-
公开(公告)号:CN114022696A
公开(公告)日:2022-02-08
申请号:CN202111301799.4
申请日:2021-11-04
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06V10/762 , G06K9/62 , G06V40/16 , G06V10/82 , G06N3/08
Abstract: 本发明提出了一种基于连接对的聚类算法性能分析方法、装置及存储介质,该方法包括:初始步骤,使用所述聚类算法对样本集进行聚类得出初始聚类簇,对所述聚类算法进行优化后对样本集进行聚类得出优化聚类簇;抽样步骤,对满足归档的初始聚类簇和优化聚类簇分别进行笛卡尔积运算得到连接对,利用差集运算和特定规则抽样得到初始抽样集合和优化抽样集合;分析步骤,基于所述初始抽样集合和优化抽样集合分析优化后的聚类算法性能是否提升。本发明利用笛卡尔积运算得到连接对,并使用特定规则抽样获取可控数量的分析集,该方法结合了聚类内部的连接对信息和人工抽样知识,能够在无标签情况下对聚类算法优化后的性能提升进行快速评估。
-
公开(公告)号:CN112950674A
公开(公告)日:2021-06-11
申请号:CN202110257986.0
申请日:2021-03-09
Applicant: 厦门市公安局 , 厦门市美亚柏科信息股份有限公司
Abstract: 本发明提出了一种基于多种识别技术协同的跨摄像头轨迹跟踪方法、装置及存储介质,该方法包括:获取待跟踪目标obj的信息,和空间位置Pos0;设定待解析的监控视频范围region0,所述region0是以空间位置Pos0为圆心,半径为R的范围;使用多种识别技术基于所述待跟踪目标obj的信息和获取的监控视频范围region0内视频数据对待跟踪目标进行协同定位得到定位结果Pos1;通过重复设定步骤和多种识别技术协同定位步骤得到多个定位结果Posn‑1……Posn,将Pos0,Pos1...Posn作为待跟踪目标obj的实时轨迹。本发明通过多种识别技术协同工作,定位准确,跟踪轨迹完整,以视频接力的方式,用少量的硬件设备资源,降低了硬件成本,并提出了具体的冲突处理策略。
-
公开(公告)号:CN112381161A
公开(公告)日:2021-02-19
申请号:CN202011296897.9
申请日:2020-11-18
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明涉及一种神经网络训练方法,包括以下步骤:S1、初步训练,对类别数据不均衡的训练样本数据进行深度学习神经网络训练,得到一个初步最佳训练模型;S2、根据该初步最佳训练模型对训练样本数据进行处理;S3、二次训练,用经过S2处理后的数据在该初步最佳训练模型基础上继续迭代训练至神经网络训练模型收敛。该方法利用DBSCAN聚类结果及已有标签,指导神经网络训练过程中每个batch的数据采样,通过类别间数据的均衡性,单类别内部数据特征多样性,提高了算法模型的收敛速度,提高了算法模型泛化性能。
-
公开(公告)号:CN109543641B
公开(公告)日:2021-01-26
申请号:CN201811451031.3
申请日:2018-11-30
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明涉及一种实时视频的多目标去重方法、终端设备及存储介质,在该方法中,包括以下步骤:S100:根据当前时刻的视频帧画面,提取画面内各目标的图片;S200:根据各目标的图片,得到对应的结构化信息数据:目标图像特征向量、追踪信息和图像质量评分;S300:设定当前时刻之前的各目标的结构化信息数据的集合为目标集,根据目标的结构化信息数据进行聚类,将当前时刻各目标的结构化信息数据添加至目标集中,使得目标集中不同时刻的同一目标仅出现一次,且出现的目标为相对质量最好的目标。本发明通过聚类实现目标检测的输出结果,对于相同物体的图片最终只会输出一张,大大减少了系统的冗余工作,且一定范围地降低了检测的误判率,提高鲁棒性。
-
公开(公告)号:CN112073731A
公开(公告)日:2020-12-11
申请号:CN202010975416.0
申请日:2020-09-16
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本申请实施例公开了图像解码方法、装置、计算机可读存储介质和电子设备。该方法的一具体实施方式包括:从编码图像数据中获取图像基本信息;基于图像基本信息,创建解码器;对于多个区域图像数据包括的每个区域图像数据,对该区域图像数据执行如下处理步骤:利用解码器对该区域图像数据进行解码,得到解码数据;按照预设处理方式对得到的解码数据进行处理,得到该区域图像数据对应的处理后图像数据;对所得到的各处理后图像数据进行汇总,得到完整图像数据。该实施方式将解码和预处理这两个分离的步骤合并在一起,整个过程只需与内存进行一次交互,从而极大地降低了CPU的计算量。
