公开(公告)号：CN116152923A

公开(公告)日：2023-05-23

申请号：CN202310065402.9

申请日：2023-01-13

Applicant: 厦门市美亚柏科信息股份有限公司

Inventor： 林修明 ,  魏超 ,  张李钦 ,  朱海勇 ,  欧阳天 ,  张凤

IPC: G06V40/20 ,  G06V10/62 ,  G06V20/52 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明提出了一种适用于夜间的目标重识别的方法，该方法包括如下步骤：对标准化流模块进行训练；进一步通过标准化流模块进行预处理生成所述低光照训练集Xl；收集并获取训练集，所述训练集包括原始训练集X以及低光照训练集Xl；通过reid网络对所述训练集中的图片样本数据进行特征识别。本发明的技术方案针对夜间图片采集的不利干扰，在正常识别网络之外引入标准化流模块对原始采集图片进行低光照增强，通过该模块有效提高了重识别网络对于低光照图片的识别能力，为实现夜间条件下的目标重识别提供了一种行之有效的技术方案。

公开(公告)号：CN114266997B

公开(公告)日：2025-05-13

申请号：CN202111591869.4

申请日：2021-12-23

Applicant: 厦门市美亚柏科信息股份有限公司

Inventor： 林修明 ,  王兵 ,  朱海勇 ,  林海 ,  阎辰佳 ,  张李钦

IPC: G06V20/40 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开一种视频动作识别模型的训练方法、装置、计算设备及存储介质，该方法包括：按预设的采样策略对样本视频进行采样，得到至少两个图片序列，每个所述图片序列包括从所述样本视频采集的按时序排列的多帧图片；通过R(2+1)D网络对所述图片序列进行特征提取，得到所述样本视频的视频序列特征；将所述视频序列特征输入多标签分类模块进行处理得到视频动作分类结果，并基于所述视频动作分类结果计算损失函数；根据所述损失函数的计算结果调整所述R(2+1)D网络和多标签分类模块，得到目标视频动作识别模型。根据本发明实施例可以有效解决动作识别任务同一输入视频多个类别同时出现导致难以归类的问题，而且对较长的视频输入也可以有效识别。

公开(公告)号：CN115908921A

公开(公告)日：2023-04-04

申请号：CN202211457173.7

申请日：2022-11-21

Applicant: 厦门市美亚柏科信息股份有限公司

Inventor： 周成祖 ,  林修明 ,  陈子沣 ,  张李钦 ,  黄荣昌 ,  吴玉国

IPC: G06V10/764 ,  G06V10/774 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请提出了一种应对标签标注不完整的多标签分类的方法及装置，该方法包括以下步骤：S1、获取验证集和训练集，并且将验证集中的每张图片均人工标记上多个类别标签；以及S2、基于训练集和总损失函数训练多标签分类模型，其中，总损失函数包括正标签损失函数、负标签损失函数以及未标记标签损失函数；以及S3、基于验证集和再平衡参数计算获得未标记标签损失函数；以及S4、最终获得训练完成的多标签分类模型。本申请通过利用少部分标注完整的验证集来指导纠正大型多标签训练集中的标签标注不完整部分损失函数的计算，有效地节约了人工标记成本并提升了多标签分类任务的准确率。

公开(公告)号：CN115758148A

公开(公告)日：2023-03-07

申请号：CN202211456763.8

申请日：2022-11-21

Applicant: 厦门市美亚柏科信息股份有限公司

Inventor： 林修明 ,  张李钦 ,  陈帅 ,  吴文 ,  林文楷 ,  陈财

IPC: G06F18/214 ,  G06F18/2431 ,  G06F18/2415 ,  G06N3/0985

Abstract: 本申请提出了一种利用单标签数据训练多标签模型的方法及装置，该方法包括以下步骤：S1、获取多标签数据集，多标签数据集包括初始正样本、初始负样本以及未标注样本；S2、基于混合模型判断未标注样本是否属于负样本，若属于则将未标注样本视为第一负样本，由第一负样本和初始负样本组成待训练负样本集；S3、基于二值交叉熵损失函数对初始正样本进行增强处理，获得待训练正样本集；以及S4、基于待训练负样本集和待训练正样本集训练神经网络模型，最终获得多标签模型。可以利用单标签数据集来完成多标签分类任务的训练，有效地节约了人工标记成本，在实际项目中可以实现多标签分类任务快速启动，也有利于下一步的模型优化。

