-
公开(公告)号：CN113947556A
公开(公告)日：2022-01-18
申请号：CN202111151810.3
申请日：2021-09-29
Applicant: 北京三快在线科技有限公司
Abstract: 本申请公开了一种图像增强方法、装置、设备及存储介质，属于图像处理技术领域。方法包括：获取多组成对样本数据和多组非成对样本数据，每组成对样本数据包括图像内容相同但图像质量不同的两个图像，每组非成对样本数据包括图像内容和图像质量均不同的两个图像，且所述多组非成对样本数据包括多个领域的图像；基于所述多组成对样本数据和所述多组非成对样本数据，对图像增强模型进行训练，得到训练后的所述图像增强模型；在获取到待增强图像的情况下，通过训练后的所述图像增强模型对所述待增强图像进行图像增强，得到增强后的图像。该方案能够使得图像增强模型生成保真度较高的图像，且提高了图像增强模型的泛化能力。
-
公开(公告)号：CN113887326A
公开(公告)日：2022-01-04
申请号：CN202111061581.6
申请日：2021-09-10
Applicant: 北京三快在线科技有限公司
Abstract: 本说明书公开了一种人脸图像处理方法及装置，通过待处理人脸图像的姿态数据和关键点数据，确定待处理人脸图像的姿态数据对应的偏移角度，并根据该偏移角度，确定与该偏移角度负相关的处理强度，作为该待处理人脸图像的处理强度，进而根据该处理强度和确定出的关键点数据，对该待处理人脸图像进行调整。本方法通过确定与偏移角度负相关的处理强度，使得在对各帧人脸图像进行处理时，不会出现处理效果突然出现或消失的情况，图像处理结果较为连贯，图像处理效率更高。
-
公开(公告)号：CN113706642A
公开(公告)日：2021-11-26
申请号：CN202111012833.6
申请日：2021-08-31
Applicant: 北京三快在线科技有限公司
Abstract: 本说明书公开了一种图像处理方法及装置。通过编码器将目标图像划分为各图像块并进行分组，在每组图像块内计算各图像块的组内权重，以确定各组图像块对应的加权特征矩阵以及该目标图像对应的组合加权特征矩阵。基于得到的组合加权特征矩阵，进一步计算各组图像块的全局权重，以确定各组图像块的全局加权特征矩阵，并确定由各全局加权特征矩阵构成的全局特征，作为编码器的编码结果，将该编码结果输入到解码器后，确定该目标图像的图像处理结果。能够在减少计算量的同时，进行分组以及全局的自注意力权重计算，能够充分确定各图像块间以及各组图像块间的相关度，以得到准确的注意力权重，使得解码器能够输出更准确的图像处理结果。
-
公开(公告)号：CN114092655B
公开(公告)日：2025-02-25
申请号：CN202111316167.5
申请日：2021-11-08
Applicant: 北京三快在线科技有限公司
Abstract: 本申请公开了一种构建地图的方法、装置、设备及存储介质，属于地图处理技术领域。所述方法包括：获取第一图像集，第一图像集中包括待构建地图的区域的多个图像；标注第一图像集中的兴趣点；基于标注兴趣点之后的第一图像集进行三维重建，根据重建结果得到第一点云结构；基于第一点云结构获取区域的第一地图；基于第一地图获取完成兴趣点标注的第二地图。本申请构建地图时只需要采集图像，不依赖底图，即使缺少最新底图也可以准确构建出最新的地图。且因为在重建前就完成了对图像的兴趣点的标注，后续在地图上标注兴趣点时，只需要将兴趣点投影在地图上就可以完成地图的构建，标注兴趣点成本低且效率高。
-
公开(公告)号：CN116342690A
公开(公告)日：2023-06-27
申请号：CN202310274479.7
申请日：2023-03-20
Applicant: 北京三快在线科技有限公司
Abstract: 在本说明书提供的目标物定位的方法中，首先对监控设备采集的历史监控图像进行关键点提取，并将提取的关键点与预先构建的与监控设备的监控范围对应的三维点云图进行匹配，确定所述关键点的三维坐标，并通过所述三维坐标确定所述监控设备的外参矩阵，响应于定位请求，确定目标物以及目标物所在的实时监控图像，根据所述目标物在所述实时监控图像中的二维坐标、所述监控设备的内参矩阵、外参矩阵以及确定出的地面深度函数，确定出所述目标物的三维坐标。在上述方法中可以看出，通过利用提取的关键点的三维坐标，确定监控设备的外参矩阵，并根据实时监控图像中目标物的二维坐标，就可以确定所述目标物的三维坐标，大大提高了目标物定位的精度。
-
Patent Agency Ranking
公开(公告)号：CN113888415B
公开(公告)日：2023-04-07
申请号：CN202111045365.2
申请日：2021-09-07
Applicant: 北京三快在线科技有限公司
IPC: G06T5/00 , G06F18/214 , G06F18/25 , G06T7/40
