-
公开(公告)号：CN118898664B
公开(公告)日：2025-02-18
申请号：CN202411389339.5
申请日：2024-10-08
Applicant: 鹏城实验室
IPC: G06T11/60 , G06V10/774 , G06V10/80 , G06V10/764 , G06V10/82 , G06T7/11 , G06N3/0455 , G06N3/08 , G06T7/90
Abstract: 本申请实施例提供一种图像生成方法、装置、存储介质及计算机设备，包括：通过将表征目标对象不同部位的第一分割掩码以及目标对象在第二视角下的第一姿态图像输入至训练后的姿态编码器，以提取包含有每一部位的姿态的姿态特征。并通过分别将每个所述外观特征以及所述姿态特征输入至不同的训练后的部位特征生成器，以使不同的训练后的部位特征生成器分别处理不同部位在第二视角下的细节变化，使得最终生成的第二对象图像中的目标对象与第一对象图像中的目标对象在外观上的一致性更高，提高对象在不同的视角下的外观的精确性以及一致性。
-
公开(公告)号：CN119415837A
公开(公告)日：2025-02-11
申请号：CN202510017077.8
申请日：2025-01-06
Applicant: 鹏城实验室
Abstract: 本申请实施例提出的数据裁剪方法、装置、电子设备及存储介质，方法包括：从样本数据集的多个样本中选取目标样本，并获取目标样本的目标标签；在样本数据集中确定目标样本的多个邻域样本，并根据多个邻域样本的特征编码得到邻接特征矩阵；基于特征编码对邻接特征矩阵进行特征传播处理，得到更新邻接特征矩阵，并基于更新邻接特征矩阵计算每个邻域样本的邻接预测值；基于邻接预测值和目标标签的标签概率值，计算得到多个邻域样本和目标样本之间的相似度估计值；基于相似度估计值对样本数据集进行数据裁剪得到核心数据集，并基于相似度估计值对核心数据集的目标样本进行标签重标注，以提高在样本数据集中进行数据裁剪以保留重要样本数据的精准性。
-
公开(公告)号：CN119091361B
公开(公告)日：2025-02-11
申请号：CN202411572401.4
申请日：2024-11-06
Applicant: 鹏城实验室
Abstract: 本申请实施例提供视频图像的对象分割方法、装置、设备和存储介质，涉及图像处理技术领域。该方法计算测试特征向量和参考特征向量，再从时间特征数据库中得到目标特征向量，利用级联的多个多层次特征关联模块对目标特征向量、参考特征向量和测试特征向量进行特征提取，得到对象特征矩阵，基于时间特征数据库，确定对象特征矩阵在每个对象特征下的目标特征值，对目标特征值进行解码处理得到目标掩码结果。将自注意力过程解耦为三个子流，能够捕捉到微小目标，避免在特征提取过程中忽略重要特征。通过时间特征数据库关联历史视频帧中提取的信息，基于时序进行长期建模，更好地捕捉时空交互信息，增强对象特征的分割结果准确性。
-
公开(公告)号：CN118138801B
公开(公告)日：2024-07-19
申请号：CN202410559070.4
申请日：2024-05-08
Applicant: 鹏城实验室
IPC: H04N21/2343 , H04N21/234 , H04N21/2187 , H04N21/231
Abstract: 本申请实施例提出的视频数据处理方法、装置、电子设备及存储介质，该方法通过首先，获取目标任务的视频数据，对视频数据进行数据解码得到多个解码数据帧，目标任务包括任务帧率以及任务最低帧率；然后，获取目标设备中的算法消耗解码数据帧的处理参数，并基于所述处理参数确定抽帧速率，当抽帧速率不小于任务最低帧率时，根据抽帧速率从多个解码数据帧中选取至少一个解码数据帧发送至缓存区，逐一从缓存区中选取解码数据帧进行数据处理，得到目标输出数据；当抽帧速率小于任务最低帧率时，选取与目标任务匹配的协同处理设备进行数据处理，以提高处理目标任务的可靠性、实时性和平滑性。
-
公开(公告)号：CN118132556A
公开(公告)日：2024-06-04
申请号：CN202410173542.2
申请日：2024-02-06
Applicant: 鹏城实验室
Abstract: 本申请公开了分布式系统的数据融合方法、装置、电子设备及存储介质，涉及计算机技术领域。获取边缘节点的至少一种模态数据，利用模态映射模型对每种模态数据进行映射得到模态映射数据。然后获取模态数据的数据原型并传输至中心节点，再获取中心节点对数据原型进行聚合操作得到的全局数据原型，有效保护了不同边缘节点的隐私数据。将模态映射数据与全局数据原型进行对比映射，得到池化模态数据并输入数据融合模型进行训练，得到融合参数。然后将融合参数发送至中心节点，并接收中心节点基于融合参数得到的优化参数，从而基于优化参数继续更新数据融合模型。有效解决了数据模态差异性大的问题，从而提高数据处理结果的准确性。
-
Patent Agency Ranking
公开(公告)号：CN116662020B
