-
公开(公告)号：CN111027390B
公开(公告)日：2023-10-10
申请号：CN201911099044.3
申请日：2019-11-11
Applicant: 北京三快在线科技有限公司
IPC: G06V20/52 , G06V20/40 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/0464
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：CN115375935A
公开(公告)日：2022-11-22
申请号：CN202110560752.3
申请日：2021-05-21
Applicant: 北京三快在线科技有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本申请实施例提供了一种训练图像分类模型的方法、装置、电子设备及介质，旨在提高图像分类准确度，所述方法包括：将训练样本中的多个未标注样本图像分别输入预设模型中的半监督子模型，得到对多个未标注样本图像分别标注的类别标签；将训练样本中的多个已标注样本图像分别作为锚定样本图像，比较多个未标注样本图像的类别标签与多个已标注样本图像的类别标签，确定多个锚定样本图像各自的正样本图像和负样本图像；将多个锚定样本图像及其正样本图像和负样本图像输入待训练的预设模型中的自监督子模型；根据多个锚定样本图像各自对应的损失值，对预设模型进行更新；将经过多次更新后的预设模型中的半监督子模型，确定为图像分类模型。
-
公开(公告)号：CN114154579A
公开(公告)日：2022-03-08
申请号：CN202111473540.8
申请日：2021-11-29
Applicant: 北京三快在线科技有限公司
IPC: G06K9/62 , G06V10/774 , G06V10/764 , G06V10/40
Abstract: 本说明书提供的图像分类方法采用预先训练的图像分类模型对待处理图像进行分类，在利用模型中的图像特征提取子网提取出待处理图像的图像特征后，将待处理图像的图像特征拆分为多个拆分图像特征，通过模型中的多个并行的特征处理子网同时处理每个拆分图像特征，最后将经过处理后的每个拆分图像特征通过模型中的融合子网进行融合，得到融合图像特征，并根据融合图像特征对待处理图像进行分类。上述方法对待处理图像特征采用拆分与并行处理的方式，有效减少了处理待处理图像特征所需要的时间，提高了图像分类模型进行图像分类时的效率。
-
公开(公告)号：CN110415171B
公开(公告)日：2021-06-25
申请号：CN201910611797.1
申请日：2019-07-08
Applicant: 北京三快在线科技有限公司
Abstract: 本公开提供了一种图像处理方法、装置及存储介质、电子设备，涉及图像处理领域。首先通过对目标图像中的像素点进行特征信息交互；然后根据关键点识别模型对第二目标图像进行关键点识别，得到特征像素点集，其中，特征点像素集中包含有目标像素点及与目标像素点相邻的特征像素点；最后根据目标特征像素点集中的目标像素点及与目标像素点相邻的特征像素点的像素值及像素坐标，确定目标像素点的映射像素坐标，由于对于映射像素坐标的确定考虑了目标像素点及与所述目标像素点相邻的特征像素点的像素值及像素坐标，最终得到的映射像素坐标更加精确，实现了低分辨率的目标图像映射回高分辨率图像时，提高了高分辨率图像的精确度。
-
公开(公告)号：CN113011581A
公开(公告)日：2021-06-22
申请号：CN202110210314.4
申请日：2021-02-23
Applicant: 北京三快在线科技有限公司
Abstract: 本发明公开了一种神经网络模型压缩方法、装置、电子设备及可读存储介质。其中，该方法包括：将待压缩神经网络输入至预先训练完成的压缩模型，其中，压缩模型包括通道剪枝模块以及自蒸馏量化模块；通过通道剪枝模块对待压缩神经网络进行通道剪枝操作，以得到第一输出；通过自蒸馏量化模块对第一输出进行自蒸馏量化操作，以得到目标神经网络。本发明解决了相关技术中压缩后的神经网络模型产生较大的精度损失的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN110288518B
