-
公开(公告)号：CN113902244A
公开(公告)日：2022-01-07
申请号：CN202111010554.6
申请日：2021-08-31
Applicant: 度小满科技(北京)有限公司
Abstract: 本发明的目的是提供一种用于评估第三方数据增益的方法和装置。所述方法包括以下步骤：获取初始的第一信用分和通过引入第三方数据重新建模后得到的第二信用分；基于第一信用分和第二信用分，得到原始的迁移概率，其中，所述迁移概率表示初始信用分为第一信用分的申请用户的新信用分为第二信用分的概率；使用核密度估计方法来对所述迁移概率函数进行平滑处理，得到迁移概率函数，以基于迁移概率函数评估第三方数据带来的增益。本申请实施例具有以下优点：在需要评估第三方数据对信贷风控模型带来的增益时，基于引入第三方数据后得到的迁移概率来计算所述增益，从而能够评估第三方数据在不同初始信用分样本综上的增益的差异。
-
公开(公告)号：CN119990303A
公开(公告)日：2025-05-13
申请号：CN202411853165.3
申请日：2024-12-16
Applicant: 度小满科技(北京)有限公司
Abstract: 本申请公开了一种大语言模型的强化学习训练方法、装置、服务器、计算机可读存储介质以及计算机程序产品。该方法获取奖励模型和评论者模型对行为者模型进行响应训练的评估，作为强化训练的训练反馈，在对行为者模型进行强化训练中，在对行为者模型进行参数更新的同时，也协调更新评论者模型，可以减少因模型不匹配导致的不稳定性和振荡，避免行为者模型过度拟合到某个特定的评估标准，确保行为者模型和评论者模型之间的协调，同时评论者模型能够更好地适应环境的变化，提供更准确的评估结果，从而帮助行为者模型更快地收敛到最优策略。
-
公开(公告)号：CN114926674B
公开(公告)日：2025-05-09
申请号：CN202210345355.9
申请日：2022-03-31
Applicant: 度小满科技(北京)有限公司
IPC: G06T7/00 , G06V10/80 , G06V10/774 , G06V10/776 , G06V10/82 , G06V10/764 , G06N3/045
Abstract: 本申请公开了一种图像质量的确定方法、装置、终端及存储介质，方法包括：接收原始图像；对原始图像进行预处理，得到多个子图像；利用第一场景图像数据集和第二场景图像数据集对初始孪生网络模型进行训练，确定目标孪生网络模型；基于多个子图像和目标孪生网络模型，确定原始图像的图像质量。本发明的目标孪生网络模型包括两个网络模型，两个网络模型通过互相监督学习，增强了两个网络对不同场景下图像数据的泛化能力，此外，目标孪生网络模型可支持不同尺寸的图像的质量检测。当原始图像为任意场景图像时，目标孪生网络模型均能有效输出其图像质量类型，且不会因图像尺寸问题影响图像质量的确定，提高了图像质量确定的准确性。
-
公开(公告)号：CN119942657A
公开(公告)日：2025-05-06
申请号：CN202411860010.2
申请日：2024-12-17
Applicant: 度小满科技(北京)有限公司
Abstract: 本申请提供一种伪造人脸检测方法、装置、电子设备及存储介质，涉及图像处理技术领域。在本申请中，获取到包含目标人脸的原始图像之后，可以对原始图像进行频域变换和频域逆变换，获得频域信息图像；接着，对原始图像和频域信息图像进行图像融合，获得了空间域特征和频域特征融合的融合特征图像；最终，对融合特征图像进行块特征提取，获得多个块特征图，并基于多个块特征图对目标人脸进行伪造人脸检测，确定目标人脸是否为伪造人脸或真实人脸。由此可见，在块级别的空频域融合特征图上进行监督和预测包含目标人脸的原始图像的伪造检测结果，提高了伪造人脸的检测精度。
-
公开(公告)号：CN115131368B
公开(公告)日：2025-05-02
申请号：CN202210669332.3
申请日：2022-06-14
Applicant: 度小满科技(北京)有限公司
IPC: G06T7/11 , G06T3/604 , G06T7/60 , G06N3/0464 , G06N3/045 , G06V40/16 , G06V10/24 , G06V10/25 , G06V10/74
Abstract: 本发明公开了一种图像处理方法及装置。其中，该方法包括：获取第一图像和第二图像，其中，第一图像为目标对象的非活体图像，第二图像为实时采集到的当前对象的活体图像；对第一图像进行分割处理，得到第一区域，其中，第一区域为目标对象所处的区域；基于第一区域对应的目标外接矩形对第一区域进行旋转处理，得到目标旋转角度；基于第一区域、第一图像、目标旋转角度对第二图像进行验证，得到验证结果，其中，验证结果用于确定第二图像中的当前对象是否为第一图像中的目标对象。本发明解决了相关技术中由于非人像图像区域大造成的人脸识别准确率低的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN119557129A
公开(公告)日：2025-03-04
申请号：CN202411584611.5
