-
公开(公告)号：CN114220145B
公开(公告)日：2024-12-31
申请号：CN202111436624.4
申请日：2021-11-29
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06V40/16 , G06V40/40 , G06V10/82 , G06V10/44 , G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/0985
Abstract: 本申请涉及伪造人脸检测的技术领域，尤其是涉及一种人脸检测模型生成方法，该方法针对每层残差卷积块分别建立引导约束损失函数，从而将后一个残差卷积块的分类结果作为前一个残差卷积块的标签，将引导约束损失函数与主干网络损失函数合并获得框架损失函数，利用深层的卷积块分类预测来作为浅层的卷积块的标签，逐渐引导浅层网络的训练以及参数更新。本申请还提出了一种伪造人脸检测方法，伪造人脸检测方法中使用的人脸检测模型预先基于人脸检测模型生成方法训练得到，使用该人脸检测模型去检测真假人脸的准确率较高。
-
公开(公告)号：CN114373097B
公开(公告)日：2024-09-27
申请号：CN202111532343.9
申请日：2021-12-15
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/088
Abstract: 本发明涉及一种基于半监督的图像分类方法、终端设备及存储介质，该方法中包括：S1：采集已标注图像组成训练集；S2：构建图像分类模型，通过训练集对图像分类模型进行训练，将训练后的模型作为初始模型；S3：采集未标注图像输入初始模型，并将初始模型输出的类别标注为各未标注图像的伪标签后，添加至训练集内；S4：在基础模型对应的分类网络之后添加高斯混合模型组成错误分类识别模型；S5：通过训练集对错误分类识别模型进行训练，基于训练后的错误分类识别模型中的分类网络构建最终分类模型；S6：通过最终分类模型对图像进行分类。本发明不仅可以得到更加准确的类标，而且提升了在带噪声样本集训练的模型的准确率。
-
公开(公告)号：CN117194980A
公开(公告)日：2023-12-08
申请号：CN202311117065.X
申请日：2023-08-31
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06F18/214 , G06F18/213 , G06F16/35 , G06F18/241 , G06N3/0455 , G06N3/0464 , G06N3/09
Abstract: 本发明提出了一种基于文本标签预测的聊天话题识别方法及系统，该方法包括如下步骤：响应于获取所需处理的聊天数据信息并进行预处理；利用已训练的深度学习模型对预处理后的所述聊天数据信息进行处理，包括句子编码和序列标注；通过所述深度学习模型从所述聊天数据信息中识别出所需的特定内容并进行进一步处理。通过引入Sentence Bert对聊天发言进行语义特征提取，以句子作为语义单元输入到模型中，极大扩充了特征标注网络的长度限制；利用特征标注的方法，分别标注网络诈骗中常出现的行为，即使话术有更新，但真正关键的诱导行为不会有较大变化；通过改造卷积神经网络模型，使得模型能够进行序列标注任务，并保留了卷积神经网络较高的推理性能。
-
公开(公告)号：CN117095329A
公开(公告)日：2023-11-21
申请号：CN202310959022.X
申请日：2023-08-01
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06V20/40 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 公开了一种减缓行人属性识别类内变化的方法和系统，包括接收数据集中任一张图像xi输入主干网络进行多标签分类任务的行人属性识别，采用二值交叉熵作为损失函数；利用指数信息瓶颈作用于主干网络的每个卷积模块和注意力机制模块，过滤特征中存在的冗余干扰特征信息。本申请提出的指数信息瓶颈方法可以集成到注意力模块中，形成一个新颖的行人熟悉识别网络，可以进一步处理基于注意力机制的属性内变化，指数信息瓶颈方法是即插即用的，在推理期间没有任何额外的计算开销。
-
公开(公告)号：CN115578714A
公开(公告)日：2023-01-06
申请号：CN202211183158.8
申请日：2022-09-27
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 公开了一种基于浅层特征信息增强的车辆颜色识别方法和系统，包括在车辆颜色识别的卷积神经网络中嵌入浅层特征信息增强模块，卷积神经网络包括浅层卷积块、中层卷积块和高层卷积块，浅层特征信息增强模块嵌入浅层卷积块和中层卷积块之后；车辆图片作为浅层卷积块的输入依次进行特征提取，浅层特征信息增强模块接收特征输入，经过多个1*1卷积层获得不同维度的特征，对不同维度的特征进行矩阵相乘获得增强信息表达的特征，送入下一卷积块；将各卷积块的特征依次送入全局平均池化层、对应的分类层进行分类，并利用标签平滑正则化的交叉熵损失函数进行约束。浅层特征信息增强模块可灵活的插入卷积神经网络任意位置，增强特征信息，增加模型的泛化性。
