-
公开(公告)号：CN109815971B
公开(公告)日：2023-03-10
申请号：CN201711159683.5
申请日：2017-11-20
Applicant: 富士通株式会社
IPC: G06F18/2411 , G06F18/2413 , G06F18/21 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 公开了一种信息处理方法和信息处理装置，其中信息处理方法包括：将多个样本分别输入到分类器中以提取表征每个样本的特征的特征向量；以及对于多个样本，通过使损失函数最小化来更新分类器的参数，其中，损失函数与用于衡量属于同一类的样本的特征向量之间的距离的类内距离正相关，与用于衡量属于不同类的样本的特征向量之间的距离的类间距离负相关，其中，多个样本中的每个样本的类内距离均小于第一阈值，两个不同的类之间的类间距离大于第二阈值，并且第二阈值大于第一阈值的两倍。根据本公开的实施例，可以提高提取的样本的特征的可判别性。
-
公开(公告)号：CN111598113A
公开(公告)日：2020-08-28
申请号：CN201910126230.5
申请日：2019-02-20
Applicant: 富士通株式会社
Abstract: 本公开涉及模型优化方法、数据识别方法和数据识别装置。优化数据识别模型的方法包括：获取待优化的数据识别模型的损失函数；计算损失函数中与类对应的权重向量；对权重向量进行归一化处理；通过增大权重向量中任两个权重向量间的夹角来更新损失函数；基于更新的损失函数来优化待优化的数据识别模型。
-
公开(公告)号：CN110598840B
公开(公告)日：2023-04-18
申请号：CN201810607041.5
申请日：2018-06-13
Applicant: 富士通株式会社
IPC: G06N3/045 , G06N3/0464 , G06N3/096
Abstract: 提供了知识迁移方法、信息处理设备以及存储介质。知识迁移方法包括：获得针对预定任务而预先训练的第一模型；通过利用综合损失函数针对预定任务对第二模型进行训练，使得第二模型具有第一模型的知识，其中，该综合损失函数基于以第一模型对训练样本的关于预定任务的输出结果的准确性加权的第一损失函数、以及第二损失函数，其中，第一损失函数表示第二模型与第一模型对训练样本的处理结果之间的差异，并且第二损失函数表示第二模型对训练样本的关于预定任务的输出结果的准确性。
-
公开(公告)号：CN115527246A
公开(公告)日：2022-12-27
申请号：CN202110711892.6
申请日：2021-06-25
Applicant: 富士通株式会社
IPC: G06V40/16 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04
Abstract: 本公开涉及一种信息处理方法、信息处理装置和存储介质。信息处理方法包括：针对包含标签的训练集提取样本的特征向量；基于归一化后的样本的特征向量与该样本所属的类别的分类边界之间的角度来识别难分类正样本；对难分类正样本、错分样本以及除难分类正样本之外的正确分类样本进行加权；以及基于加权后的难分类正样本、错分样本以及除难分类正样本之外的正确分类样本来训练分类模型。
-
公开(公告)号：CN115439705A
公开(公告)日：2022-12-06
申请号：CN202110552029.0
申请日：2021-05-20
Applicant: 富士通株式会社
IPC: G06V10/774 , G06V10/80 , G06V40/16
Abstract: 本公开内容涉及用于训练人脸识别模型的方法、识别人脸的方法及存储介质。根据本公开内容的一个实施例，该用于训练人脸识别模型的方法包括：通过求和确定针对人脸样本图像集的全局特征相似度总损失、关键点位置偏差总损失和分类总损失；通过对全局特征相似度总损失、关键点位置偏差总损失和分类总损失加权求和确定加权损失；确定加权损失是否收敛或小于预定阈值；以及在确定结果为"否"的情况下，通过调整人脸识别模型的参数优化人脸识别模型。本公开内容的方法和存储介质的有益效果至少包括：改善针对有遮挡人脸图像的人脸识别准确度。
-
Patent Agency Ranking
公开(公告)号：CN108171712B
公开(公告)日：2022-02-11
申请号：CN201611115344.2
申请日：2016-12-07
Applicant: 富士通株式会社