申请日：2024-11-07
Applicant: 度小满科技(北京)有限公司
IPC: G06F11/07 , G06F18/2433 , G06N3/08
Abstract: 本公开提供一种异常修复方法、装置、系统、电子设备及计算机可读存储介质，涉及计算机技术领域。所述异常修复方法包括：获取系统数据；将所述系统数据输入至异常检测神经网络，得到系统异常信息；其中，所述系统异常信息用于表征所述系统数据对应的系统异常；基于所述系统异常信息修复对应的所述系统异常。本公开通过异常检测神经网络自动识别系统异常和潜在风险，减少了对人工设定阈值的依赖，提高了异常检测的准确性和及时性。
-
公开(公告)号：CN119444395A
公开(公告)日：2025-02-14
申请号：CN202411491298.0
申请日：2024-10-24
Applicant: 度小满科技(北京)有限公司
IPC: G06Q40/03 , G06F18/214 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本申请实施例提供了一种信贷风险识别模型训练方法、信贷风险识别方法及装置，其中，该方法借助训练样本数据对信贷风险识别模型进行训练，具体针对信贷风险识别模型中的主深度网络进行训练，通过在主深度网络的基础上引入对抗样本生成网络，由对抗样本生成网络基于主深度网络延时生成的对抗扰动特征向量，结合训练样本数据中的各特征向量对主深度网络的输出精度进行训练调整，直至该主深度网络模型均能精准输出各条训练样本数据对应的风险逾期结果。如此，可提升主神经网络对抗扰动的能力，从而提升整个信贷风险识别模型在面对数据分布转移或者噪声扰动时的性能表现，进而增强目标信贷风险识别模型在实际应用中的稳定性和可靠性。
-
公开(公告)号：CN119444394A
公开(公告)日：2025-02-14
申请号：CN202411491297.6
申请日：2024-10-24
Applicant: 度小满科技(北京)有限公司
IPC: G06Q40/03 , G06F18/214 , G06N3/045 , G06N3/08 , G06N5/01
Abstract: 本公开提供了一种信贷风险预测方法、装置、电子设备以及存储介质，涉及信贷风控技术领域，该方法包括：获取训练完成的决策树模型，决策树模型用于预测目标对象的信贷风险概率；对决策树模型进行转译，生成初始评估模型，初始评估模型由多个神经元相互连接构成，且初始评估模型的初始模型参数由决策树模型的模型参数确定；获取至少一个样本对象的样本对象数据和样本对象的信贷风险标签；基于至少一个样本对象数据和信贷风险标签训练初始评估模型，得到训练完成的风险评估模型，风险评估模型用于预测目标对象的信贷风险概率。该方法可以提高构建的初始评估模型的决策直观性和可解释性。
-
公开(公告)号：CN119131194A
公开(公告)日：2024-12-13
申请号：CN202411135476.6
申请日：2024-08-19
Applicant: 度小满科技(北京)有限公司
IPC: G06T11/60 , G06T5/70 , G06T5/60 , G06F40/30 , G06N3/0455 , G06N3/0895
Abstract: 本发明提供一种文生图模型训练方法、文生图方法及装置，包括：将图文对输入至候选文生图模型中，每个图文对中包括样本图像及对应包括预设关系词以及身份信息的样本描述信息，通过候选文生图模型向样本图像添加预设噪声并基于样本描述信息对噪声图像进行去噪，得到预测噪声，基于预测噪声与预设噪声之间的噪声损失、样本描述信息与预设正负样本之间的对比损失得到目标损失，基于目标损失对所述候选文生图模型进行微调得到目标文生图模型。通过基于图像和关系词两方面损失对候选文生图模型进行训练，增强文生图模型对关系以及图像的学习能力，进而提高文生图模型基于用户描述输出的图像的准确性。
-
公开(公告)号：CN118608269A
公开(公告)日：2024-09-06
申请号：CN202410655377.4
申请日：2024-05-24
Applicant: 度小满科技(北京)有限公司
IPC: G06Q40/03 , G06F18/243 , G06F18/2415
Abstract: 本公开实施例提供一种逾期概率的预测方法和装置，涉及数据处理技术领域。该方法的具体实施方式包括：获取各个用户的用户数据；对用户数据进行预处理，得到用户特征和关系特征；将用户特征和关系特征输入逾期概率模型；其中，逾期概率模型包括训练好的树模型和训练好的图模型，训练好的树模型的输入为用户特征，训练好的图模型的输入为树模型的输出和关系特征；根据逾期概率模型的输出，确定各个用户的逾期概率。该实施方式能够综合表格数据和图数据的双重优点和特征推测用户的逾期概率，弥补树模型对图数据使用不足、图模型对表格数据使用不足的缺点，同时获得表格数据和图数据的最佳表达，进而准确预测逾期概率，为实际业务提供较高的参考价值。
-
-
-
-
-
-
-
-
-
Search Results
190
records
(took 0.069 seconds)
