-
公开(公告)号：CN114820687A
公开(公告)日：2022-07-29
申请号：CN202210610953.4
申请日：2022-05-31
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明给出了一种闭环的端到端行人重识别背景抑制方法和系统，包括利用第一路网络中的残差卷积块提取输入的原始图像的特征，并通过第一损失函数L1进行约束；通过Mask r‑CNN获得特征的人体掩膜利用掩膜预测损失函数Lmask修正掩膜的精准度；将人体掩膜和原始图像相乘，获得前景图像，将前景图像作为第二路网络的输入，并将第一路网络的残差卷积块的特征引入第二路网络，利用第二损失函数L2进行约束。本发明在多个行人重识别的数据集上都取得具有竞争力的性能。
-
公开(公告)号：CN114782999A
公开(公告)日：2022-07-22
申请号：CN202210606674.0
申请日：2022-05-31
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06V40/10 , G06K9/62 , G06N3/02 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/74
Abstract: 本发明给出了一种基于辅助域分类和二阶信息瓶颈的行人再识别方法和系统，包括将非行人数据集和行人再识别数据集作为粗粒度到细粒度模块的输入，分类出行人和非行人；利用二阶信息瓶颈层压缩将行人的图片的信息冗余和噪声；将分类的行人的图片和行人再识别数据集的特征进行级联，获取行人更细粒度的特征；将行人更细粒度的特征送入二阶信息瓶颈层，经过分类层，在三元组损失函数的约束下进行训练行人再识别模型。该行人再识别方法显著降低了类内人物图像的神经网络输出方差，具有优于目前方法的性能。
-
公开(公告)号：CN112214600B
公开(公告)日：2022-06-10
申请号：CN202011131344.8
申请日：2020-10-21
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06F16/35 , G06F40/30 , G06F40/284 , G06F40/205 , G06N3/04 , G06N3/08 , G06Q50/00
Abstract: 本发明公开了一种聊天文本特征分类方法、装置及存储介质，通过获对聊天文本进行预处理得到词向量，将词向量输入卷积网络层，分别计算生成聊天文本的局部特征向量，将局部特征向量连接形成上下文语义特征向量，将上下文语义特征向量输入深度卷积神经网络输出第一固定长度向量；将词向量和表示聊天文本中每个单词位置的位置向量组合形成联合词向量，联合词向量通过门限线性单元网络GLU，并结合多核Depthwise卷积网络层得到第二固定长度向量；将第一固定长度向量与第二固定长度向量连接得到多层次文本语义向量，将多层次文本语义向量输入全连接网络层计算输出向量；对输出向量使用softmax函数计算聊天文本的分类概率值，得到聊天文本所属的特征类别。
-
公开(公告)号：CN114445916A
公开(公告)日：2022-05-06
申请号：CN202111561021.7
申请日：2021-12-15
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06V40/40 , G06V40/16 , G06K9/62 , G06V10/774
Abstract: 本发明涉及一种活体检测方法、终端设备及存储介质，该方法中，活体检测模型的网络结果采用轻量级网络作为主干网络，输入图像依次经过主干网络中的浅层卷积块、中层卷积块和深层卷积块进行特征提取；将中层卷积块提取的特征经过反卷积扩展为与浅层卷积块提取的特征相同大小后，将扩展后的特征与浅层卷积块提取的特征进行第一次双线性池化；将深层卷积块提取的特征经过反卷积扩展为与中层卷积块提取的特征相同大小后，将扩展后的特征与中层卷积块提取的特征进行第二次双线性池化；分别将第一次双线性池化、第二次双线性池化和深层卷积块经过全局池化层输出的结果分别经过分类网络进行分类。本发明具有较高的检测准确率和较快的检测速度。
-
公开(公告)号：CN111078887B
公开(公告)日：2022-04-29
申请号：CN201911326228.9
申请日：2019-12-20
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06F16/35 , G06F40/279 , G06F40/242 , G06N3/04 , G06N3/08
Abstract: 本申请实施例公开了文本分类方法和装置。该方法的一具体实施方式包括：获取待分类文本；对待分类文本进行分词，得到词语列表；对待分类本文中的文字进行声调划分，得到声调组合列表；确定词语列表中的每个词语的词向量，以及确定声调组合列表中的每个声调组合的声调向量；将所得到的词向量和声调向量输入预先训练的文本分类模型，得到用于表征待分类文本的类别的标签。该实施方式实现了将词向量和声调向量相结合，从词和声调两个维度分别提取文本的语义和语调特征，使用这些特征可以有效地改善字/词级特征存在的不足，提高文本分类的准确性。
-
Patent Agency Ranking
