公开(公告)号：CN114612830B

公开(公告)日：2024-12-13

申请号：CN202210248824.5

申请日：2022-03-14

Applicant: 腾讯科技(深圳)有限公司

Inventor： 张博深

IPC: G06V20/40 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/047

Abstract: 本申请公开了一种花屏图像的识别方法、装置、设备以及存储介质，可应用于地图领域。通过获取目标视频对应的图像序列；将图像序列中的视频图像输入目标网络模型，以得到视频图像对应的花屏置信度，目标网络模型基于标注数据和无标注数据训练所得，无标注数据配置了基于第一图像数据和第二图像数据确定的伪标签；进而根据花屏置信度确定目标视频中的花屏图像。从而实现仅需要少量标注图像以及无标注图像就可以进行模型训练的过程，由于利用了无标注数据的模型预测一致性以及伪标签的生成，进而扩充标注数据集，提高了花屏图像识别的准确性。

公开(公告)号：CN117036226B

公开(公告)日：2024-08-02

申请号：CN202211024153.0

申请日：2022-08-24

Applicant: 腾讯科技(深圳)有限公司

Inventor： 张博深

IPC: G06T7/00 ,  G06V10/40 ,  G06V10/764 ,  G06V10/82 ,  G06N3/08

Abstract: 本申请实施例公开了一种基于人工智能的物品缺陷检测方法、装置及可读存储介质，可以获取待检测物品的待检测图像；获取所述待检测图像的特征提取参数，其中，所述特征提取参数基于样本物品的物品缺陷图像、基于物品缺陷图像生成的第一噪声图像、以及基于所述第一噪声图像的预测值与所述物品缺陷图像的预测值构建的对比损失函数进行学习得到；基于所述特征提取参数，对所述待检测图像进行特征提取，得到所述待检测图像的图像特征；基于所述图像特征进行预测，得到所述待检测物品的缺陷检测结果。该方案能够避免现有缺陷检测算法只是在训练集上拟合较好、但算法泛化性较差的问题，提高物品缺陷检测的准确率。

公开(公告)号：CN117011219A

公开(公告)日：2023-11-07

申请号：CN202211573241.6

申请日：2022-12-08

Applicant: 腾讯科技(深圳)有限公司

Inventor： 张博深

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/82 ,  G06V10/774 ,  G06N3/047 ,  G06N3/0464 ,  G06N3/082 ,  G06N3/084 ,  G06N3/09 ,  G06Q10/0639

Abstract: 本申请涉及一种物品质量检测方法、装置、计算机设备、存储介质和程序产品。所述方法涉及人工智能，包括：获取待检测的物品图像数据，利用训练好的质量检测模型，对物品图像数据进行质量检测，获得与物品图像数据对应的质量检测结果。训练好的质量检测模型，是根据预先训练好的第一检测模型的各卷积层的权重数据和输出概率，对第二检测模型进行监督训练得到的，第一检测模型和第二检测模型的卷积层一一对应，第一检测模型是根据预先标注的不含噪声数据的标准数据集训练得到的。采用本方法，可克服利用携带噪声的数据对第二检测模型的模型性能影响，使得训练所得的质量检测模型可以输出稳定、可靠的质量检测结果，提升对物品的质量检测结果准确性。

公开(公告)号：CN117010454A

公开(公告)日：2023-11-07

申请号：CN202211363751.0

申请日：2022-11-02

Applicant: 腾讯科技(深圳)有限公司

Inventor： 张博深 ,  涂远鹏 ,  李昱希 ,  王亚彪

IPC: G06N3/0464 ,  G06N3/08 ,  G06V10/30 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82

Abstract: 本申请实施例公开神经网络训练方法、装置、电子设备以及存储介质，该方法可以应用于人工智能领域。该神经网络训练方法通过并行训练两个神经网络，根据该两个神经网络的损失值分别独立对样本所含有的噪声进行区分，根据区分结果为样本设置对应的可信度概率，根据可信度概率确定样本的权重，并根据加权后的样本对神经网络进行训练，从而使得噪声较少的样本可以对于神经网络的训练过程产生更重要的指导作用，而噪声较多的样本对神经网络的训练过程的影响较小，能够有效的中克服噪声标签对神经网络训练阶段带来的干扰，进而获得更加鲁棒的计算机视觉模型并大幅提升模型预测阶段的准确率。

公开(公告)号：CN116994023A

公开(公告)日：2023-11-03

申请号：CN202211515041.5

申请日：2022-11-29

Applicant: 腾讯科技(深圳)有限公司

Inventor： 张博深

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/74 ,  G06N3/0464 ,  G06N3/08

Abstract: 本申请提供了一种图像识别模型训练方法、装置、电子设备和存储介质，涉及人工智能技术领域，方法包括获取多个样本图像和样本图像的类别标签；对多个样本图像进行多元组采样，得到多个样本多元组；将各样本多元组分别输入预设识别模型，得到每一样本图像的分类指标数据；基于分类指标数据和类别标签，分别确定各样本多元组各自对应的模型损失，模型损失用于衡量样本多元组中同类别样本图像的分类指标数据间的相似性、不同类别样本图像的分类指标数据间的差异性以及分类指标数据的准确性；基于模型损失训练预设识别模型，得到目标图像识别模型，显著提高识别准确性和模型泛化性。

