处理效率高。此外，本发明通过实验表明能够有较高的精确率、召回率和准确率。
-
公开(公告)号：CN111738242B
公开(公告)日：2020-12-25
申请号：CN202010848894.5
申请日：2020-08-21
Applicant: 浙江鹏信信息科技股份有限公司
IPC: G06K9/00
Abstract: 本发明公开了一种基于自适应和色彩归一的人脸识别方法，包括步骤：S1.创建人脸图像数据集；S2.对人脸数据集中的图像基于人脸检测网络进行自适应尺度选择处理，得到新的人脸图像；S3.对输出的新的人脸图像进行人脸定位，并对定位后的人脸的眼周区域进行色彩归一处理，得到处理后的人脸图像；S4.将处理后人脸图像输入人脸识别网络中，并计算处理后人脸图像的向量与预存的人脸图像的欧式距离，判断所述欧氏距离是否小于第一预设阈值，若是，则得到训练样本，并将所述训练样本输入至人脸识别网络中进行训练，得到最终的人脸识别网络模型；S5.将所要识别的图像输入至人脸识别网络模型中进行人脸识别，得到最终的识别结果。
-
公开(公告)号：CN111930808A
公开(公告)日：2020-11-13
申请号：CN202010970431.6
申请日：2020-09-16
Applicant: 浙江鹏信信息科技股份有限公司
IPC: G06F16/2458 , G06F16/28 , G06F17/18
Abstract: 本发明公开了一种利用键值匹配模型提高黑名单准确率的方法，包括：S1.采集类别标签中的每个号码数据对应的24小时内的通话记录；S2.根据采集到的通话记录计算每个号码的查询键，并将计算得到的查询键与号码对应的类别标签进行组合，生成号码的数据集；S3.统计所有号码的数据集，并筛选统计的数据集中同一查询键所对应的类别标签，得到查询键对应的类别标签统计模型；S4.将测试号码进行步骤S2的处理，得到测试号码的查询键，并将查询键输入至得到的统计模型中，统计模型输出与测试号码的查询键相同的查询键所对应的类别标签；S5.将输出的查询键的类别标签相加，得到输出的查询键的键值对；根据得到的键值对计算查询键所对应的类别标签，得到最终结果。
-
公开(公告)号：CN110991776A
公开(公告)日：2020-04-10
申请号：CN202010143545.3
申请日：2020-03-04
Applicant: 浙江鹏信信息科技股份有限公司
Abstract: 本发明公开了一种基于GRU网络实现水位预测的系统，包括：构建模块，训练模块、验证模块；所述构建模块，用于构建基于GRU的GRU网络模型；所述训练模块，用于采集水位及降雨量信息，并将与水位及降雨量信息相对应的特征向量输入GRU网络中实现GRU网络模型的训练；所述验证模块，用于将测试数据输入至训练好的GRU网络模型中，通过训练好的GRU网络模型预测出水位的高度。本发明可以准确预测出水位的高度，达到提前预警，提前采取应对措施，使水域水位处于正常高度，保障人民的生命安全和财产安全。
-
公开(公告)号：CN110717481B
公开(公告)日：2020-04-07
申请号：CN201911271105.X
申请日：2019-12-12
Applicant: 浙江鹏信信息科技股份有限公司
Abstract: 本发明涉及一种利用级联卷积神经网络实现人脸检测的方法，包括以下步骤：样本采集，采集不同条件下的已标注的人脸图像作为正样本，采集非人脸图像作为负样本；样本预处理，对正样本和负样本进行等比放大缩小，得到预处理后的图像集；网络训练，将预处理后的图像集中的各图像数据输入级联卷积神经网络，依次经过三个模型的分类和回归进行人脸候选框的过滤，得到最终的人脸检测框，完成级联卷积神经网络的训练，构建训练后的模型；人脸检测，将测试数据集中的测试图像进行等比放大缩小以得到测试图像集，然后输入训练后的模型中以对测试图像进行人脸候选框的标定。本发明减少了干扰因素对人脸检测的影响，提高人脸检测的精度。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.036 seconds)
