视频片段检索方法、装置、电子设备和可读存储介质

    公开(公告)号:CN113254716B

    公开(公告)日:2022-05-24

    申请号:CN202110577336.4

    申请日:2021-05-26

    Abstract: 本公开提供了一种视频片段检索方法、装置、电子设备和计算机可读存储介质,涉及视频检索技术领域。其中,视频片段检索方法包括:在候选视频的语义空间中查询查询语句的多个相似语句;基于多个相似语句分别构建图神经网络,得到多个图神经网络;基于检测距离对多个图神经网络进行排序,生成网络序列;将相邻的上一图神经网络的第一知识信息知识迁移至下一图神经网络中,得到对应的节点更新特征和边更新特征;基于节点更新特征得到下一图神经网络进行知识迁移后的第二知识信息,直至得到尾部更新网络;计算尾部更新网络中与相似语句节点相连的边更新特征的置信度;得到视频片段的检索结果。通过本公开的技术方案,有利于提高对视频片段的检索性能。

    视频片段检索方法、装置、电子设备和可读存储介质

    公开(公告)号:CN113254716A

    公开(公告)日:2021-08-13

    申请号:CN202110577336.4

    申请日:2021-05-26

    Abstract: 本公开提供了一种视频片段检索方法、装置、电子设备和计算机可读存储介质,涉及视频检索技术领域。其中,视频片段检索方法包括:在候选视频的语义空间中查询查询语句的多个相似语句;基于多个相似语句分别构建图神经网络,得到多个图神经网络;基于检测距离对多个图神经网络进行排序,生成网络序列;将相邻的上一图神经网络的第一知识信息知识迁移至下一图神经网络中,得到对应的节点更新特征和边更新特征;基于节点更新特征得到下一图神经网络进行知识迁移后的第二知识信息,直至得到尾部更新网络;计算尾部更新网络中与相似语句节点相连的边更新特征的置信度;得到视频片段的检索结果。通过本公开的技术方案,有利于提高对视频片段的检索性能。

    视频片段检索方法、装置、介质与电子设备

    公开(公告)号:CN113128431B

    公开(公告)日:2022-08-05

    申请号:CN202110448436.7

    申请日:2021-04-25

    Abstract: 本公开提供一种视频片段检索方法、装置、介质与电子设备。其中,视频片段检索方法包括:将原始视频分割为多个候选片段;提取每个所述候选片段的视觉特征;在获取到查询语句时,解析所述查询语句中的语义特征;将所述语义特征与所述候选片段的视觉特征进行融合,得到所述候选片段的融合特征;基于所述融合特征从所述多个候选片段中检索与所述查询语句匹配的视频片段。通过本公开实施例提供的技术方案,将视觉特征和语义特征进行融合得到融合特征,实现使文本与视觉结构之间互相增强以及相互补充,进一步基于融合特征从候选片段中检索与查询预计匹配的视频片段,有利于提升视频片段检索的精度。

    视频片段检索方法、装置、介质与电子设备

    公开(公告)号:CN113128431A

    公开(公告)日:2021-07-16

    申请号:CN202110448436.7

    申请日:2021-04-25

    Abstract: 本公开提供一种视频片段检索方法、装置、介质与电子设备。其中,视频片段检索方法包括:将原始视频分割为多个候选片段;提取每个所述候选片段的视觉特征;在获取到查询语句时,解析所述查询语句中的语义特征;将所述语义特征与所述候选片段的视觉特征进行融合,得到所述候选片段的融合特征;基于所述融合特征从所述多个候选片段中检索与所述查询语句匹配的视频片段。通过本公开实施例提供的技术方案,将视觉特征和语义特征进行融合得到融合特征,实现使文本与视觉结构之间互相增强以及相互补充,进一步基于融合特征从候选片段中检索与查询预计匹配的视频片段,有利于提升视频片段检索的精度。

    图像合成模型的训练方法、装置与电子设备

    公开(公告)号:CN113065585A

    公开(公告)日:2021-07-02

    申请号:CN202110308488.4

    申请日:2021-03-23

    Inventor: 姚寒星 王锦申

    Abstract: 本公开提供一种图像合成模型的训练方法、装置与电子设备,训练方法包括:对第一灰度图像样本和第二灰度遮罩图像样本进行合成处理,以获得合成图像样本;将采样图像样本数据输入至卷积神经网络进行训练,输出为单应性变换矩阵;根据单应性变换矩阵对第一灰度图像样本进行变换,以得第一灰度变换图像样本;确定第一灰度变换图像样本的第i个索引位置的第一像素值,第二灰度遮罩图像样本的第i个索引位置的第二像素值,并确定较大值;根据第一像素值、第二像素值和第二灰度遮罩图像样本的全部索引位置的像素值确定卷积神经网络的训练损失,并调整配置参数。通过本公开实施例,提升了单应性变换参数估计的准确性、图像合成的可靠性和适用性。

