-
公开(公告)号：CN114445436B
公开(公告)日：2025-04-11
申请号：CN202111628161.1
申请日：2021-12-28
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06T7/13 , G06T5/20 , G06T5/70 , G06N3/0464
Abstract: 本发明公开了一种目标检测的方法、装置以及存储介质。所述方法包括：获取待检测图像；对待检测图像进行边缘检测处理，得到第一图像；通过预设的特征提取网络对待检测图像进行处理，得到待检测图像的第二图像，使用第一图像对第二图像进行处理，增强第二图像的边缘特征；预设的特征提取网络包含特征降噪模块，使用特征降噪模块对增强边缘特征的第二图像进行降噪处理；使用预设的特征提取网络对降噪处理后的第二图像进行处理，得到图像特征，将图像特征输入预设的目标检测网络，得到目标类别和目标框。本发明提供的一种目标检测的方法和装置，能够提升基于深度学习神经网络的特征提取网络的特征提取能力，以及目标检测网络的目标检测能力。
-
公开(公告)号：CN114283472B
公开(公告)日：2024-10-15
申请号：CN202111554032.2
申请日：2021-12-17
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本申请提供了一种基于光流估计的人脸图像美颜检测方法及系统，该方法包括：对待处理的人脸图像进行裁剪获得人脸区域图像，对人脸区域图像进行变形处理获得人脸变形图像，将人脸区域图像和人脸变形图像输入光流提取网络中；分别提取人脸区域图像和人脸变形图像的特征进行融合，使用反卷积网络对特征融合后的图像进行光流提取，获得光流场图像；将待处理人脸图像进行下采样，将下采样图像和待处理图像输入光流场检测网络，进行两层级联特征融合，获得第一特征图、第二特征图和第三特征图并分别计算三张特征图与光流场图像的共同差异，反向传播给光流场检测网络，直至光流场检测网络收敛。根据光流场进行图像复原，能在人脸变形上表现出较好的性能。
-
公开(公告)号：CN114840284B
公开(公告)日：2024-04-23
申请号：CN202111682110.7
申请日：2021-12-31
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06F9/451 , G06F3/0485 , G06F3/0488 , G06F12/02 , G06F11/30
Abstract: 本申请提出了一种用于安卓系统的实现大规模数据连续显示的方法，包括以下步骤：a)在所述触摸设备运行的安卓系统上创建容器类CommonListView，并且监视所设置的容器类CommonListView的滚动；b)在监测到容器类CommonListView滚动到顶部或底部时，触发内部进程进行异步加载将要浏览的数据；c)在加载完成后，通知用于展示数据的容器类CommonListView和用于显示视图的适配器类CommonAdapter更新所述触摸设备显示的数据和界面。该方法在逐步加载的方式上进行改进，结合实际应用场景，根据浏览的情况把相关数据从内存换入与换出，从而达到在小内存上显示大规模(无限)数据的目的。
-
公开(公告)号：CN117011809A
公开(公告)日：2023-11-07
申请号：CN202310764791.4
申请日：2023-06-27
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06V20/54 , G06V10/26 , G06V10/44 , G06V10/774 , G06V10/74
Abstract: 公开了一种多任务引导式的车辆检索方法和系统，包括利用ResNet50作为多任务引导式车辆检索方法的主干网络，主干网络包括4个用于提取车辆特征的残差卷积块Stage1、Stage2、Stage3、Stage4；定义车辆检索任务的损失函数为三元组损失函数Ltriplet和标签平滑正则化的交叉熵损失函数#imgabs0#将Stage4提取的特征输出至解压模块，利用反卷积分割车辆的整体轮廓信息，整体任务的损失函数#imgabs1##imgabs2#其中，β为超参数，LMASK表示车辆分割任务的损失函数。本申请引入车辆分割任务，大幅度提升了车辆检索任务的性能。
-
公开(公告)号：CN113627241B
公开(公告)日：2023-03-24
申请号：CN202110726458.5
申请日：2021-06-29
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06V10/774 , G06V20/52 , G06V40/10 , G06V10/82 , G06N3/0464 , G06T7/194
Abstract: 本发明给出了一种用于行人重识别的背景抑制方法与系统，包括设计了一个两路网络，并结合提出的先验优化和指导学习策略，用来使得模型能专注于行人的前景信息，抑制背景信息的干扰，并能学习背景中和行人身份相关的信息；第一路网络充当第二路网络的指导者，来推动第二路网络学习完整的前景信息和背景中与行人身份相关的信息。最后，本发明在多个公开行人重识别的数据集上进行了验证，验证结果表明本发明结合数据层面的先验优化和特征层面的指导学习可以有选择性的滤除背景干扰，使得网络专注于前景信息的学习。
