-
公开(公告)号：CN110807456A
公开(公告)日：2020-02-18
申请号：CN201910963395.8
申请日：2019-10-11
Applicant: 上海上湖信息技术有限公司
Abstract: 本发明公开一种定位银行卡卡号位置方法及装置，该方法采用膨胀运算及腐蚀运算对采集到的银行卡图像进行预处理；在预处理后的银行卡图像中提取若干个尺寸相同的子区域，按照由多到少的顺序选出像素点为前m位的子区域；基于预先训练的预测模型，预测m个子区域中各子区域的分数，并根据分数计算各子区域的置信度，将置信度最大的区域作为卡号位置，如此，相对于现有技术中各种预测模型需要处理大量样本的技术方案，本发明基于光学字符识别技术，通过腐蚀运算、膨胀运算、滑窗法等图像处理方法，在初步筛选后获得的样本数量较少，后期通过卷积神经网络模型处理时的处理量较小，处理速度较快，可实现银行卡卡号区域的快速、精准定位，用户体验较佳。
-
公开(公告)号：CN110796485A
公开(公告)日：2020-02-14
申请号：CN201910975598.9
申请日：2019-10-11
Applicant: 上海上湖信息技术有限公司
Abstract: 本发明公开了一种提高预测模型的预测精度的方法及装置，该方法包括：基于随机森林算法使用训练数据训练获取对应的多棵决策树；计算待检测的样本点在多棵决策树中的每颗决策树的高度的平均值；根据平均值计算待检测的样本点的异常概率；将异常概率大于预设阈值的待检测的样本点去除，使用剩余的样本点训练预测模型，获取最终预测模型。本发明通过使用随机森林算法剔除掉样本数据中异常值，然后使用剔除掉异常值的样本数据训练预测模型，提高模型的泛化能力，最终提升预测模型输出的精确度以及可靠性。
-
公开(公告)号：CN110837847A
公开(公告)日：2020-02-25
申请号：CN201910967144.7
申请日：2019-10-12
Applicant: 上海上湖信息技术有限公司
Abstract: 一种用户分类方法及装置、存储介质、服务器，所述方法包括：确定一组样本数据，每个样本数据包括用户特征向量及其关联的自行转化值，自行转化值用于表示用户是否主动执行预设操作；对于一组样本数据中的每一样本数据，将样本数据的用户特征向量映射为更新后用户特征向量，更新后用户特征向量的维度大于所述用户特征向量的维度；利用更新后用户特征向量及其关联的自行转化值，训练得到用户转化模型，用户转化模型用于计算用户执行所述预设操作的概率；基于待检测数据的用户特征向量和所述用户转化模型，确定待检测数据所属用户的类别，所述类别包括主动转化类型和被动转化类型。本发明技术方案可以提高营销场景下的沉淀用户的转化率。
-
公开(公告)号：CN110751071A
公开(公告)日：2020-02-04
申请号：CN201910967124.X
申请日：2019-10-12
Applicant: 上海上湖信息技术有限公司
Abstract: 一种人脸识别方法及装置、存储介质、计算设备，所述人脸识别方法包括：获取第一人脸图片和第二人脸图片；基于尺度不变特征变换算法，提取所述第一人脸图片和第二人脸图片的特征，以得到所述第一人脸图片和第二人脸图片各自的特征向量；根据所述特征向量判断所述第一人脸图片和第二人脸图片的相似度；比较所述相似度和预设阈值，以确定所述第一人脸图片和第二人脸图片是否为同一人脸图片。通过本发明提供的技术方案，可以得到更加精准地人脸比对结果。
-
Patent Agency Ranking
公开(公告)号：CN110807452A
公开(公告)日：2020-02-18
申请号：CN201910963721.5
申请日：2019-10-11
Applicant: 上海上湖信息技术有限公司
