-
公开(公告)号：CN109035234B
公开(公告)日：2020-12-01
申请号：CN201810826933.4
申请日：2018-07-25
Applicant: 腾讯科技(深圳)有限公司 , 腾讯云计算(北京)有限责任公司
Abstract: 本发明实施例公开了一种结节检测方法、装置和存储介质；本发明实施例可以获取生命体组织的电子计算机断层扫描数据，该电子计算机断层扫描数据包括电子计算机断层扫描图像序列；根据电子计算机断层扫描图像序列三维重建生命体组织的多位视图；基于深度神经网络和电子计算机断层扫描数据进行结节检测识别，得到结节检测识别结果；向终端发送结节检测识别结果以及多位视图，以便终端显示；由于该方案可以利用深度神经网络模型进行结节的检测识别，可以提升结节检测的准确性和稳定性，此外，该方案还可以重建生命体组织的多位视图如横断位、冠状位、矢状位视图等，可以便于医生全方位观察结节，提高结节诊断的准确率。
-
公开(公告)号：CN108230296B
公开(公告)日：2023-04-07
申请号：CN201711244421.9
申请日：2017-11-30
Applicant: 腾讯科技(深圳)有限公司 , 腾讯云计算(北京)有限责任公司
IPC: G06T7/00 , G06V10/82 , G06V10/764 , G06V10/774
Abstract: 本发明公开了一种图像特征的识别方法和装置、存储介质、电子装置。其中，该方法包括：获取识别请求，识别请求用于请求对目标图片中的图像特征进行识别；通过第一神经网络模型对目标图片中的图像特征进行识别，其中，第一神经网络模型是通过第一训练集合和第二训练集合对第二神经网络模型中的参数进行训练后得到的，第一训练集合中训练图片的图像特征已经被标记、且第二训练集合中训练图片的图像特征未被标记；返回第一神经网络模型的第一识别结果，其中，第一识别结果至少用于指示在目标图片中识别出的图像特征(如病变特征)。本发明解决了相关技术中对糖尿病视网膜病变的筛查效率较低的技术问题。
-
公开(公告)号：CN108230296A
公开(公告)日：2018-06-29
申请号：CN201711244421.9
申请日：2017-11-30
Applicant: 腾讯科技(深圳)有限公司 , 腾讯云计算(北京)有限责任公司
Abstract: 本发明公开了一种图像特征的识别方法和装置、存储介质、电子装置。其中，该方法包括：获取识别请求，识别请求用于请求对目标图片中的图像特征进行识别；通过第一神经网络模型对目标图片中的图像特征进行识别，其中，第一神经网络模型是通过第一训练集合和第二训练集合对第二神经网络模型中的参数进行训练后得到的，第一训练集合中训练图片的图像特征已经被标记、且第二训练集合中训练图片的图像特征未被标记；返回第一神经网络模型的第一识别结果，其中，第一识别结果至少用于指示在目标图片中识别出的图像特征(如病变特征)。本发明解决了相关技术中对糖尿病视网膜病变的筛查效率较低的技术问题。
-
公开(公告)号：CN110349156B
公开(公告)日：2023-05-30
申请号：CN201910697322.9
申请日：2017-11-30
Applicant: 腾讯科技(深圳)有限公司 , 腾讯云计算(北京)有限责任公司
IPC: G06T7/00 , G06V10/774 , G06V10/764 , G06V10/82 , A61B3/12 , A61B3/14 , G06N3/045
-
公开(公告)号：CN110349156A
公开(公告)日：2019-10-18
申请号：CN201910697322.9
申请日：2017-11-30
Applicant: 腾讯科技(深圳)有限公司 , 腾讯云计算(北京)有限责任公司
Abstract: 本发明公开了一种眼底图片中病变特征的识别方法和装置、存储介质。其中，该方法包括：获取识别请求，识别请求用于请求对眼底图片中的病变特征进行识别；通过第一神经网络模型对眼底图片中的病变特征进行识别，其中，第一神经网络模型是通过第一训练集合和第二训练集合对第二神经网络模型中的参数进行训练后得到的，第一训练集合中训练图片的病变特征已经被标记、且第二训练集合中训练图片的病变特征未被标记；返回第一神经网络模型的第一识别结果，其中，第一识别结果至少用于指示在眼底图片中识别出的病变特征。本发明解决了相关技术中对糖尿病视网膜病变的筛查效率较低的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN109035234A
公开(公告)日：2018-12-18
申请号：CN201810826933.4
申请日：2018-07-25
Applicant: 腾讯科技(深圳)有限公司 , 腾讯云计算(北京)有限责任公司