公开(公告)日：2024-03-01
申请号：CN202310953888.X
申请日：2023-08-01
Applicant: 鹏城实验室
IPC: G06F9/50
Abstract: 本申请公开了应用服务动态管理方法、系统、电子设备及存储介质，涉及计算机应用技术领域，通过监测应用服务的调用信息判断是单端调用还是多端调用，若属于单端调用，则计算该应用服务的请求并发量是否达到预设的并发量阈值，如果达到并发量阈值则根据集群系统的系统资源动态分配服务资源，如果未达到并发量阈值则根据预设标准回收服务资源，若应用服务属于多端调用，则根据不同终端的请求量占比动态分配服务额度。由此通过监测应用服务的调用信息，根据设定的相关阈值和标准动态管理分配相应的服务资源和服务额度，使得不同的应用服务和终端设备能够充分利用资源，提高了服务效率和集群资源的利用率，保障了服务水平，提高系统稳定性。
-
公开(公告)号：CN116071809B
公开(公告)日：2023-07-14
申请号：CN202310285315.4
申请日：2023-03-22
Applicant: 鹏城实验室
IPC: G06V40/16 , G06V10/82 , G06V10/62 , G06N3/0464
Abstract: 本发明公开了一种基于多类表征时空交互的人脸时空表征生成方法，本发明通过同时学习人脸局部表征与人脸不同区域间的人脸关系表征，并为两种表征的时空动态交互建模，实现不同时刻同类表征之内和不同类表征之间的时空交互，最终得到更可靠的人脸时空表征。解决了目前人脸时空表征学习采用卷积神经网络提取人脸局部表征的方法，忽略了人脸不同区域之间的高层关系信息，导致生成的人脸时空表征的有效性较低的问题。
-
公开(公告)号：CN119377436A
公开(公告)日：2025-01-28
申请号：CN202411466344.1
申请日：2024-10-21
Applicant: 鹏城实验室
IPC: G06F16/587 , G06V10/44 , G06V10/74 , G06V10/762 , G06V10/774
Abstract: 本申请实施例提供视觉地址识别方法、装置、设备和存储介质，涉及图像处理技术领域。该方法通过将查询图像输入预先训练的特征提取模型进行局部特征提取得到至少一个查询局部特征，获取查询局部特征在每个聚类类别下的类别权重，基于类别权重和查询局部特征得到表征矩阵，根据至少一个表征矩阵得到查询全局描述符，计算查询全局描述符与每个地址图像的地址全局描述符的相似度，基于相似度选取目标识别图像，将目标识别图像的地址标识作为查询图像的目标地址。在对查询局部特征进行聚类时，仅使用到不同聚类类别对应的类别权重，无需与具体的聚类中心计算残差，从而提升了地址全局描述符的计算效率，进而提升视觉地址识别的识别效率。
-
公开(公告)号：CN119091120A
公开(公告)日：2024-12-06
申请号：CN202411162902.5
申请日：2024-08-22
IPC: G06V10/25 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请实施例提出的目标检测方法、装置、电子设备及存储介质，方法包括：获取检测图片的检测特征，并将检测特征输入目标检测模型的特征筛选子模块进行特征筛选，得到多个查询特征，将查询特征输入目标检测模型的第一前馈网络进行查询检测，得到初始检测结果，将多个查询特征输入定位子模块进行检测定位，得到第一修正查询特征，将第一修正查询特征输入去重子模块进行特征处理，得到第二修正查询特征，基于初始检测结果、第一修正查询特征对应的第一修正偏置结果和第二修正查询特征对应的第二修正偏置结果得到检测图片的目标检测结果，实现适应性数量的目标检测，并缓解检测目标的歧义性，以提高目标检测的灵活性和精准性。
-
公开(公告)号：CN118135357A
公开(公告)日：2024-06-04
申请号：CN202410551155.8
申请日：2024-05-07
Applicant: 鹏城实验室
IPC: G06V10/774 , G06V10/40 , G06V10/75
Abstract: 本申请实施例提供了核心集构造方法、装置、设备及介质，其中方法通过对图像数据集的图像数据进行特征提取；将图像数据集的数据特征映射至特征空间得到图像数据集的特征分布；对图像数据集的特征分布进行聚类得到类别数据的特征分布的中心特征；根据图像数据集的特征分布和中心特征确定图像数据集到核心集的分布间的代价矩阵；根据中心特征和代价矩阵确定图像数据集到核心集的分布间的最优传输距离矩阵；从图像数据集中确定使最优传输距离矩阵满足预设条件的目标图像数据并将目标图像数据组成核心集；能够有效地排除远离数据特征分布的噪声样本，并筛选出重要的样本组成核心集，进而起到加速模型训练的目的。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.032 seconds)