公开(公告)日：2020-10-23
申请号：CN201910579997.3
申请日：2019-06-28
Applicant: 北京三快在线科技有限公司
Abstract: 本发明公开了一种图像处理方法、装置、终端及存储介质，属于多媒体技术领域。本发明通过特征提取网络，能够基于原始图像，实现循环执行多次基于残差结构的卷积操作，由于基于残差结构能够使得特征提取网络更加充分地利用每次卷积操作所得的结果，也就提升了目标图像与原始图像之间的相似度，而循环执行多次上述卷积操作能够避免对终端上应用客户端的下载效率造成不良影响，并且大大提升了图像处理过程的准确度和智能性。
-
公开(公告)号：CN111325175A
公开(公告)日：2020-06-23
申请号：CN202010139814.9
申请日：2020-03-03
Applicant: 北京三快在线科技有限公司
IPC: G06K9/00
Abstract: 本申请公开了一种活体检测方法、装置、电子设备及存储介质，该方法包括：获取用于活体检测的连续多帧图像；对各帧图像分别进行人脸检测，根据各帧图像的人脸检测结果进行动作检测；从连续多帧图像中抽取多帧作为一致性检测图像，根据一致性检测图像进行人脸一致性检测；从一致性检测图像中抽取若干帧作为静默检测图像，根据静默检测图像进行静默活体检测；若动作检测、人脸一致性检测和静默活体检测中有一项检测失败，则判断为假活体。本申请的有益效果在于，将多种检测手段有机结合，显著提高了对高质量图片、视频以及镜头切换攻击的拦截成功率，且实施成本低，大幅度降低高精度检测的硬件成本，适用范围广。
-
公开(公告)号：CN110288518A
公开(公告)日：2019-09-27
申请号：CN201910579997.3
申请日：2019-06-28
Applicant: 北京三快在线科技有限公司
Abstract: 本发明公开了一种图像处理方法、装置、终端及存储介质，属于多媒体技术领域。本发明通过特征提取网络，能够基于原始图像，实现循环执行多次基于残差结构的卷积操作，由于基于残差结构能够使得特征提取网络更加充分地利用每次卷积操作所得的结果，也就提升了目标图像与原始图像之间的相似度，而循环执行多次上述卷积操作能够避免对终端上应用客户端的下载效率造成不良影响，并且大大提升了图像处理过程的准确度和智能性。
-
公开(公告)号：CN109598201A
公开(公告)日：2019-04-09
申请号：CN201811309282.8
申请日：2018-11-05
Applicant: 北京三快在线科技有限公司
IPC: G06K9/00
Abstract: 本发明公开了一种动作检测方法、装置、电子设备及可读存储介质。所述方法，包括：获取待检测的目标视频；依次获取待检测的目标视频中各目标视频帧的目标检测部位的部位特征；基于重新排序后的部位特征确定所述目标视频的特征向量，其中所述重新排序是基于所述部位特征的范数值实现的；基于所述特征向量，通过预设的动作检测模型，确定所述目标视频中所述目标检测部位的动作类型；其中，所述动作检测模型为根据已标记动作类型的样本视频训练得到。解决了现有的动作检测方法适应性以及稳定性不高的技术问题。取得了提高动作检测的适应性、稳定性的有益效果。
-
公开(公告)号：CN116167418A
公开(公告)日：2023-05-26
申请号：CN202211426963.9
申请日：2022-11-14
Applicant: 北京航空航天大学 , 北京三快在线科技有限公司
IPC: G06N3/0495 , G06N3/082
Abstract: 本发明公开了一种视觉神经网络模型的量化方法及其装置。该量化方法包括如下步骤：根据视觉神经网络模型的模型结构，确定模型结构维度上的量化误差；消除量化误差中第一误差，得到第二误差；其中，第一误差对视觉神经网络模型的输出结果影响小于第二误差对于对视觉神经网络模型的输出结果；根据第二误差，确定量化参数，并根据量化参数确定视觉神经网络模型的模型参数，以完成视觉神经网络模型的量化，从而使得部署有量化组件的视觉神经网络模型对视觉图像进行图像处理，得到处理结果。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.034 seconds)