-
Patent Agency Ranking
公开(公告)号：CN115827865A
公开(公告)日：2023-03-21
申请号：CN202211557661.5
申请日：2022-12-06
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06F16/35 , G06F16/36 , G06F16/903 , G06F40/268 , G06F40/289 , G06F18/2415 , G06N3/045 , G06N3/042 , G06N3/048 , G06N3/047
Abstract: 本发明提出了一种融合多特征图注意力机制的不良文本分类方法，该方法包括如下步骤：响应于对获取的文本数据进行预处理；将获取的文本数据进行进一步处理，以构建文本图；利用图注意力机制对所述文本图进行特征学习；进一步将图注意力机制嵌入到Transformer网络中进行并行处理获得输出，同时利用Bi_GRU神经网络进行并行处理获得输出；以及将MGTransformer与Bi_GRU的输出拼接，得到最终的文本分类结果。本发明针对社交媒体中不良文本的分类任务，通过从不良文本的特征和文本语义角度出发，结合图注意力机制、Transformer和Bi_GRU构建了一种短文本分类模型。该模型为深度学习在不良文本分类任务上的应用提供了一种新的思路，解决了深度学习模型在不良文本分类问题泛化性差、精度较低的问题。
-
公开(公告)号：CN115409030A
公开(公告)日：2022-11-29
申请号：CN202211036268.1
申请日：2022-08-28
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06F40/289 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种基于短语边界的关键信息匹配方法，该方法包括如下步骤：S1、获取训练数据集，基于获取的所述训练数据集构建短语边界识别模型，并进行模型的训练；S2、获取文本数据，导入所述短语边界识别模型将所述文本数据切分成短语；S3、从所述文本数据的文本切分结果中匹配出目标短语。通过本发明方案的关键短语匹配方法，在进行短语匹配时，不仅充分考虑分析上下文的语义信息，得到更精准的短语边界信息，有效排除目标语境下非短语的匹配结果。
-
公开(公告)号：CN112131976B
公开(公告)日：2022-09-16
申请号：CN202010937955.5
申请日：2020-09-09
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06V40/16 , G06V10/774 , G06K9/62 , G01J5/00
Abstract: 本发明涉及一种自适应人像温度匹配和口罩识别方法及装置，通过独立的高清摄像头和热像仪能自动捕获并匹配远距离的人脸和温度，能够自适应匹配热像仪和摄像头的人脸位置，并且能够在口罩佩戴情况下准确识别人脸，从而将检测人员信息与体温、口罩佩戴进行自动关联，对异常情况实现实时自动预警，在实战中取得了良好的防控效果。
-
公开(公告)号：CN112149739B
公开(公告)日：2022-09-09
申请号：CN202011019291.0
申请日：2020-09-25
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明涉及一种特殊服饰检测方法、终端设备及存储介质，该方法中包括：采集包含特殊服饰的图片组成训练集；通过训练集对全卷积神经网络模型和卷积神经网络分类模型进行分别训练；获取待检测图片；根据训练后的全卷积神经网络模型对待检测图片中的特殊服饰所在区域进行初步定位；根据初步定位的特殊服饰所在区域从待检测图片中截取候选区域；通过训练后的卷积神经网络分类模型对候选区域对应的图片进行分类，得到待检测图片对应的特殊服饰的类型。本发明使用最新的人工智能技术，在不降低或极小降低速度的前提下充分提高了特殊服装的检测准确率。
-
公开(公告)号：CN112613433B
公开(公告)日：2022-08-19
申请号：CN202011582655.6
申请日：2020-12-28
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明给出了一种行人重识别的生成数据的伪标签分配方法及系统，包括利用深层卷积生成对抗网络的方法在行人重识别的真实数据集的基础上生成无标签的数据并构成无标签数据集；根据动态标签分布为无标签数据集中的无标签的数据分配虚拟标签，再通过设置稀疏化因子随机将一定数量的虚拟标签的权重设置为0，得到稀疏正则化多伪标签；利用Softmax进行预测获得行人属于某个预定义类的概率；根据标签分布和概率，得到优化的交叉熵损失函数；将无标签数据集与稀疏正则化多伪标签进行结合，再与真实数据集融合构成训练样本，根据损失函数对训练样本进行训练得到行人重识别模型。避免了模型在某些预定义类的特征上出现过拟合的现象，提升了模型的泛化性能力。
-
-
-
-
-
-
-
-
-
Search Results
139
records
(took 0.072 seconds)