    一种人像识别方法及系统
    6.
    发明公开

    公开(公告)号:CN112836557A

    公开(公告)日:2021-05-25

    申请号:CN201911168642.1

    申请日:2019-11-25

    Abstract: 本发明公开了一种人像识别方法及系统,应用于具有AI边缘计算功能的AR智能眼镜,包括:A、对佩戴者视野内的视频流信息进行实时多次检测,以获取人像信息;其中,对于每一人像信息为实时快速多次获取的多份人像信息;B、对所述人像信息进行人像特征提取,并将其存储至智能眼镜端的临时数据栈中;C、将智能眼镜端的临时数据栈中存储的人像特征进行相似性比对,并进行择优去重处理;D、将择优去重处理之后的人像特征与在智能眼镜端的本地数据库中存储的目标人像特征进行比对,以进行目标人像识别;E、将识别结果在眼镜端和\或与眼镜端有线\无线连接的其他终端进行展示。由上,本申请通过择优去重处理可以减少数据重复冗余,之后再进行数据比对,且在眼镜端可以进行数据的比对,以提高人像识别效率。

    多尺度轻量级人脸检测模型的构建方法及基于该模型的人脸检测方法

    公开(公告)号:CN108647668A

    公开(公告)日:2018-10-12

    申请号:CN201810490357.0

    申请日:2018-05-21

    Inventor: 姚寒星 盛文娟

    Abstract: 本发明公开了一种多尺度轻量级人脸检测模型的构建方法及基于该模型的人脸检测方法,其特征在于,包括:A、基于分离式反走样卷积和通道池化技术,构建轻量化的特征金字塔网络模块,并将所述特征金字塔网络模块接入到轻量级人脸检测卷积神经网络模型中,形成多尺度轻量级人脸检测模型;B、获取指定数量的标记有人脸位置和尺寸的人脸数字图像作为训练数据集,并利用所述训练数据集对所述多尺度轻量级人脸检测模型进行迭代训练,以获取训练后的多尺度轻量级人脸检测模型。由上,本申请能够实现在提升对人脸检测的准确度的同时,还可以有效减少检测模型的规模,以适应资源有限的嵌入式平台的人脸检测任务。

    图像合成模型的训练方法、装置与电子设备

    公开(公告)号:CN113065585B

    公开(公告)日:2021-12-28

    申请号:CN202110308488.4

    申请日:2021-03-23

    Inventor: 姚寒星 王锦申

    Abstract: 本公开提供一种图像合成模型的训练方法、装置与电子设备,训练方法包括:对第一灰度图像样本和第二灰度遮罩图像样本进行合成处理,以获得合成图像样本;将采样图像样本数据输入至卷积神经网络进行训练,输出为单应性变换矩阵;根据单应性变换矩阵对第一灰度图像样本进行变换,以得第一灰度变换图像样本;确定第一灰度变换图像样本的第i个索引位置的第一像素值,第二灰度遮罩图像样本的第i个索引位置的第二像素值,并确定较大值;根据第一像素值、第二像素值和第二灰度遮罩图像样本的全部索引位置的像素值确定卷积神经网络的训练损失,并调整配置参数。通过本公开实施例,提升了单应性变换参数估计的准确性、图像合成的可靠性和适用性。

    目标检测方法及装置、电子设备和存储介质

    公开(公告)号:CN113344003B

    公开(公告)日:2021-11-02

    申请号:CN202110895232.8

    申请日:2021-08-05

    Abstract: 本发明提供一种目标检测方法及装置、电子设备和存储介质。目标标检测方法通过将待检测图像分别按照第一缩放系数和第二缩放系数进行缩放,得到对应的第一缩放图像和第二缩放图像。随后将所述第一缩放图像和第二缩放图像输入至目标检测模型的编码器进行编码处理,得到输出的编码向量。最后将所述编码向量输入至所述目标检测模型的解码器进行解码处理得到输出的解码向量,通过构建完整的编码—解码的端到端的目标检测模型,避免了CNN固有的平移同变性、局部性等归纳偏置的影响,有利于提升目标检测的效果。

    增强的人脸检测方法、装置及电子设备

    公开(公告)号:CN110414372A

    公开(公告)日:2019-11-05

    申请号:CN201910608863.X

    申请日:2019-07-08

    Abstract: 本申请实施例公开了一种增强的人脸检测方法、装置及电子设备,其中的增强的人脸检测方法包括:对目标图像进行初步人脸检测,得到该目标图像对应的一个或者多个识别区域;应用预设的判别网络判断所述识别区域中是否包含有人脸图像,若是,则在所述目标图像中对包含有所述图像人脸的识别区域进行标记,其中,所述判别网络为一种应用预设的低分辨图像转化超分辨图像的处理过程以及预设的针对所述超分辨图像的真实度判断过程进行交互训练得到的卷积神经网络。本申请能够在不增加误检率的基础上检测到图像中的极小人脸,能够有效提高人脸检测过程的可靠性和人脸检测结果的准确性。

Patent Agency Ranking