-
公开(公告)号：CN118053193B
公开(公告)日：2024-07-26
申请号：CN202410452352.4
申请日：2024-04-16
Applicant: 中国移动紫金(江苏)创新研究院有限公司 , 中国移动通信集团江苏有限公司 , 中国移动通信集团有限公司
IPC: G06V40/16 , G06V20/59 , G06V10/25 , G06V10/774 , G06V10/82 , G06V10/766
Abstract: 本发明公开了一种车载终端人脸比对方法、装置、设备、存储介质及产品，该方法通过车载设备采集待检人脸图像，并对所述待检人脸图像进行人脸检测；根据人脸检测结果和经过卷积层更新的初始人脸识别网络进行特征赋权重，得到人脸特征图像；将所述人脸特征图像抽象转化为人脸特征向量，并根据所述人脸特征向量与预先存储的后台人脸数据进行人脸比对。通过这种方式，实现了在人脸特征抽取过程中为特征赋权重，使模型对人脸能够对重要特征更敏感，提高模型针对重要特征的抽取能力，同时减弱噪声和异常值对模型特征抽取的影响，提高模型鲁棒性。
-
公开(公告)号：CN118097748A
公开(公告)日：2024-05-28
申请号：CN202410218758.6
申请日：2024-02-27
Applicant: 中国移动紫金(江苏)创新研究院有限公司 , 中国移动通信集团江苏有限公司 , 中国移动通信集团有限公司
Abstract: 本发明公开了一种动态人脸识别方法、装置、设备、存储介质及计算机程序产品，涉及人脸识别技术领域，动态人脸识别方法包括：基于包含人脸的待认证图像获取待认证图像的目标特征编码，并获取各授权名称信息各自对应的授权特征编码；确定目标特征编码分别与各授权特征编码之间的目标欧氏距离；若各目标欧氏距离满足预设的检测规则，则将各授权名称信息中的目标名称信息作为目标元素存入预设的目标缓存栈中；将基于新的待认证图像得到的新的目标元素存入目标缓存栈中，在目标缓存栈栈满时，基于目标缓存栈中的各目标元素确定当前的目标预测结果。通过上述方法能够自动对来访人员进行人脸识别认证，提高了来访人员身份认证的效率。
-
公开(公告)号：CN118053193A
公开(公告)日：2024-05-17
申请号：CN202410452352.4
申请日：2024-04-16
Applicant: 中国移动紫金(江苏)创新研究院有限公司 , 中国移动通信集团江苏有限公司 , 中国移动通信集团有限公司
IPC: G06V40/16 , G06V20/59 , G06V10/25 , G06V10/774 , G06V10/82 , G06V10/766
Abstract: 本发明公开了一种车载终端人脸比对方法、装置、设备、存储介质及产品，该方法通过车载设备采集待检人脸图像，并对所述待检人脸图像进行人脸检测；根据人脸检测结果和经过卷积层更新的初始人脸识别网络进行特征赋权重，得到人脸特征图像；将所述人脸特征图像抽象转化为人脸特征向量，并根据所述人脸特征向量与预先存储的后台人脸数据进行人脸比对。通过这种方式，实现了在人脸特征抽取过程中为特征赋权重，使模型对人脸能够对重要特征更敏感，提高模型针对重要特征的抽取能力，同时减弱噪声和异常值对模型特征抽取的影响，提高模型鲁棒性。
-
公开(公告)号：CN118037661A
公开(公告)日：2024-05-14
申请号：CN202410183792.4
申请日：2024-02-18
Applicant: 中国移动紫金(江苏)创新研究院有限公司 , 中国移动通信集团江苏有限公司 , 中国移动通信集团有限公司
IPC: G06T7/00 , G06V10/25 , G06T7/11 , G06V10/764 , G06V10/82
Abstract: 本发明涉及缺陷检测技术领域，并公开了一种轮毂表观缺陷检测方法、装置、设备、存储介质及计算机程序产品，该方法包括：将模板轮毂对应的模板轮毂图像和测试轮毂对应的测试轮毂图像进行对齐，得到待检图像；在待检图像和模板轮毂图像的整体差分图中确定候选缺陷区域；根据候选缺陷区域建立分类数据集，并基于分类数据集对分类模型进行训练；通过训练后的分类模型对待检图像进行轮毂表观缺陷检测。本发明通过对模板轮毂和测试轮毂的图像数据进行对齐和差分，并进一步对差分图进行分析，获取候选缺陷区域，通过捕捉缺陷区域和非缺陷区域之间的差异对候选缺陷区域进行过滤，从而能够在保证检测效率的同时对轮毂表观的小目标缺陷进行准确检测。
-
Patent Agency Ranking
公开(公告)号：CN117671355A
公开(公告)日：2024-03-08
申请号：CN202311645530.7
申请日：2023-12-01
Applicant: 中国移动紫金(江苏)创新研究院有限公司 , 中国移动通信集团江苏有限公司 , 中国移动通信集团有限公司
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06V10/74 , G06T7/00