Abstract: 本发明公开一种预测模型构建方法、装置、系统及银行卡卡号识别方法，属于计算机技术领域。预测模型构建方法包括：获取银行卡的银行卡样本图像并对银行卡样本图像进行计算处理以得到候选区域；将银行卡样本图像以及候选区域输入一Fast-R-CNN模型，根据预设的分类标签、与分类标签对应的回归位置以及Fast-R-CNN模型输出的分类预测结果、与分类预测结果对应的回归位置预测结果对Fast-R-CNN模型进行训练，将训练后的Fast-R-CNN模型确定为预测模型。本发明不同于大多数OCR的方法，无需额外进行字符分割、图像处理等工作，是一种端到端的方法，可以避免图像切割等过程带来的识别误差。
-
公开(公告)号：CN110796146A
公开(公告)日：2020-02-14
申请号：CN201910963018.4
申请日：2019-10-11
Applicant: 上海上湖信息技术有限公司
Abstract: 本发明公开一种银行卡卡号识别方法、模型训练方法及装置，该方法通过将银行卡卡号区域图像进行切割获得单个卡号字符区域图片，按序通过预先训练好的分类模型将每一单个卡号字符区域图片按照0～9及背景进行分类，并剔除背景类图片，最后按序输出分类结果以完成银行卡卡号的识别，其针对切割后的单个银行卡字符进行识别，在分类过程中干扰较小，分类精度较高，并且，模型在进行分类时，有效剔除了背景类图片，以确保所获得的分类结果均位于0～9之间，并不包括非数字部分，由此进一步提高识别精度，用户体验较佳；另外，其在模型训练时，通过小量样本，基于现有卷积网络模型，通过迁移学习来训练分类模型，训练过程简单，且获得的模型精度高，稳定性佳。
-
公开(公告)号：CN110414714B
公开(公告)日：2022-05-20
申请号：CN201910574968.8
申请日：2019-06-28
Applicant: 上海上湖信息技术有限公司
Abstract: 一种逾期事件的回款概率预测方法及装置、可读存储介质，所述逾期时间的回款概率预测方法包括：获取逾期时长处于预设第一时间段的目标逾期事件的特征信息，所述特征信息包括以下至少一种：所述目标逾期事件的历史还款信息、所述目标逾期事件的催收信息、所述目标逾期事件的催收反馈；基于所述目标逾期事件的特征信息，采用回款预测模型预测所述目标逾期事件的回款概率。采用上述方案，能够提高目标逾期时间的回款催收效率。
-
公开(公告)号：CN110766026A
公开(公告)日：2020-02-07
申请号：CN201910964463.2
申请日：2019-10-11
Applicant: 上海上湖信息技术有限公司
Abstract: 本发明提供一种快速识别卡号的方法及装置、模型训练方法及装置，通过深度卷积神经网络对待识别的卡片图像进行特征提取，获得与卡片图像相应的特征图；根据第一预设单位长度，沿卡号长度方向将特征图垂直切分成n个图片；将n个图片输入训练好的预测模型进行预测，输出待识别卡片图像的卡号数据；其中，预测模型为基于Bi-LSTM网络结构预先训练获得，该方法相较传统的卡片OCR技术，不需要对卡号预先切割进行单个逐一识别，而是通过基于Bi-LSTM网络结构构建的模型，通过该预测模型对全局信息进行抓取，从而基于深度卷积网络处理后获取的卡片图像的特征图，进行卡号识别，该方法支持不定长卡号的识别，不仅对卡号识别时精度较高，并且速度较快，用户体验较佳。
-
公开(公告)号：CN110414714A
公开(公告)日：2019-11-05
申请号：CN201910574968.8
申请日：2019-06-28
Applicant: 上海上湖信息技术有限公司
Abstract: 一种逾期事件的回款概率预测方法及装置、可读存储介质，所述逾期时间的回款概率预测方法包括：获取逾期时长处于预设第一时间段的目标逾期事件的特征信息，所述特征信息包括以下至少一种：所述目标逾期事件的历史还款信息、所述目标逾期事件的催收信息、所述目标逾期事件的催收反馈；基于所述目标逾期事件的特征信息，采用回款预测模型预测所述目标逾期事件的回款概率。采用上述方案，能够提高目标逾期时间的回款催收效率。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.018 seconds)
