-
公开(公告)号:CN111783568B
公开(公告)日:2022-07-15
申请号:CN202010549958.1
申请日:2020-06-16
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06V20/40 , G06V40/10 , G06V10/774 , G06V10/74 , G06K9/62
Abstract: 本发明提出了一种基于置信学习的行人重识别方法、装置及存储介质,该方法包括:从视频图像资源库的获取N张行人图像,从中随机选取M张行人图像作为查询图像,其余作为查询底库;使用行人重识别模型从中筛选一定数目的行人图像保存在一候选训练集,并该数目的行人图像标记一个新的人员id;将候选训练集与原始训练集合并得到合并训练集,并使用置信训练寻找合并训练集的标签误差后进行校验,然后对行人重识别模型进行重新训练得到重训练后的行人重识别模型后进行线上更新以进行行人重识别。本发明利用置信学习及现有行人重识别系统清洗监控系统下的海量视频数据,从而提供更多的可用训练数据,有效地提高了行人重识别系统的泛化性能及准确率。
-
公开(公告)号:CN116594976A
公开(公告)日:2023-08-15
申请号:CN202310379525.X
申请日:2023-04-11
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06F16/182 , G06F16/178 , G06F16/23 , G06F16/27 , G06F16/28 , G06F11/14
Abstract: 本发明提出了一种保证分布式文件系统数据同步一致性的方法及系统。该方法包括如下步骤:响应于获取业务数据的更新周期;根据获取的业务数据的实际更新周期对数据进行二次处理;响应于定期对数据全量进行处理,以保证全部数据为最新。在基于HDFS存储+HIVE分析的离线数仓中使用,在各行各业保证业务数据一致性问题中都适用,特别针对同步的数据量规模大、数据实际更新周期短的场景;通过对大数据量的业务数据采用根据业务数据实际更新周期进行二次处理,结合定期全量处理的方式保证数据一致性,由于读源头库的数据量减少,降低了源头库的读压力。
-
公开(公告)号:CN111783568A
公开(公告)日:2020-10-16
申请号:CN202010549958.1
申请日:2020-06-16
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明提出了一种基于置信学习的行人重识别方法、装置及存储介质,该方法包括:从视频图像资源库的获取N张行人图像,从中随机选取M张行人图像作为查询图像,其余作为查询底库;使用行人重识别模型从中筛选一定数目的行人图像保存在一候选训练集,并该数目的行人图像标记一个新的人员id;将候选训练集与原始训练集合并得到合并训练集,并使用置信训练寻找合并训练集的标签误差后进行校验,然后对行人重识别模型进行重新训练得到重训练后的行人重识别模型后进行线上更新以进行行人重识别。本发明利用置信学习及现有行人重识别系统清洗监控系统下的海量视频数据,从而提供更多的可用训练数据,有效地提高了行人重识别系统的泛化性能及准确率。
-
-