公开(公告)号：CN108595440B
公开(公告)日：2022-03-18
申请号：CN201810447731.9
申请日：2018-05-11
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06F40/30 , G06F40/289 , G06F16/35
Abstract: 本发明公开了一种短文本内容分类方法，其包括：取得社交网络平台的短文本内容；取得该短文本内容的上下文情感特征值和先验情感特征值；使用模型训练生成该短文本内容的词向量；利用多窗口卷积操作来取得不同粒度的该短文本内容的语义关系，并组合池化操作而从不同层次对该短文本内容的语义表示进行抽象化；使用双向长短时记忆网络获得该短文本内容的语义表征；以及组合不同层次的情感特征向量并取得输出向量，使用函数对该输出向量进行计算以取得该短文本内容属于一或多个内容类别的概率值，并将该概率值为最大的该内容类别作为该短文本内容的类别。本发明还公开了一种短文本内容分类系统，可实现前述的短文本内容分类方法。
-
公开(公告)号：CN114078119A
公开(公告)日：2022-02-22
申请号：CN202111372017.6
申请日：2021-11-18
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 公开了一种基于光流法的深度伪造视频检测方法和系统，包括收集经过不同方式篡改后的深度伪造视频和原始视频分别构建训练集和验证集；对训练集和验证集中的视频进行抽帧处理获得每个视频的每帧图像，利用光流计算模型提取光流特征；按时序分别对每帧图像和光流特征进行拼接，并输入神经网络模型训练至损失收敛；对待验证视频进行上述步骤中抽帧处理、光流计算和图像拼接，并取部分图像送入神经网络模型，将获取到的输出通过神经网络的激活函数获得输出结果均值，若输出结果均值不小于预设阈值，则待验证视频为深度伪造视频。本发明能够降低深度伪造检测算法对前置算法的强依赖性，同时能够有效的对多种深度伪造视频进行检测，提升算法泛化能力。
-
公开(公告)号：CN110609927B
公开(公告)日：2022-02-15
申请号：CN201910904081.0
申请日：2019-09-24
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06F16/901 , G06F16/904
Abstract: 本发明涉及一种可视化家谱布局方法、终端设备及存储介质，该方法中包括：S1：根据人物节点之间的关系构建配置文件，并对节点进行分层处理，将属于配偶关系和兄弟关系的节点设为同一层；S2：根据每层的人物节点的关系，对人物节点的顺序进行排列，优先使兄弟节点之间相邻，其次使配偶节点之间相邻；S3：按照节点的排列顺序设置每个节点的位置，其中，下一层的孩子节点的位置设置于上一层的孩子节点对应的父母节点位置的中间，并计算每个节点的坐标；S4：根据每个节点的坐标，绘制节点之间的链接线，并将节点之间的关系标注于对应的链接线上。本发明中家庭成员的布局由系统自动完成，只需加载一次配置文件即可完整展示多个家庭的家谱结构。
-
公开(公告)号：CN113919358A
公开(公告)日：2022-01-11
申请号：CN202111294527.6
申请日：2021-11-03
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06F40/295 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明给出了一种基于主动学习的命名实体识别方法和系统，包括获取待训练文本数据，对部分待训练文本数据进行标注；对每条文本进行预训练获得字符向量矩阵，将其中的字符向量输入双向LSTM进行训练，获得输入文本的语义信息特征；利用自注意力机制获取每条文本中字之间的相互关系，并将结果输出至条件随机场，计算输入字对应的最优标签序列，以最大概率的序列作为字的最终实体类别标签，获取标注文本数据的训练模型；利用训练模型对未标注文本数据进行预测，确定该条文本的置信度值，响应于一文本的置信度大于预设阈值，将该条文本作为待标注数据集进行标注，并循环上述步骤。本发明可实现更准确高效地标记数据以达到应用需求性能。
-
公开(公告)号：CN112419249A
公开(公告)日：2021-02-26
申请号：CN202011263797.6
申请日：2020-11-12
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明涉及一种特殊服饰图片转化方法、终端设备及存储介质，该方法中包括：采集包含特殊服饰的图片组成训练集；对训练集中图片进行实例分割、高斯平滑处理、哈达玛积运算和颜色变化后，将颜色变换后的图片与原始图片进行图像叠加操作；将所有叠加后的图片作为自编码网络的输入，对自编码网络进行训练，使得自编码网络输出的图片训练集中对应的原始图片的差异最小；通过训练后的自编码网络对待识别特殊服饰的图片进行转化后，再进行特殊服饰的识别。本发明通过训练自编码网络来避免图片的光照、对比度或色调等颜色变换对图片内特殊服饰的识别的影响，提升特殊服装识别的整体识别率。
-
-
-
-
-
-
-
-
-
Search Results
139
records
(took 0.048 seconds)