IPC: G06T7/11 , G06T7/66 , G06T7/187 , G06T7/136 , G06T7/00 , G06F16/583 , G06V10/75 , G06V10/74 , G06V10/50
Abstract: 本发明涉及确定图像相似度的方法和装置，确定图像相似度的方法包括：对于目标图像，基于相对于其中的基准点的位置来将所述目标图像划分为多个区域，并且按照同样的方式将参考图像划分为多个区域；基于所述目标图像中的特征点和所述参考图像中的特征点以及所划分的区域来确定所述目标图像中的特征点和所述参考图像中的特征点的分布情况的相似度。本发明提出一种基于相对于基准点的位置对图像进行区域划分，再基于划分的区域信息和特征点的分布情况来确定图像相似度的方法，提供了对相似度的更合理的描述。
-
公开(公告)号：CN108470331B
公开(公告)日：2021-12-21
申请号：CN201710099564.9
申请日：2017-02-23
Applicant: 富士通株式会社
Abstract: 本发明涉及图像处理装置和图像处理方法。根据本发明的图像处理装置包括：获取单元，用于获取按序排列的多个切片图像；选择单元，用于依次对所述多个切片图像进行检测，以确定参考切片图像以及所述参考切片图像中的参考气管区域；以及分叉点确定单元，用于将所述参考气管区域作为种子区域，利用区域生长法依次确定所述参考切片图像后面的切片图像的气管区域，并依次确定所述参考切片图像后面的切片图像的气管区域的连通性，直到确定气管与支气管的分叉点所在的分叉点切片图像为止，其中，所述分叉点切片图像的气管区域包括两个不连通的区域。使用根据本发明的图像处理装置和图像处理方法，可以减少人工干预，并更加准确地确定分叉点的位置。
-
公开(公告)号：CN113642363B
公开(公告)日：2024-09-20
申请号：CN202010392572.4
申请日：2020-05-11
Applicant: 富士通株式会社
IPC: G06V40/40 , G06V40/16 , G06V10/764 , G06V10/82 , G06V10/52 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 公开了神经网络及其训练方法。所述神经网络用于检测呈现攻击，并且被配置为：针对输入的图像提取多个尺寸的特征图；将所述多个尺寸的特征图进行联接，并且基于联接后的特征图生成第一特征；基于所提取的特征图中的最大尺寸的特征图确定多个局部区域；针对所述多个局部区域分别提取特征，并且基于所提取的多个特征生成第二特征；通过将所述第一特征和所述第二特征进行联接而生成分类特征；以及基于所述分类特征来确定所述图像是真实图像还是伪造图像。
-
公开(公告)号：CN114764934A
公开(公告)日：2022-07-19
申请号：CN202011636891.1
申请日：2020-12-31
Applicant: 富士通株式会社
IPC: G06V40/16 , G06V10/774 , G06V10/80 , G06K9/62
Abstract: 本公开内容涉及数据处理装置和数据处理方法。该数据处理装置包括：融合单元，被配置成使用第一样本数据集训练第一分类模型，并且基于第一分类模型对第二样本数据集进行分类的分类结果将第二样本数据集融合到第一样本数据集中以形成第三样本数据集；以及滤除单元和调整单元中的至少之一，其中滤除单元被配置成对第三样本数据集中的属于同一类别的样本数据进行相互比较以滤除相同或相近的样本数据，调整单元被配置成使用第三样本数据集训练第二分类模型，并且基于第二分类模型对第三样本数据集的分类结果对第三样本数据集中的样本数据进行调整。根据该数据处理技术，能够将至少两个样本数据集融合为一个更大的、更干净的和更多样化的样本数据集。
-
公开(公告)号：CN113642363A
公开(公告)日：2021-11-12
申请号：CN202010392572.4
申请日：2020-05-11
Applicant: 富士通株式会社
Abstract: 公开了神经网络及其训练方法。所述神经网络用于检测呈现攻击，并且被配置为：针对输入的图像提取多个尺寸的特征图；将所述多个尺寸的特征图进行联接，并且基于联接后的特征图生成第一特征；基于所提取的特征图中的最大尺寸的特征图确定多个局部区域；针对所述多个局部区域分别提取特征，并且基于所提取的多个特征生成第二特征；通过将所述第一特征和所述第二特征进行联接而生成分类特征；以及基于所述分类特征来确定所述图像是真实图像还是伪造图像。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.03 seconds)
