-
公开(公告)号：CN117576706A
公开(公告)日：2024-02-20
申请号：CN202311667648.X
申请日：2023-12-06
Applicant: 中移动信息技术有限公司 , 中国移动通信集团有限公司
IPC: G06V30/32 , G06V30/146 , G06V30/164 , G06V30/19 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明属于图像识别领域，公开了一种图像数字识别方法、装置、设备及存储介质。该方法包括：将待识别图像输入至预设第一识别模型，得到预设第一识别模型输出的第一识别结果，预设第一识别模型用于识别待识别图像中的清晰数字；将第一识别结果输入至预设第二识别模型，得到预设第二识别模型输出的第二识别结果，预设第二识别模型用于识别待识别图像中的模糊数字；根据第一识别结果中的清晰数字信息和第二识别结果中的模糊数字信息确定待识别图像的数字识别结果。由于本发明是通过预设第一识别模型和预设第二识别模型进行图像数字识别，相对于现有的仅通过卷积神经网络模型进行图像数字识别的方式，本发明上述方式能够提高图像中数字的识别效率。
-
公开(公告)号：CN116301828A
公开(公告)日：2023-06-23
申请号：CN202310184247.2
申请日：2023-02-20
Applicant: 中移动信息技术有限公司 , 中国移动通信集团有限公司
Abstract: 本申请实施例公开了一种应用生成方法、装置、设备、介质及程序产品。其中，方法包括：响应于用户设备的第一选择输入，从多个预设组件中确定与第一选择输入对应的至少一个目标组件；通过低代码开发平台对目标组件进行封装，得到封装后的组件；基于封装后的组件，生成应用。本申请实施例能够提升企业应用的开发效率。
-
公开(公告)号：CN115858906A
公开(公告)日：2023-03-28
申请号：CN202211675141.4
申请日：2022-12-26
Applicant: 中移动信息技术有限公司 , 中国移动通信集团有限公司
IPC: G06F16/953 , G06F16/36
Abstract: 本申请公开了一种企业搜索方法、装置、设备、计算机存储介质及程序。该方法包括：确定搜索任务对应的企业知识图谱；从企业知识图谱的索引表中确定包含关键词的目标检索索引，索引表中包含多条检索索引，每条检索索引均包含关键词和关键词索引的数据库位置；将目标检索索引输入预先训练好的事件搜索模型，以使事件搜索模型按照最短路径从关键词索引的数据库位置中检索与关键词相关的数据；将与关键词相关的数据作为搜索任务对应的搜索结果进行输出。根据本申请实施例，基于企业信息构建企业知识图谱从而实现了企业信息的整理分类，而基于企业知识图谱进行企业搜索可以提高企业搜索的时效性、准确性，从而提高企业搜索的效率。
-
公开(公告)号：CN119441493A
公开(公告)日：2025-02-14
申请号：CN202411679018.9
申请日：2024-11-21
Applicant: 中移动信息技术有限公司 , 中国移动通信集团有限公司
IPC: G06F16/353 , G06F40/289 , G06N3/088 , G06F18/214 , G06F18/21 , G06F16/36 , G06F18/22
Abstract: 本申请公开了一种业务报文处理方法、设备、存储介质以及程序产品，涉及数据处理技术领域，所述业务报文处理方法，包括：获取原始业务报文数据；对所述原始业务报文数据进行文本向量化处理，得到向量化后的业务报文数据；基于预先训练的大模型，对所述向量化后的业务报文数据进行标签预测，得到标签化处理后的业务报文数据，其中，所述预先训练的大模型是根据由无监督分词算法、预训练的词嵌入模型以及堆栈逆向追溯算法所生成的标注数据集训练得到的。本申请通过上述方案，能够实现对业务报文数据中业务信息的精准识别，并有效提高业务报文处理的效率。
-
公开(公告)号：CN119131263A
公开(公告)日：2024-12-13
申请号：CN202411303532.2
申请日：2024-09-18
Applicant: 中移动信息技术有限公司 , 中国移动通信集团有限公司
Abstract: 本申请公开了一种三维模型生成方法、装置、设备、存储介质及产品，涉及计算机技术领域，所述三维模型生成方法包括：在对目标物体进行扫描后，得到待处理的高面数模型，所述高面数模型为包括多个多边形面的模型；对所述高面数模型进行减面处理，得到处理后的第一模型；对预设基础色贴图的亮度以及饱和度进行调整处理，得到第一贴图，并将所述第一模型与所述第一贴图相融合，得到目标三维模型。本申请提高三维模型在低性能的设备上的加载速度。
-
Patent Agency Ranking
公开(公告)号：CN119048332A
公开(公告)日：2024-11-29
