-
公开(公告)号：CN113887326A
公开(公告)日：2022-01-04
申请号：CN202111061581.6
申请日：2021-09-10
Applicant: 北京三快在线科技有限公司
Abstract: 本说明书公开了一种人脸图像处理方法及装置，通过待处理人脸图像的姿态数据和关键点数据，确定待处理人脸图像的姿态数据对应的偏移角度，并根据该偏移角度，确定与该偏移角度负相关的处理强度，作为该待处理人脸图像的处理强度，进而根据该处理强度和确定出的关键点数据，对该待处理人脸图像进行调整。本方法通过确定与偏移角度负相关的处理强度，使得在对各帧人脸图像进行处理时，不会出现处理效果突然出现或消失的情况，图像处理结果较为连贯，图像处理效率更高。
-
公开(公告)号：CN113887325A
公开(公告)日：2022-01-04
申请号：CN202111060960.3
申请日：2021-09-10
Applicant: 北京三快在线科技有限公司
Abstract: 本说明书公开了一种模型训练方法、表情识别方法以及装置，将从面部图像提取出的初始特征向量进一步提取，确定各潜特征向量，并在训练识别模型时，对相同潜特征分支网络输出的潜特征向量的分布中心进行约束，以及对每种表情类别标签的关联权重分布进行约束，分别确定潜特征分布损失以及潜特征关联损失。并根据各关联加权的潜特征向量确定重构特征向量，通过分类层确定该面部图像的识别结果。以根据该识别结果与该面部表情的表情类别标签确定分类损失。并基于三种损失调整该识别模型的参数。能够训练得到准确的识别模型，使得能够对具有相似特征的面部表情进行区分，通过该识别模型得到的面部图像的识别结果也更准确。
-
公开(公告)号：CN110490054B
公开(公告)日：2021-03-09
申请号：CN201910609918.9
申请日：2019-07-08
Applicant: 北京三快在线科技有限公司
Abstract: 本公开的实施例提供了一种目标区域的检测方法、装置、电子设备及可读存储介质，所述方法包括：将目标图片输入至卷积层中，得到第一预测向量，卷积层由一个或多个低语义层的卷积核和一个或多个处于高语义层的卷积核连接组成；将低语义层的卷积核输出的第一预测向量输入至上下文敏感预测层，得到第二预测向量，上下文敏感预测层包括两个或以上预设卷积核的级联结构，预设卷积核在每个维度上的变量数目大于1；将高语义层的卷积核输出的第一预向量分别输入至代表特征提取层，得到第三预测向量，代表特征提取层仅包括一个预设卷积核；根据第二预测向量和第三预测向量确定目标区域。可以在高语义层采用有效降低网络结构的复杂度，以及避免过拟合现象。
-
公开(公告)号：CN112231516A
公开(公告)日：2021-01-15
申请号：CN202011057685.5
申请日：2020-09-29
Applicant: 北京三快在线科技有限公司
IPC: G06F16/738 , G06F16/74 , G06T7/00
Abstract: 本申请公开了一种视频摘要生成模型的训练方法、视频摘要生成方法及装置，属于机器学习领域。该方法包括：获取视频样本，从视频样本中确定出至少两帧样本图像，每一帧样本图像标注有参考评分；调用视频摘要生成模型分别对每一帧样本图像进行时间特征与空间特征的混合自注意力学习，得到样本图像在时间与空间上的混合特征向量；调用视频摘要生成模型基于混合特征向量对样本图像进行评分，得到每一帧样本图像作为视频摘要的重要性评分；基于参考评分与重要性评分之间的学习损失更新视频摘要生成模型中的模型参数，最终得到训练完成的视频摘要生成模型。该方法使得模型能够更充分的捕捉视频的上下文信息，生成时序表达优秀的视频摘要。
-
公开(公告)号：CN112132146A
公开(公告)日：2020-12-25
申请号：CN202010817887.9
申请日：2020-08-14
Applicant: 北京三快在线科技有限公司
Abstract: 本申请公开了一种图像裁切模型的训练方法、装置及图像裁切方法、装置，图像裁切模型的训练方法包括：获取第一图像裁切模型提取的训练图像对的第一图像特征，获取第二图像裁切模型提取的训练图像对的第二图像特征；根据第一原图特征和第一子图特征，确定原图与子图之间的评分差异，以确定第一排序损失值；根据第二图像裁切模型提取的第二图像特征对第一图像裁切模型进行知识蒸馏，确定蒸馏损失值；根据第一排序损失值和蒸馏损失值，对第一图像裁切模型的参数进行更新。本申请方案能够自主学习图像的隐式特征如显著性特征，提高特征的鲁棒性，同时兼顾了对图像重要信息的保留程度，模型轻量级的设计，有效减少前馈时间，增强了模型的实用性。
