-
公开(公告)号：CN114004244A
公开(公告)日：2022-02-01
申请号：CN202010730614.0
申请日：2020-07-27
Applicant: 罗伯特·博世有限公司
Abstract: 本公开涉及一种信息防伪方法、验证方法及服务器。防伪方法包括：利用一分类模型处理一原始图像，以产生对所述原始图像的分类估计；计算所述分类估计对应的标准训练图像相对于所述原始图像的损失；基于所述损失产生一扰动图像；将所述扰动图像叠加至所述原始图像以生成对抗图像；利用所述分类模型学习所述对抗图像以产生一更新的分类估计；存储所述更新的分类估计用于对所述对抗图像的验证。
-
公开(公告)号：CN115147634A
公开(公告)日：2022-10-04
申请号：CN202110279607.8
申请日：2021-03-16
Applicant: 罗伯特·博世有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/26
Abstract: 本说明书的实施例提供一种模型训练方法及模型训练装置。在该模型训练方法中，基于图像分类模型所关注目标物的尺寸特征来对原始训练图像进行图像分割得到局部图像块，随后对局部图像块打乱重排得到各个重排训练图像。然后，使用各个原始训练图像和各个重排训练图像来进行图像分类模型训练。按照上述模型训练方法，由于基于所关注目标物的尺寸特征来对原始训练图像进行图像分割，使得图像分割出的局部图像块能够反映原始训练图像的局部特征，从而使得所训练出的图像分类模型考虑原始训练图像的全局特征和局部特征，由此提升所训练出的图像分类模型的图像分类预测精确率。
-
公开(公告)号：CN114078206A
公开(公告)日：2022-02-22
申请号：CN202010835129.X
申请日：2020-08-19
Applicant: 罗伯特·博世有限公司
IPC: G06V20/00 , G06V10/141 , G06V10/46 , G06V10/74 , G06V10/764 , G06V10/70 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06N20/00
Abstract: 本公开涉及一种利用电子设备实现目标验证方法及验证服务器，其中电子设备包括具有相对固定位置关系的内置图像传感器及辅助光源。方法包括开启所述辅助光源，同时利用所述图像传感器捕获目标的图像；提取所述图像的特征点信息；利用一经过训练的图像鉴别模型对所述图像进行处理以生成所述图像的特征矢量；存储所述特征点信息以及所述特征矢量作为用于验证所述目标的注册信息。
-
公开(公告)号：CN114746864B
公开(公告)日：2025-05-23
申请号：CN201980102577.4
申请日：2019-11-28
Applicant: 罗伯特·博世有限公司
IPC: G06V10/764 , G06V10/40 , G06K19/06 , G06Q30/018 , G06N3/0464 , G06V10/82 , G06V10/774
Abstract: 本发明涉及用于验证产品真伪的方法和设备，产品的产品标识上具有随机分布的微点，该方法包括：从被验证产品的产品标识的图像中提取产品标识上的微点特征；使用机器学习算法从图像中提取产品标识的至少一部分的图像特征；以及基于所提取的微点特征和图像特征来验证被验证产品的产品标识的真伪。本发明的实施例提供的方法和设备可以改善验证产品真伪的准确度。
-
公开(公告)号：CN117321656A
公开(公告)日：2023-12-29
申请号：CN202180090862.6
申请日：2021-01-18
Applicant: 罗伯特·博世有限公司
IPC: G09F3/02
Abstract: 一种激光标识识别设备(5)和方法(500)。所示识别设备(5)包括：接收模块(52)，被配置成接收对象图像(3)，对象图像(3)包含激光标签图像和对象表面上激光标签区域(R)的标签区域图像；处理模块(54)，被配置成对对象图像进行处理，以获得对象表面上激光标签区域(R)的纹理特征，纹理特征与激光标签区域(R)的材质、采用的激光打标设备和打标过程相关；以及识别模块(56)，被配置成将对象图像(3)与存储的标准图像进行匹配，以识别对象图像(3)属于真类别还是伪类别，标准图像包含作为匹配标准的标准激光标签图像和包含标签区域(R)的标准纹理特征的标准标签区域图像。
-
Patent Agency Ranking
公开(公告)号：CN119204763A
公开(公告)日：2024-12-27