申请号：CN202411025334.4
申请日：2024-07-29
Applicant: 中移动信息技术有限公司 , 中国移动通信集团有限公司
IPC: G06T1/60 , G06T19/20 , G06T19/00 , G06F3/04815 , G06F3/04845 , G06F3/04847
Abstract: 本申请公开了一种虚拟对象的操控方法、装置、设备、存储介质及程序产品，涉及基础设施和信息技术支撑领域。该虚拟对象的操控方法包括：获取目标实体对象的第一显示元素，第一显示元素为对目标实体对象的特征进行描述的元素；利用第一显示元素，在目标界面上构建出与目标实体对象相对应的目标虚拟对象；获取目标实体对象在目标时刻的第一行为状态，第一行为状态包括目标实体对象的位置以及运动状态中的至少一种；利用目标实体对象与目标虚拟对象之间的关联映射关系，将目标虚拟对象在目标时刻的行为状态更新至第一行为状态。本申请实施例能够提高虚拟对象的可操控性。
-
公开(公告)号：CN118885350A
公开(公告)日：2024-11-01
申请号：CN202410912330.1
申请日：2024-07-09
Applicant: 中移动信息技术有限公司 , 中国移动通信集团有限公司
Abstract: 本申请实施例公开了一种接口调用结果确定方法、装置、设备、介质及程序产品。其中，方法包括：获取目标接口调用的第一返回报文，第一返回报文包括目标接口调用在目标时间的返回报文；从第一返回报文中提取第一结果编码；在第一结果编码不符合预先确定的调用成功编码判断条件的情况下，提取第一返回报文的编码解释字段；对第一返回报文的编码解释字段进行语义分析，得到第一语义向量；通过大语言模型对第一语义向量进行处理，得到第一返回报文对应的第一目标接口调用结果，第一目标接口调用结果包括目标接口调用失败以及失败类型。本申请实施例能够准确、高效地确定接口调用结果，从而有利于提升接口调用分析的准确度以及效率。
-
公开(公告)号：CN116963472A
公开(公告)日：2023-10-27
申请号：CN202310967199.4
申请日：2023-08-02
Applicant: 中移动信息技术有限公司 , 中国移动通信集团有限公司
Abstract: 本发明公开一种屏幕散热装置及显示装置，屏幕散热装置包括出风部以及吸风部，出风部用以设置于屏幕显示侧，出风部形成有出风口，吸风部用以设于屏幕的显示侧，出风部形成有吸风口，其中，气流自出风口吹出，并自吸风口吸入，以在所屏幕的显示侧形成覆盖屏幕的风幕，通过设置出风口主动出风，并通过设置吸风口加压吸风，使得屏幕显示侧的气流能够在屏幕的显示侧流动，以在屏幕的显示侧形成风幕，既能够将屏幕隔离，以免屏幕产生的热量影响室内温度，又能够将屏幕产生的热空气及时吸走，以免热空气外溢，以便及时带走屏幕的热量，从而有助于提升屏幕散热装置的隔热效果和散热效果。
-
公开(公告)号：CN119473607A
公开(公告)日：2025-02-18
申请号：CN202411571650.1
申请日：2024-11-05
Applicant: 中移动信息技术有限公司 , 中国移动通信集团有限公司
Abstract: 本申请公开了一种元宇宙资源调度方法、装置、设备、介质及产品，该方法包括：利用预先训练的图神经网络模型进行资源需求预测，并基于生成的资源需求预测值制定第一资源分配策略；利用所述图神经网络模型对资源使用数据进行分析，根据分析结果对第一资源分配策略进行动态调整，更新得到第二资源分配策略。本申请利用图神经网络的自学习和自适应能力，根据实时监测的动态资源使用数据进行分析和调整，动态调整资源分配策略，确保在资源需求突发增长或变化时仍能维持系统的稳定性能。
-
公开(公告)号：CN118916817A
公开(公告)日：2024-11-08
申请号：CN202411150861.8
申请日：2024-08-21
Applicant: 中移动信息技术有限公司 , 中国移动通信集团有限公司
IPC: G06F18/2433 , G06F18/23 , G06F11/30 , G06F123/02
Abstract: 本申请公开了一种异常检测方法、模型训练方法、装置、设备、介质及产品，应用于人工智能领域，该模型训练方法将满足预设要求的业务数据量的时间序列作为训练数据进行模型训练。对数据进行处理得到非周期序列集合以及多个属于周期序列的聚类集合。然后分别基于这些集合，训练数据异常检测模型中对应的序列预测子模型。数据异常检测模型用于根据预测时间序列，确定实际时间序列中不满足预设要求的异常时间点。将用于训练的时间序列分类为多个集合，再基于对应类别的序列集合训练对应的子模型，在后续检测异常时，可针对不同场景下的历史数据，选择更合适的子模型，从而得到更加准确的预测时间序列，进而保证了异常检测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.052 seconds)