Abstract: 本发明实施例公开了一种结节检测方法、装置和存储介质；本发明实施例可以获取生命体组织的电子计算机断层扫描数据，该电子计算机断层扫描数据包括电子计算机断层扫描图像序列；根据电子计算机断层扫描图像序列三维重建生命体组织的多位视图；基于深度神经网络和电子计算机断层扫描数据进行结节检测识别，得到结节检测识别结果；向终端发送结节检测识别结果以及多位视图，以便终端显示；由于该方案可以利用深度神经网络模型进行结节的检测识别，可以提升结节检测的准确性和稳定性，此外，该方案还可以重建生命体组织的多位视图如横断位、冠状位、矢状位视图等，可以便于医生全方位观察结节，提高结节诊断的准确率。
-
公开(公告)号：CN111414952B
公开(公告)日：2023-10-17
申请号：CN202010186361.5
申请日：2020-03-17
Applicant: 腾讯科技(深圳)有限公司
IPC: G06V10/774 , G06V10/74 , G06V10/771 , G06V10/82 , G06V10/762 , G06N3/0464 , G06N3/084 , G06V40/10
Abstract: 一种行人重识别的噪声样本识别方法、装置、设备和存储介质，所述方法包括：对行人重识别的各初始样本进行特征提取，获得各初始样本的样本特征；根据各样本特征，确定目标样本组的组内样本特征中心，以及目标样本组内的各初始样本的样本距离，目标样本组包括至少两个初始样本，样本距离为初始样本的样本特征与初始样本所在目标样本组的组内样本特征中心之间的距离；根据目标样本组的各初始样本的样本距离，确定目标样本组中的各初始样本是否为噪声样本；将确定为噪声样本的初始样本移除，获得更新后的样本数据；根据更新后的样本数据对预设神经网络进行网络训练，获得训练确定的行人重识别模型。通过上述方法获得的行人重识别模型的准确度更高。
-
公开(公告)号：CN111222399B
公开(公告)日：2022-02-18
申请号：CN201911046040.9
申请日：2019-10-30
Applicant: 腾讯科技(深圳)有限公司
Abstract: 本申请公开了一种图像中的对象标识信息识别方法、装置及存储介质，所述方法包括：获取待识别对象图像；基于对象标识信息识别模型，得到所述待识别对象图像所对应的对象标识信息；所述对象标识信息识别模型的训练方法包括：构建预设机器学习模型，并将预设机器学习模型确定为当前机器学习模型；将样本对象图像集输入所述当前机器学习模型，确定每个样本对象图像的图像特征；确定每类图像特征子集的类中心；基于所述每类图像特征子集的类中心，确定交叉熵损失值；基于所述交叉熵损失值，确定对象标识信息识别模型。采用本申请构建的对象标识信息识别模型，进行对象标识信息的识别处理，提高了图像中对象标识信息的识别准确率。
-
公开(公告)号：CN113516143A
公开(公告)日：2021-10-19
申请号：CN202011350030.7
申请日：2020-11-26
Applicant: 腾讯科技(深圳)有限公司
Abstract: 本申请是关于一种文本图像匹配方法、装置、计算机设备及存储介质，属于图像处理技术领域。该方法包括：获取第一特征以及第二特征；第一特征是由第一文本包含的至少两种尺度的文本特征经过编码得到的；第二特征是由第一图像包含的至少两种尺度的图像特征经过编码得到的，获取第一特征与第二特征之间的第一特征相似度；基于第一特征相似度，对第一特征以及第二特征进行加权，获得第一加权特征以及第二加权特征；基于第一特征、第二特征、第一加权特征以及第二加权特征，获取第一文本与第一图像的第二特征相似度；基于第二特征相似度，获取匹配信息。通过上述方案，提高了文本图像特征匹配的准确度。
-
公开(公告)号：CN112052771A
公开(公告)日：2020-12-08
申请号：CN202010896120.X
申请日：2020-08-31
Applicant: 腾讯科技(深圳)有限公司
Abstract: 本申请公开一种对象重识别方法及装置；本申请与人工智能的计算机视觉以及云技术领域相关，可以获取目标区域内多个对象样本图像和每一对象样本图像的样本标签和时空信息；根据多个对象样本图像构建无向图，无向图包括相互连接的图像节点，图像节点包括对象样本图像的图像特征；基于目标区域内的时空概率分布、以及多个对象样本图像的图像特征和时空信息，确定无向图中相邻图像节点之间的时空转移概率和图像相似度；基于神经网络模型、时空转移概率、图像相似度以及多个对象样本图像的图像特征和样本标签，对神经网络模型的网络参数进行调整，以通过训练后的神经网络模型对多个待识别对象图像进行对象重识别；本申请能提升对象重识别的准确率。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.05 seconds)