-
Patent Agency Ranking
公开(公告)号：CN111428707B
公开(公告)日：2020-11-10
申请号：CN202010509898.0
申请日：2020-06-08
Applicant: 北京三快在线科技有限公司
Abstract: 本公开涉及一种图形识别码的识别方法、装置、存储介质及电子设备。该方法包括：获取包含所述图形识别码的第一图像；从所述第一图像中获取所述图形识别码的第二图像；确定所述图形识别码中的各个目标角点在所述第二图像中的位置信息，其中，所述目标角点包括所述图形识别码的各个顶点以及所述图形识别码的各个定位图案的除所述图形识别码的顶点外的其他顶点；根据所述第二图像以及各个目标角点在所述第二图像中的位置信息，对所述图形识别码进行识别。通过上述技术方案，根据目标角点在第二图像中的位置信息，可直接确定出各个定位图案的中心点位置，保证能够对图形识别码进行有效识别，并且提高识别成功率和识别准确度。
-
公开(公告)号：CN110069985B
公开(公告)日：2020-08-28
申请号：CN201910185907.2
申请日：2019-03-12
Applicant: 北京三快在线科技有限公司
Abstract: 本申请公开了一种基于图像的目标点位置检测方法，属于计算机技术领域，用于目标点位置检测性能低下的问题。本申请实施例中公开的点位置检测方法包括：获取标注有真实目标点位置的若干图像样本；通过所述神经网络模型的损失函数根据变量计算所述神经网络模型的损失值，并以所述损失值最小为目标调整所述神经网络模型的参数，训练所述神经网络模型；其中，所述损失函数被配置为相对于变量的绝对值单调递增，所述损失函数对应的梯度函数为单调递减函数且所述梯度函数的值大于1并在所述变量趋近于无穷大时逐渐趋近于1；所述变量用于表示真实值和预测值之间的差值，所述真实值基于样本标签确定，所述预测值通过所述神经网络模型预测得到。
-
公开(公告)号：CN111368790A
公开(公告)日：2020-07-03
申请号：CN202010191336.6
申请日：2020-03-18
Applicant: 北京三快在线科技有限公司
Abstract: 本申请公开了一种细粒度人脸识别模型的构建方法、识别方法以及构建装置，所述方法包括：确定超分辨率网络和人脸属性识别网络；将所述超分辨率网络和人脸属性识别网络以级联的方式组合，得到所述细粒度人脸识别模型；对所述人脸识别模型进行端到端的联合训练，直至满足联合训练停止条件。通过将超分辨率网络引入人脸属性识别网络，缓解了不同分辨率对分类任务造成的影响；并且通过上述联合训练方式，给超分辨率网络引入高层次的语义监督信息，并且通过端到端的训练，极大地提高了分类性能增益。
-
公开(公告)号：CN111027390A
公开(公告)日：2020-04-17
申请号：CN201911099044.3
申请日：2019-11-11
Applicant: 北京三快在线科技有限公司
Abstract: 本申请公开了对象类别的检测方法、装置、电子设备和存储介质。所述方法包括：获取图像采集场景的配置信息；根据所述配置信息，确定对象在所述图像采集设备所采集的图像中的尺寸范围，根据确定的尺寸范围调整对象类别检测模型；根据调整后的对象类别检测模型，判断所述图像采集设备所采集的图像中是否包含指定类别的对象。该技术方案的有益效果在于，提供了一种根据图像采集场景的配置信息自适应调整对象类别检测模型的方式，从而能够实现在不影响检测精度的情况下，减少计算资源的消耗，适用于使用嵌入式芯片进行检测的场景，检测结果还可以用于客流量统计等，适用场景广，实施代价小。
-
公开(公告)号：CN109816092A
公开(公告)日：2019-05-28
申请号：CN201811528375.X
申请日：2018-12-13
Applicant: 北京三快在线科技有限公司
Abstract: 本申请公开了一种深度神经网络训练方法，属于计算机技术领域，用于解决现有技术中训练的神经网络在复杂场景下性能较低的问题。所述方法包括：获取设置有预设类别标签的若干训练样本，基于所述若干训练样本，训练神经网络模型；其中，所述神经网络模型的损失函数用于根据与各所述训练样本的区分难度成正比的第一权值进行加权运算，确定所述神经网络模型的损失值。本申请实施例公开的深度神经网络训练方法，通过自适应提升区分难度较大的训练样本在训练样本中的重要性，避免区分难度较大的样本被训练得到的神经网络错误分类，有助于提升所述神经网络的性能。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.034 seconds)