公开(公告)号：CN116977765A

公开(公告)日：2023-10-31

申请号：CN202310008084.2

申请日：2023-01-04

Applicant: 腾讯科技(深圳)有限公司

Inventor： 刘亮 ,  张博深 ,  王亚彪

IPC: G06V10/774 ,  G06V10/20

Abstract: 本申请实施例提供一种检测模型的训练方法、装置、计算设备及存储介质包括：在对第一检测模型和第二检测模型训练的一次迭代过程中，根据样本图像获得的第一参考图像和第二参考图像；通过第一检测模型，获得第一参考图像中各候选对象及其各自的初始置信度；根据第一检测模型当前的预测准确度，分别对获得的各初始置信度进行校正，并从各候选对象中，选取出校正置信度大于置信度阈值的目标对象；通过第二检测模型，获得第二参考图像中的多个预测对象，并采用基于多个预测对象，目标对象和第一参考图像中样本对象获得的损失值，分别对第一检测模型和第二检测模型进行调参，以降低训练模型的工作难度和工作量，且缩短模型训练周期。

公开(公告)号：CN116977262A

公开(公告)日：2023-10-31

申请号：CN202310340960.1

申请日：2023-03-28

Applicant: 腾讯科技(深圳)有限公司

Inventor： 张博深

IPC: G06T7/00 ,  G06N3/092 ,  G06N3/09 ,  G06N3/084

Abstract: 本申请涉及一种对象质量检测方法、质量检测模型的构建方法、装置、设备、存储介质和程序产品。所述方法涉及人工智能，包括：根据训练好的质量检测模型，对与对象质量检测请求对应的待检测产品图像进行质量检测处理，获得与待检测产品图像对应的缺陷置信度数据。根据各第一检测模型以及第二检测模型，对各增强产品图像样本进行预测处理，获得第一预测结果以及第二预测结果，根据第一预测结果的监督数据和第二预测结果确定监督损失，根据第二检测模型的监督损失以及强化损失确定奖励参数，根据奖励参数从各第一检测模型中确定目标检测模型，根据目标检测模型对第二检测模型进行蒸馏训练得到质量检测模型，采用本方法提升了对产品的质量检测准确度。

公开(公告)号：CN116958564A

公开(公告)日：2023-10-27

申请号：CN202310240795.2

申请日：2023-03-01

Applicant: 腾讯科技(深圳)有限公司

Inventor： 张博深

IPC: G06V10/40 ,  G06V10/764 ,  G06V10/82 ,  G06V10/774 ,  G06N3/08 ,  G06N3/084 ,  G06N3/0464 ,  G06T7/00

Abstract: 本申请公开了一种图像检测方法、装置、电子设备及存储介质，该方法包括：将待检测图像输入至图像检测模型的特征提取网络进行特征提取，得到待检测图像的图像特征；将图像特征输入至图像检测模型的全连接网络进行特征映射，得到特征映射结果；特征映射结果包括图像特征对多个预设类别中每个预设类别的响应值；利用能量函数，基于图像特征对多个预设类别中每个预设类别的响应值进行能量计算，得到待检测图像的不确定度；不确定度表征待检测图像属于多个预设类别的不确定程度；在不确定度超过预设不确定度阈值时，输出第一检测结果；第一检测结果指示待检测图像为异常输入图像。本申请提高了对于训练数据中未涉及类别的异常输入图像的检测准确性。

公开(公告)号：CN115147353A

公开(公告)日：2022-10-04

申请号：CN202210577987.8

申请日：2022-05-25

Applicant: 腾讯科技(深圳)有限公司

Inventor： 张博深

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请提供了一种缺陷检测模型的训练方法、装置、设备、介质及程序产品；方法包括：获取多个携带第一标签的第一图像和多个携带第二标签的第二图像；通过缺陷检测模型对各第一图像分别进行缺陷检测，得到各第一图像的缺陷置信度；根据各第一图像的第一标签及相应的缺陷置信度，确定各第一图像对应的样本损失；基于多个携带第二标签的第二图像，确定各样本损失对应的目标权重，并基于确定的目标权重对各样本损失进行加权求和，得到加权损失；基于加权损失，更新缺陷检测模型的模型参数。通过本申请，能够有效提高缺陷检测模型的检测精确度的同时，提升训练效率。

公开(公告)号：CN112766244B

公开(公告)日：2021-06-08

申请号：CN202110371834.3

申请日：2021-04-07

Applicant: 腾讯科技(深圳)有限公司

Inventor： 张博深 ,  王昌安 ,  王亚彪 ,  汪铖杰 ,  李季檩 ,  黄飞跃

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/08 ,  G06N3/04

Abstract: 本申请涉及一种目标对象检测方法、装置、计算机设备和存储介质，包括：将包括标签标注框的训练图像输入待训练的目标对象检测模型；对通过对训练图像进行特征提取得到的各个初始训练特征图进行特征处理，得到初始训练特征图上各个预设标注框对应的初始预测标注框，基于预设标注框和标签标注框的位置差异从各个初始预测标注框中确定更新标注框；对初始训练特征图进行变换和融合得到目标训练特征图；基于更新标注框对目标训练特征图进行特征处理，得到更新标注框对应的目标预测标注框；基于初始预测标注框、目标预测标注框分别和标签标注框的位置差异生成回归损失，基于回归损失训练目标对象检测模型，从而训练得到检测更准确的目标对象检测模型。