-
公开(公告)号:CN111783858A
公开(公告)日:2020-10-16
申请号:CN202010567257.0
申请日:2020-06-19
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06K9/62
Abstract: 本申请实施例公开了生成类别向量的方法和装置。该方法的一具体实施方式包括:获取第一预设数量个属于预设类别的向量作为第一向量集;获取第二预设数量个属于预设类别的向量作为第二向量集;从第二向量集中确定符合预设条件的目标向量;获取属于预设类别的待替换向量;确定待替换向量是否符合预设替换条件,如果符合,将目标向量替换为待替换向量;基于第一向量集和进行向量替换后的第二向量集,确定表征预设类别的类别向量并存储。该实施方式实现了实时地对第二向量集进行更新,使第二向量集中的向量对预设类别的代表性逐渐增强,提高生成类别向量的精确性。
-
公开(公告)号:CN109543641A
公开(公告)日:2019-03-29
申请号:CN201811451031.3
申请日:2018-11-30
Applicant: 厦门市美亚柏科信息股份有限公司
CPC classification number: G06K9/00664 , G06K9/6218
Abstract: 本发明涉及一种实时视频的多目标去重方法、终端设备及存储介质,在该方法中,包括以下步骤:S100:根据当前时刻的视频帧画面,提取画面内各目标的图片;S200:根据各目标的图片,得到对应的结构化信息数据:目标图像特征向量、追踪信息和图像质量评分;S300:设定当前时刻之前的各目标的结构化信息数据的集合为目标集,根据目标的结构化信息数据进行聚类,将当前时刻各目标的结构化信息数据添加至目标集中,使得目标集中不同时刻的同一目标仅出现一次,且出现的目标为相对质量最好的目标。本发明通过聚类实现目标检测的输出结果,对于相同物体的图片最终只会输出一张,大大减少了系统的冗余工作,且一定范围地降低了检测的误判率,提高鲁棒性。
-
公开(公告)号:CN107944427A
公开(公告)日:2018-04-20
申请号:CN201711337096.0
申请日:2017-12-14
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06K9/00
Abstract: 本发明公开了一种动态人脸识别方法及计算机可读存储介质,方法包括:根据预设的采样率,依次从动态视频流中获取一帧静态图片;对所述一帧静态图片进行人脸检测,得到人脸图片集;获取所述人脸图片集中各人脸图片的关键信息;根据所述关键信息,通过相似度算法对各人脸图片进行匹配分类,得到各人脸图片对应的各人脸类型,并根据人脸图片的关键信息,构建或更新对应的人脸类型的结构化信息;根据结构化信息,对各人脸类型进行筛选,得到人脸集合。本发明可快速有效地识别出视频中的所有人脸,且可保证正识率和实时性。
-
公开(公告)号:CN114529946B
公开(公告)日:2024-12-10
申请号:CN202210168277.X
申请日:2022-02-23
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06V40/10 , G06V10/82 , G06N3/045 , G06N3/0895
Abstract: 本发明公开提供一种基于自监督学习的行人重识别方法、装置、设备及存储介质,方法包括:将训练数据集与该训练数据集经过数据增强后分别采用相同的神经网络进行特征提取,得到第一特征向量和第二特征向量,并计算第一特征向量和第二特征向量之间的第一损失函数,再结合模型自身训练时的第二损失函数计算训练过程中的整体损失函数,以整体损失函数最小化为目标训练得到行人重识别模型。根据本发明,使行人重识别模型可以学习图像本身固有先验规律,从而提高行人重识别的精确度。
-
公开(公告)号:CN114529946A
公开(公告)日:2022-05-24
申请号:CN202210168277.X
申请日:2022-02-23
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明公开提供一种基于自监督学习的行人重识别方法、装置、设备及存储介质,方法包括:将训练数据集与该训练数据集经过数据增强后分别采用相同的神经网络进行特征提取,得到第一特征向量和第二特征向量,并计算第一特征向量和第二特征向量之间的第一损失函数,再结合模型自身训练时的第二损失函数计算训练过程中的整体损失函数,以整体损失函数最小化为目标训练得到行人重识别模型。根据本发明,使行人重识别模型可以学习图像本身固有先验规律,从而提高行人重识别的精确度。
-
-
-
-
-
-
-
-
-