公开(公告)号：CN114266997A

公开(公告)日：2022-04-01

申请号：CN202111591869.4

申请日：2021-12-23

Applicant: 厦门市美亚柏科信息股份有限公司

Inventor： 林修明 ,  王兵 ,  朱海勇 ,  林海 ,  阎辰佳 ,  张李钦

IPC: G06V20/40 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种视频动作识别模型的训练方法、装置、计算设备及存储介质，该方法包括：按预设的采样策略对样本视频进行采样，得到至少两个图片序列，每个所述图片序列包括从所述样本视频采集的按时序排列的多帧图片；通过R(2+1)D网络对所述图片序列进行特征提取，得到所述样本视频的视频序列特征；将所述视频序列特征输入多标签分类模块进行处理得到视频动作分类结果，并基于所述视频动作分类结果计算损失函数；根据所述损失函数的计算结果调整所述R(2+1)D网络和多标签分类模块，得到目标视频动作识别模型。根据本发明实施例可以有效解决动作识别任务同一输入视频多个类别同时出现导致难以归类的问题，而且对较长的视频输入也可以有效识别。

公开(公告)号：CN113920353B

公开(公告)日：2022-07-29

申请号：CN202111300505.6

申请日：2021-11-04

Applicant: 厦门市美亚柏科信息股份有限公司

Inventor： 齐战胜 ,  钟敏 ,  张李钦 ,  王志豪 ,  林淑强 ,  翟永强

IPC: G06V10/762 ,  G06V40/16 ,  G06V10/74 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种无监督的人脸图像二次聚类方法、装置及存储介质，该方法包括：对获取的n张人脸图像计算相似度矩阵和图像质量分数，并基于图像质量分数对相似度矩阵进行调整，基于调整后的相似度矩阵对n张人脸图像进行初次聚类得到初次聚类结果；基于所述聚类结果中的每个簇中的图像数量分为离散簇和聚集簇；在选出每个簇的代表元后，利用并查集算法先将满足条件的离散簇合并至聚集簇，再进行聚集簇之间的合并，得到二次聚类后的人脸图像。本发明创造性地提出了二次聚类的方式，在前后两次聚类中使用不同的相似度阈值，逐步求精；并且在聚类过程，针对聚类样本/聚类簇的特点对相似度计算作精细调整，最终实现高精确率和高归档率的人脸聚类。

公开(公告)号：CN113920353A

公开(公告)日：2022-01-11

申请号：CN202111300505.6

申请日：2021-11-04

Applicant: 厦门市美亚柏科信息股份有限公司

Inventor： 齐战胜 ,  钟敏 ,  张李钦 ,  王志豪 ,  林淑强 ,  翟永强

IPC: G06V10/762 ,  G06V40/16 ,  G06V10/74 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种无监督的人脸图像二次聚类方法、装置及存储介质，该方法包括：对获取的n张人脸图像计算相似度矩阵和图像质量分数，并基于图像质量分数对相似度矩阵进行调整，基于调整后的相似度矩阵对n张人脸图像进行初次聚类得到初次聚类结果；基于所述聚类结果中的每个簇中的图像数量分为离散簇和聚集簇；在选出每个簇的代表元后，利用并查集算法先将满足条件的离散簇合并至聚集簇，再进行聚集簇之间的合并，得到二次聚类后的人脸图像。本发明创造性地提出了二次聚类的方式，在前后两次聚类中使用不同的相似度阈值，逐步求精；并且在聚类过程，针对聚类样本/聚类簇的特点对相似度计算作精细调整，最终实现高精确率和高归档率的人脸聚类。