-
Patent Agency Ranking
公开(公告)号：CN115546907A
公开(公告)日：2022-12-30
申请号：CN202211153579.6
申请日：2022-09-21
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 公开了多尺度特征聚合的活体检测方法和系统，包括将RGB图像通过图像变换转换为HSV图像，将RGB图像和HSV图像融合为RGB‑HSV图像并送入主干网络；将主干网络提取的特征送入特征深度拓展模块，并将输出送入多特征提取模块以获得更多的上下文信息；将最终输出经过池化层和分类层，并在交叉熵损失函数的约束下进行训练。本发明提出的一种多尺度特征聚合的活体检测方法和系统，其具有参数量小、对图像的接受域大、多尺度特征聚合的特点，利用了空洞卷积以扩大网络的感受野，获取更多的上下文信息，利用RGB图像和HSV图像作为6通道的图像作为输入，运行速度与仅使用RGB图像的运行速度是一致的，在性能和效率之间取得了很好的平衡。
-
公开(公告)号：CN111563379B
公开(公告)日：2022-12-02
申请号：CN202010396412.7
申请日：2020-05-12
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06F40/289 , G06F40/242 , G06F40/30 , G06F16/35
Abstract: 本发明提出了一种基于中文词向量模型的文本识别方法、装置及存储介质，该方法包括：基于目标词、上下文窗口词和目标词声调n‑grams构建第一中文词向量模型和第二中文词向量模型；基于语料库对所述第一中文词向量模型和第二中文词向量模型进行训练得到训练后的所述第一中文词向量模型和第二中文词向量模型；使用训练后的所述第一中文词向量模型获取输入文本的语义向量并输出结果。本发明使用训练后的所述第二中文词向量模型对所述识别结果进行验证，提高了识别准确率，且构建词向量时使用了声调这一元素，丰富中文词向量所包含信息，避免了特征噪声对词向量的影响，最大程度的保留目标词的语义和语调特征，引入了负样本并构建了损失函数。
-
公开(公告)号：CN115311719A
公开(公告)日：2022-11-08
申请号：CN202210964078.X
申请日：2022-08-11
Applicant: 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阶注意力机制融合的人脸属性识别算法，该算法包括：响应于人脸检测方法和人脸对齐方法，获取图像中的完整人脸区域，并输出人脸图像；将获取的人脸图像输入至卷积神经网络模型中，进一步提取该人脸图像的若干图像特征进行训练并处理；以及同时将获取的人脸图像的图像特征输入至多阶注意力机制融合网络模型中进行训练和处理；完成对该人脸图像的属性识别。通过在卷积神经网络的基础上引入了多阶注意力机制融合网络，利用Transformer构建全局特性信息的能力，学习图像所有的面部属性信息，利用卷积神经网络强大的特征信息提取能力和多阶注意力机制融合网络建模全局特性信息的能力，提升了算法对面部多种属性的识别能力。
-
公开(公告)号：CN115272678A
公开(公告)日：2022-11-01
申请号：CN202210931871.X
申请日：2022-08-04
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06V10/26 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明给出了一种异图拼接检测方法和系统，包括构造数据集，数据集包括前景数据集和背景数据集，基于前景数据集和背景数据集随机组合异图拼接数据集；对异图拼接数据集进行高斯模糊与质量随机变换处理，随机形成训练集、验证集和测试集；构造深度语义分割模型，深度语义分割模型结合自注意力机制与局部递归UNET，利用训练集训练深度语义分割模型，其中，代价函数为Tversky Loss和Focal Loss之和，完成训练后通过简单平均法融合最终模型结果；利用最终模型结果进行异图拼接检测。该异图拼接检测方法具有提升识别率明显、精度高，结果直观的优点。
-
公开(公告)号：CN113591936B
公开(公告)日：2022-09-09
申请号：CN202110779118.9
申请日：2021-07-09
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明涉及一种车辆姿态估计方法、终端设备及存储介质，该方法中包括：S1：采集包含车辆的图像，并对图像中车辆对应的姿态和车辆目标的边界框进行标注，将标注后的图像组成训练集；S2：构建基于YOLOv2网络的车辆姿态估计模型，通过训练集对车辆姿态估计模型进行训练；S3：通过训练后的车辆姿态估计模型对车辆姿态和车辆目标进行估计。本发明可以和智能交通系统的检测任务融合为一个主干网络，具有较好的泛化性，不需要额外设计负责车辆姿态估计的网络结构，只需要修改检测器的输入和输出就能实现这种车辆姿态估计，在现实场景中具有较强的应用，且减少了硬件设施的消耗。
-
-
-
-
-
-
-
-
-
Search Results
139
records
(took 0.039 seconds)
