一种可分级分组的矩形关联图布局方法及装置

    公开(公告)号:CN115408585A

    公开(公告)日:2022-11-29

    申请号:CN202211042064.9

    申请日:2022-08-29

    Abstract: 本申请提出了一种可分级分组的矩形关联图布局方法及装置,该方法包括S1、构建树形数据结构,预设树形数据结构的分类层级、不同层级的间距以及布局矩形宽高比;S2、获取数据,根据属性将数据进行分级分组,将分级分组后的数据存储于步骤S1构建的树形数据结构,树形数据结构的叶子节点为数据的分组结果,树形数据结构的非叶子节点为数据的分级结果;S3、遍历所有节点,判断是否只有叶子节点,如果只有叶子节点,则将叶子节点按照预定的间距和矩形宽高比进行位置计算后放置,如果并非只有叶子节点,则执行步骤S4;以及S4、判断非叶子节点是否是根节点,如果不是根节点,则将非叶子节点作为新的叶子节点,返回执行步骤S3,如果是根节点,则结束操作。

    一种基于AR眼镜的人脸识别方法和系统

    公开(公告)号:CN111783674A

    公开(公告)日:2020-10-16

    申请号:CN202010628541.4

    申请日:2020-07-02

    Abstract: 本发明给出了一种基于AR眼镜的人脸识别方法和系统,包括在AR眼镜上部署第一人脸特征库以及用于人脸识别的第一压缩神经网络模型,并利用AR眼镜上的图像采集终端实时抓拍人脸图像;响应于AR眼镜未接入网络,利用压缩神经网络模型进行人脸图像的人脸识别;响应于AR眼镜与移动终端建立联系,将人脸图像传输至移动终端,并利用移动终端上部署的第二压缩神经网络模型进行人脸图像的人脸识别;响应于AR眼镜接入网络,将人脸图像传输至后台服务器,并利用后台服务器上部署的深度学习的神经网络模型进行人脸图像的人脸识别;在AR眼镜上示出人脸识别的匹配结果。该基于AR眼镜的人脸识别方法和系统可根据不同使用环境切换工作模式,快速完成识别工作。

    一种数据清理方法及终端
    15.
    发明公开

    公开(公告)号:CN114297188A

    公开(公告)日:2022-04-08

    申请号:CN202210004105.9

    申请日:2022-01-05

    Abstract: 本发明公开一种数据清理方法及终端,获取每一源数据库的连接信息以及所述每一源数据库对应的结构表的描述信息;基于所述连接信息和所述描述信息生成每一所述结构表对应的源数据规划;基于所述源数据规划对所述每一源数据库中的每一所述结构表进行数据清理,由于连接信息能够用于判断源数据库是否连接成功,只有连接成功才可进行数据清理,而结构表的描述信息体现了数据库中数据表的数据存储情况,基于连接信息和描述信息生成每一结构表对应的源数据规划,基于源数据规划对每一源数据库中的结构表进行数据清理,能够针对数据库的多样化数据进行兼容性清理,且实现了大量数据的自动清理,从而有效、快速地清理大量数据。

    一种爬取贴文过程中的数据排重方法及终端

    公开(公告)号:CN114238732A

    公开(公告)日:2022-03-25

    申请号:CN202111312377.7

    申请日:2021-11-08

    Abstract: 本发明公开一种爬取贴文过程中的数据排重方法,通过当前链接接收页面数据的同时获取数据中的多组关键字段,并将多组关键字段组合并生成与页面数据对应的第一关键值,当内网中存在与当前数据的第一关键值相同的另一第一关键值时,表示当前数据为重复数据,将其排除,实现第一次排重;然后再获取当前链接信息,当前链接信息与预设的关键字段组合并生成与页面数据对应的第二关键值,当内网中不存在与当前第二关键值相同的另一第二关键值时,则判断为新数据,否则判断为重复数据,实现第二次排重;通过比较第一关键值和第二关键值对接收数据进行两次排重,极大降低了从外网爬取到相同数据的可能性,降低爬取数据过程中数据的重复率。

    一种基于多预处理特征融合的篡改图像鉴别方法

    公开(公告)号:CN113807392A

    公开(公告)日:2021-12-17

    申请号:CN202110896904.7

    申请日:2021-08-05

    Abstract: 本发明涉及一种基于多预处理特征融合的篡改图像鉴别方法,其可包括以下步骤:S1、收集样本,构建训练集与验证集;S2、搭建多预处理特征提取模块;S3、将训练集中的每一张图像通过多预处理特征提取模块处理得到相应特征,并对同一张图像获取到的特征以通道维度合并,形成该图像的特征张量;S4、将特征张量输入神经网络模型进行训练直到损失收敛;S5、将验证集输入训练好的神经网络模型,获取输出结果,若输出结果大于预设阈值,则判定该图像为篡改图像。本发明通过提前提取先验特征的方式,使得模型更容易拟合到相关特征,更易于训练,能够实现对多种篡改方式进行同时鉴别。

Patent Agency Ranking