申请号：CN202310753725.7
申请日：2023-06-25
Applicant: 罗伯特·博世有限公司
IPC: G06Q10/0639 , G06Q10/04 , G06Q50/04 , G06F18/214 , G06F18/231 , G06F18/23213 , G06F18/2321 , G06F18/232 , G06F18/27 , G06N5/01 , G06N20/20 , G06N20/10 , G06N3/045 , G06N3/0464
Abstract: 本发明提供一种产品质量预测模型的训练方法、产品质量的预测方法及装置。所述训练方法包括：获取训练数据集，所述训练数据集包括在生产线上的多个工作站处采集的多个样本的特征数据、以及每个样本所具有的表示其质量是否合格的标签；根据所述多个样本的特征数据，将所述训练数据集中的多个样本进行聚类，形成多个训练数据子集，每个训练数据子集包括相应数量的样本的特征数据及所述相应数量的样本的所述标签；为所述多个训练数据子集分别构建对应的产品质量预测模型；基于每个训练数据子集对对应的产品质量预测模型进行训练，以获得多个训练好的产品质量预测模型。
-
公开(公告)号：CN115244542A
公开(公告)日：2022-10-25
申请号：CN202080098278.0
申请日：2020-03-10
Applicant: 罗伯特·博世有限公司
IPC: G06K19/06
Abstract: 本发明涉及一种用于验证产品真伪的方法和装置。该方法包括：从被验证产品的产品标识的图像中提取产品标识上随机分布的微点特征；使用图像处理技术的线段描述方法，从图像中包含线条的至少一个区域提取产品标识的线段特征；线段特征是基于利用线段描述方法所生成的线段描述符；以及基于所提取的微点特征和线段特征来验证被验证产品的产品标识的真伪。本发明的实施例通过利用标识图像的微点特征、线段特征和/或图像质量描述进行真伪产品标识的验证，可以显著改善验证准确度。
-
公开(公告)号：CN119312852A
公开(公告)日：2025-01-14
申请号：CN202310860995.8
申请日：2023-07-13
Applicant: 罗伯特·博世有限公司
Abstract: 本申请涉及一种用于处理任务的方法，包括：用于处理该任务的神经网络(NN)模型接收输入数据，该NN模型包括顺序的多个层，在该多个层之间设置有一个或多个早退点，其将该NN模型分成两个或多个子块，每个子块包括一个或多个层，在该一个或多个早退点中的每个早退点处设置有输出子NN和置信度估计子NN；早退点处的输出子NN基于该早退点对应的子块输出的特征图来生成与该任务有关的早退输出数据，以及该早退点处的置信度估计子NN基于该早退点对应的子块输出的该特征图来预测该早退点的该早退输出数据的置信度；基于该预测的置信度来确定将该早退输出数据作为该任务的输出结果或者将该早退点对应的子块输出的该特征图提供给下一个子块处理。
-
公开(公告)号：CN119006489A
公开(公告)日：2024-11-22
申请号：CN202310553357.1
申请日：2023-05-17
Applicant: 罗伯特·博世有限公司
Abstract: 本申请涉及一种用于确定图像的目标区域的方法，包括：确定图像中的一个或多个第一区域，所述一个或多个第一区域分别具有各自的尺寸和位置；针对所述一个或多个第一区域中的每个第一区域：确定所述图像中与该第一区域相关联的多个第二区域，所述多个第二区域分别具有各自的尺寸和位置；以及基于所述一个或多个第一区域的性能度量以及与所述一个或多个第一区域分别相关联的所述多个第二区域的性能度量，选择所述一个或多个第一区域以及与所述一个或多个第一区域分别相关联的所述多个第二区域中的一个区域作为所述目标区域。
-
公开(公告)号：CN114746864A
公开(公告)日：2022-07-12
申请号：CN201980102577.4
申请日：2019-11-28
Applicant: 罗伯特·博世有限公司
Abstract: 本发明涉及用于验证产品真伪的方法和设备，产品的产品标识上具有随机分布的微点，该方法包括：从被验证产品的产品标识的图像中提取产品标识上的微点特征；使用机器学习算法从图像中提取产品标识的至少一部分的图像特征；以及基于所提取的微点特征和图像特征来验证被验证产品的产品标识的真伪。本发明的实施例提供的方法和设备可以改善验证产品真伪的准确度。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.021 seconds)
