-
公开(公告)号：CN111259738B
公开(公告)日：2023-10-27
申请号：CN202010020092.5
申请日：2020-01-08
Applicant: 科大讯飞股份有限公司
IPC: G06V40/16 , G06V10/82 , G06V10/774 , G06N3/045 , G06N3/08
Abstract: 本申请实施例公开了一种人脸识别模型构建方法、人脸识别方法及相关装置，方法包括：根据预先训练好的N个人脸识别教师模型和样本数子集更新原始类中心矩阵，得到更新后的N个原始类中心矩阵；获取当前训练周期的N个特征空间转换矩阵；根据N个特征空间转换矩阵和N个原始类中心矩阵，确定融合类中心矩阵；根据融合类中心矩阵和预设的监督损失函数对当前训练的人脸识别学生模型进行训练，得到训练后的人脸识别学生模型；若训练后的人脸识别学生模型满足预设条件，则确定当前训练的人脸识别学生模型收敛；若训练后的人脸识别学生模型不满足预设条件，则继续下一个训练周期，直至满足预设条件。本申请有利于提高人脸学生识别模型的效率和准确度。
-
公开(公告)号：CN112001398A
公开(公告)日：2020-11-27
申请号：CN202010869777.7
申请日：2020-08-26
Applicant: 科大讯飞股份有限公司
Abstract: 本申请公开了一种域适应方法、装置、设备、图像处理方法及存储介质，本申请的域适应方法，获取了源域训练图像，以及由源域训练图像转换至目标域后对应的目标域训练图像，进而将源域训练图像与对应的目标域训练图像在像素空间进行融合，得到融合训练图像，通过图像融合，有效的将源域和目标域的像素信息融合在一起，起到了源域和目标域像素对齐的作用。进一步，在训练图像处理模型时，以融合训练图像作为训练样本，以图像处理模型对融合训练图像的重建损失作为损失函数，通过将重建损失作为损失函数来训练图像处理模型，使得图像处理模型所学习到的特征对源域和目标域不进行区分，该特征对源域和目标域均有较好的适应能力。
-
公开(公告)号：CN112001398B
公开(公告)日：2024-04-12
申请号：CN202010869777.7
申请日：2020-08-26
Applicant: 科大讯飞股份有限公司
IPC: G06V30/148 , G06V30/19
Abstract: 本申请公开了一种域适应方法、装置、设备、图像处理方法及存储介质，本申请的域适应方法，获取了源域训练图像，以及由源域训练图像转换至目标域后对应的目标域训练图像，进而将源域训练图像与对应的目标域训练图像在像素空间进行融合，得到融合训练图像，通过图像融合，有效的将源域和目标域的像素信息融合在一起，起到了源域和目标域像素对齐的作用。进一步，在训练图像处理模型时，以融合训练图像作为训练样本，以图像处理模型对融合训练图像的重建损失作为损失函数，通过将重建损失作为损失函数来训练图像处理模型，使得图像处理模型所学习到的特征对源域和目标域不进行区分，该特征对源域和目标域均有较好的适应能力。
-
公开(公告)号：CN111241992B
公开(公告)日：2024-02-20
申请号：CN202010018116.3
申请日：2020-01-08
Applicant: 科大讯飞股份有限公司
IPC: G06V40/16
Abstract: 本申请提供了一种人脸识别模型构建方法、识别方法、装置、设备及存储介质，其中，人脸识别模型构建方法包括：利用预先构建的、作为教师模型的人脸识别模型对标注有同一类别的多幅训练人脸图像分别提取人脸特征，获得多幅训练人脸图像分别对应的第一人脸特征；对多幅训练人脸图像分别对应的第一人脸特征进行聚类，并根据聚类结果确定多幅训练人脸图像分别所属类别的类中心；利用多幅训练人脸图像和多幅训练人脸图像分别所属类别的类中心，训练作为学生模型的人脸识别模型，对作为学生模型的人脸识别模型训练至收敛，得到构建出的人脸识别模型。本申请提供的人脸识别模型构建方法能够构建出识别速度快、识别精度高的人脸识别模型。
-
公开(公告)号：CN108875548B
公开(公告)日：2022-02-01
申请号：CN201810348274.8
申请日：2018-04-18
Applicant: 科大讯飞股份有限公司
IPC: G06K9/00
Abstract: 本公开提供一种人物轨迹生成方法及装置、存储介质、电子设备。该方法包括：根据目标对象的特征信息，从监控视频中搜索目标对象，获得目标对象的运动点位，生成初始人物轨迹；查找与目标对象具有对应关系的关联对象，并根据关联对象的特征信息，从监控视频中搜索关联对象，获得关联对象的运动点位，目标对象与关联对象具有不同的属性类别；利用关联对象的运动点位更新初始人物轨迹，得到最终人物轨迹。如此方案，有助于提高人物轨迹的准确性。