Abstract: 本说明书公开了一种模型训练以及图像修复方法及装置，通过将各损坏图像及其掩膜，作为各训练样本对输入图像修复模型的处理层，对各损坏图像的损坏部分进行动态采样，确定各初始修复结果，并将由各初始修复结果位于损坏部分的子图像填充入损坏图像得到的各中间修复结果作为输入，输入到该图像修复模型的纹理处理层，提取纹理特征，进而根据该纹理特征和初始修复结果确定最终修复结果，基于各训练样本对的标注和最终修复结果对图像修复模型进行训练。本方法中采用动态采样确定训练样本对的初始修复结果，考虑到了损坏部分与未损坏部分的差距，且通过纹理特征的学习，使得训练好的图像修复模型输出的修复结果与原始图像接近，保证了图像修复效果。
-
公开(公告)号：CN113763561B
公开(公告)日：2022-08-02
申请号：CN202110955487.9
申请日：2021-08-19
Applicant: 北京三快在线科技有限公司
Abstract: 本公开涉及一种POI数据生成方法、装置、存储介质及电子设备。该方法包括：获取待生成区域的现场图像集，所述现场图像集中包括至少一张图像，每一所述图像中包括一个实体POI；基于所述现场图像集进行三维重建，得到与所述待生成区域对应的三维点云、以及得到拍摄每一所述图像的相机三维位姿；根据所述三维点云、每一所述图像的所述相机三维位姿、以及所述待生成区域的平面布局图生成与所述平面布局图配准后的相机二维向量分布图；根据所述相机二维向量分布图与所述待生成区域的平面布局图的配准关系，确定所述相机二维向量分布图中每一相机二维向量在所述待生成区域的平面布局图中对应的指向区域的坐标信息，以得到每一所述相机二维向量所表征的实体POI的坐标信息。采用本公开的这种方法，可以提高POI数据生成的效率和准确率。
-
公开(公告)号：CN114519352A
公开(公告)日：2022-05-20
申请号：CN202210158264.4
申请日：2022-02-21
Applicant: 北京三快在线科技有限公司
IPC: G06F40/289 , G06F40/216
Abstract: 本申请公开了一种生成评论的方法、装置、设备和存储介质，属于互联网技术领域。所述方法包括：先确定待评论信息对应的多个内容表征词；然后，基于多个内容表征词确定核心词以及每个核心词位于评论语第一位置的概率，同时，确定评论词以及每个评论词位于评论语第一位置的概率；再后，确定评论语第一位置的选定词，且基于第一位置的选定词和内容表征词，评论语其他位置的选定词；最后，基于每个位置的选定词，确定待评论信息对应的评论语。采用该方法，提高了评论效率，减少了人力投入，提高了评论句式的多样性，增强评论内容对用户的吸引力，从而，有利于与用户之间产生互动。
-
公开(公告)号：CN114492602A
公开(公告)日：2022-05-13
申请号：CN202210023563.7
申请日：2022-01-10
Applicant: 北京三快在线科技有限公司
IPC: G06K9/62
Abstract: 本申请提供了一种样本处理方法、装置、电子设备及存储介质，涉及数据处理技术领域，旨在确定无标注样本是分布内样本或者是离群样本。所述方法包括：对样本池中多个无标注样本进行聚类，得到多个无标注样本簇，并确定多个无标注样本簇各自的聚类中心；根据多个有标注样本各自的特征表示，确定多个标注标签各自的特征表示中心；根据多个无标注样本簇各自的聚类中心与多个标注标签各自的特征表示中心的距离，从多个无标注样本簇各自的聚类中心中确定出分布内聚类中心，以及离群聚类中心；将分布内聚类中心对应的无标注样本簇内的各个无标注样本，确定为分布内样本，以及将离群聚类中心对应的无标注样本簇内的各个无标注样本，确定为离群样本。
-
公开(公告)号：CN114419363A
公开(公告)日：2022-04-29
申请号：CN202111591966.3
申请日：2021-12-23
Applicant: 北京三快在线科技有限公司 , 中山大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于无标注样本数据的目标分类模型训练方法及装置。其中，该方法包括：基于第一分类模型对样本数据集中的无标注样本集进行标注，以得到伪标签样本集，其中，第一分类模型是基于有标注样本集对目标分类模型训练得到的；根据多模态匹配模型以及伪标签样本集筛除样本数据集中的离群样本，以得到非离群样本集，其中，多模态匹配模型是基于有标注样本集训练得到的；基于非离群样本集对目标分类模型进行训练，直至模型收敛。本发明解决了由于相关技术中半监督学习中有标注数据的稀缺以及离群样本检测准确性差，而导致基于开集半监督学习的模型训练难度大的技术问题。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.055 seconds)