Abstract: 本申请应用于深度学习技术领域，公开了一种物体缺陷检测优化方法、装置、电子设备及可读存储介质，包括：将第一训练样本输入待训练缺陷检测模型，通过待训练特征提纯模型对第一训练样本进行特征提取得到训练非缺陷特征和训练缺陷特征，将所述训练缺陷特征输入所述待训练分类模型，得到第一分类结果；确定标准非缺陷特征与训练非缺陷特征之间相似度损失、确定训练缺陷特征与训练非缺陷特征之间的余弦损失并基于第一分类标签和第一分类结果确定分类损失；根据相似度损失、余弦损失和分类损失，优化待训练特征提纯模型和待训练分类模型。旨在解决因金属表面有较多光照导致的金属表面缺陷检测的误报率高的技术问题。
-
公开(公告)号：CN117671355B
公开(公告)日：2025-04-25
申请号：CN202311645530.7
申请日：2023-12-01
Applicant: 中国移动紫金(江苏)创新研究院有限公司 , 中国移动通信集团江苏有限公司 , 中国移动通信集团有限公司
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06V10/74 , G06T7/00
Abstract: 本申请应用于深度学习技术领域，公开了一种物体缺陷检测优化方法、装置、电子设备及可读存储介质，包括：将第一训练样本输入待训练缺陷检测模型，通过待训练特征提纯模型对第一训练样本进行特征提取得到训练非缺陷特征和训练缺陷特征，将所述训练缺陷特征输入所述待训练分类模型，得到第一分类结果；确定标准非缺陷特征与训练非缺陷特征之间相似度损失、确定训练缺陷特征与训练非缺陷特征之间的余弦损失并基于第一分类标签和第一分类结果确定分类损失；根据相似度损失、余弦损失和分类损失，优化待训练特征提纯模型和待训练分类模型。旨在解决因金属表面有较多光照导致的金属表面缺陷检测的误报率高的技术问题。
-
公开(公告)号：CN119339077A
公开(公告)日：2025-01-21
申请号：CN202411388446.6
申请日：2024-09-30
Applicant: 中国移动紫金(江苏)创新研究院有限公司 , 中国移动通信集团江苏有限公司 , 中国移动通信集团有限公司
IPC: G06V10/26 , G06V10/764 , G06V10/80
Abstract: 本申请属于图像处理技术领域，公开了一种图像分割方法、装置、设备、存储介质及产品。本申请根据轮毂对应的图像信息确定图像类别特征，然后根据类别文本和图像信息中的RGB图像确定目标文本类别特征，再将图像类别特征和目标文本类别特征进行特征匹配，并根据匹配结果对RGB图像进行图像分割。本申请先根据轮毂对应的图像信息确定图像类别特征，然后根据类别文本和图像信息中的RGB图像确定目标文本类别特征，再将图像类别特征和目标文本类别特征进行特征匹配，相较于现有的难以将深度信息与语义信息结合，本申请能够将图像类别特征和目标文本类别特征相结合，并根据特征匹配结果准确地对轮毂对应的RGB图像进行分割。
-
公开(公告)号：CN118246872A
公开(公告)日：2024-06-25
申请号：CN202410273187.6
申请日：2024-03-08
Applicant: 中国移动紫金(江苏)创新研究院有限公司 , 中国移动通信集团江苏有限公司 , 中国移动通信集团有限公司
Abstract: 本发明涉及数据分析技术领域，公开了一种机房预警方法、装置、设备、存储介质及计算机程序产品，该方法包括：采集机房设备的时间序列数据，根据时间序列数据和ARMA模型生成残差序列，残差序列用于衡量ARMA模型的预测效果，基于残差序列训练BNN模型，通过BNN模型进行数据预测，获得BNN残差预测结果，并通过ARMA模型进行数据预测，获得ARMA预测结果，根据BNN残差预测结果和ARMA预测结果生成组合预测结果，并根据组合预测结果生成机房设备的实时告警和预测性维护告警；本发明集成了BNN与ARMA两种时间序列分析模型，从而提高了预警处理能力，且能够更好地整合设备历史数据，提升预测性维护效果。
-
公开(公告)号：CN118799251A
公开(公告)日：2024-10-18
申请号：CN202410093939.0
申请日：2024-01-23
Applicant: 中国移动通信有限公司研究院 , 中国移动紫金(江苏)创新研究院有限公司 , 中国移动通信集团有限公司
IPC: G06T7/00 , G06N3/0464 , G06V10/44 , G06V10/74 , G06V10/764 , G06V10/762
Abstract: 本发明提供了一种发动机缸盖质检方法、装置及设备，其中，发动机缸盖质检方法，包括：获取待检测发动机缸盖的图像；利用卷积神经网络CNN，根据所述图像，得到图像特征；获取所述图像特征与参考特征之间的距离；根据所述距离以及所述参考特征对应的阈值，确定所述待检测发动机缸盖是否为缺陷件。本方案能够实现对发动机缸盖的自动化质检，且通过利用CNN进行图像特征提取并识别，可以避免人工质检所带来的不确定性大、受环境影响和人员稳定性等问题，从而提高质检效率和准确性，实现更可靠的发动机缸盖质检；很好的解决现有技术中针对发动机缸盖的质检存在效率低、准确性差的问题。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.081 seconds)