-
Patent Agency Ranking
公开(公告)号：CN109359689A
公开(公告)日：2019-02-19
申请号：CN201811223397.5
申请日：2018-10-19
Applicant: 科大讯飞股份有限公司
Abstract: 本申请公开了一种识别模型的训练方法及装置，该方法包括：分别获取至少两个数据收集场景下的场景数据集合，其中，每个场景数据集合包括至少一个数据分类下的已配对数据和/或至少一个数据分组下的未配对数据，接着，可以利用获取到的至少两个数据收集场景下的场景数据集合进行模型训练，以训练得到一个识别模型，进而可以利用该识别模型对待识别数据进行识别。可见，本申请从不同数据收集场景获取已配对数据和未配对数据共同作为训练数据，进行识别模型的训练，由于包括未配对数据，可以减少数据标注工作，并且，由于训练数据包括不同数据收集场景下的场景数据集合，可以使训练得到的识别模型在不同场景下均具有较好的数据识别效果。
-
公开(公告)号：CN108875548A
公开(公告)日：2018-11-23
申请号：CN201810348274.8
申请日：2018-04-18
Applicant: 科大讯飞股份有限公司
Abstract: 本公开提供一种人物轨迹生成方法及装置、存储介质、电子设备。该方法包括：根据目标对象的特征信息，从监控视频中搜索目标对象，获得目标对象的运动点位，生成初始人物轨迹；查找与目标对象具有对应关系的关联对象，并根据关联对象的特征信息，从监控视频中搜索关联对象，获得关联对象的运动点位，目标对象与关联对象具有不同的属性类别；利用关联对象的运动点位更新初始人物轨迹，得到最终人物轨迹。如此方案，有助于提高人物轨迹的准确性。
-
公开(公告)号：CN109359689B
公开(公告)日：2021-06-04
申请号：CN201811223397.5
申请日：2018-10-19
Applicant: 科大讯飞股份有限公司
Abstract: 本申请公开了一种识别模型的训练方法及装置，该方法包括：分别获取至少两个数据收集场景下的场景数据集合，其中，每个场景数据集合包括至少一个数据分类下的已配对数据和/或至少一个数据分组下的未配对数据，接着，可以利用获取到的至少两个数据收集场景下的场景数据集合进行模型训练，以训练得到一个识别模型，进而可以利用该识别模型对待识别数据进行识别。可见，本申请从不同数据收集场景获取已配对数据和未配对数据共同作为训练数据，进行识别模型的训练，由于包括未配对数据，可以减少数据标注工作，并且，由于训练数据包括不同数据收集场景下的场景数据集合，可以使训练得到的识别模型在不同场景下均具有较好的数据识别效果。
-
公开(公告)号：CN111259738A
公开(公告)日：2020-06-09
申请号：CN202010020092.5
申请日：2020-01-08
Applicant: 科大讯飞股份有限公司
Abstract: 本申请实施例公开了一种人脸识别模型构建方法、人脸识别方法及相关装置，方法包括：根据预先训练好的N个人脸识别教师模型和样本数子集更新原始类中心矩阵，得到更新后的N个原始类中心矩阵；获取当前训练周期的N个特征空间转换矩阵；根据N个特征空间转换矩阵和N个原始类中心矩阵，确定融合类中心矩阵；根据融合类中心矩阵和预设的监督损失函数对当前训练的人脸识别学生模型进行训练，得到训练后的人脸识别学生模型；若训练后的人脸识别学生模型满足预设条件，则确定当前训练的人脸识别学生模型收敛；若训练后的人脸识别学生模型不满足预设条件，则继续下一个训练周期，直至满足预设条件。本申请有利于提高人脸学生识别模型的效率和准确度。
-
公开(公告)号：CN111241992A
公开(公告)日：2020-06-05
申请号：CN202010018116.3
申请日：2020-01-08
Applicant: 科大讯飞股份有限公司
IPC: G06K9/00
Abstract: 本申请提供了一种人脸识别模型构建方法、识别方法、装置、设备及存储介质，其中，人脸识别模型构建方法包括：利用预先构建的、作为教师模型的人脸识别模型对标注有同一类别的多幅训练人脸图像分别提取人脸特征，获得多幅训练人脸图像分别对应的第一人脸特征；对多幅训练人脸图像分别对应的第一人脸特征进行聚类，并根据聚类结果确定多幅训练人脸图像分别所属类别的类中心；利用多幅训练人脸图像和多幅训练人脸图像分别所属类别的类中心，训练作为学生模型的人脸识别模型，对作为学生模型的人脸识别模型训练至收敛，得到构建出的人脸识别模型。本申请提供的人脸识别模型构建方法能够构建出识别速度快、识别精度高的人脸识别模型。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.03 seconds)
