-
公开(公告)号：CN116403249A
公开(公告)日：2023-07-07
申请号：CN202211091856.5
申请日：2022-09-07
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06V40/16 , G06V10/80 , G06V10/764 , G06N3/04 , G06N3/08
Abstract: 本说明书公开了一种模型训练方法、装置、设备及可读存储介质，从第一人脸图像提取图像特征，并从第三人脸图像中提取遗传特征，基于遗传特征和第二人脸图像的采集年龄，对通过编码器得到的图像特征进行特征融合，得到的目标特征通过生成器得到目标人脸图像，可见，通过在图像处理模型的训练过程中，引入第一用户的关联用户的第三人脸图像中提取的遗传特征，使得图像处理模型生成的图像不仅包含第一用户的第一人脸图像的特征，还包括第一用户的关联用户的人脸特征。在响应于第二用户的预测请求时，即使第二用户的年龄变化较大，也可以提高模型输出的第二用户在目标年龄下的人脸图像的精确度。
-
公开(公告)号：CN115829816A
公开(公告)日：2023-03-21
申请号：CN202211372152.5
申请日：2022-11-03
Applicant: 上海交通大学 , 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例公开了一种图像的处理方法、装置及设备，该方法应用于终端设备，该终端设备中设置有可信执行环境，包括：生成待采集的目标图像对应的水印信息，通过部署于可信执行环境中的编码模型调用摄像组件获取目标图像，并将目标图像设置于可信执行环境中，在可信执行环境中，通过编码模型对目标图像进行卷积处理，得到目标图像对应的图像特征，并将水印信息对应的维度调整到与图像特征对应的维度相匹配后，将维度调整后的水印信息和图像特征进行拼接处理，得到载水印图像特征，通过编码模型对载水印图像特征进行卷积处理，得到编码图像，编码图像与目标图像的相似度大于预设阈值，将编码图像发送给服务器，以确定编码图像是否存在风险。
-
公开(公告)号：CN115357929A
公开(公告)日：2022-11-18
申请号：CN202210932254.1
申请日：2022-08-04
Applicant: 上海交通大学 , 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例公开了一种图像的处理方法、装置及设备，该方法应用于终端设备，该终端设备中设置有可信执行环境，包括：通过可信应用调用摄像组件获取用户图像数据，并将用户图像数据设置于可信执行环境中，在可信执行环境中，基于用户图像数据和预设的种子密钥，为用户图像数据生成水印信息，以对用户图像数据进行隐私保护，并将用户图像数据、水印信息和种子密钥发送给服务器，用户图像数据、水印信息和种子密钥用于触发服务器通过用户图像数据和种子密钥对水印信息进行验证，得到相应的验证结果，接收服务器发送的验证结果，如果该验证结果为验证通过，则基于用户图像数据执行相应的业务处理。
-
-
公开(公告)号：CN111259975B
公开(公告)日：2022-07-22
申请号：CN202010069042.6
申请日：2020-01-21
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书提供一种分类器的生成方法及装置、文本的分类方法及装置，在进行分类器的生成时，加入了基于样本类别数量计算出的惩罚项，使得决策树的节点包含的类别数量尽量少，提高了节点分裂的纯度。利用该方法训练出的分了器对文本进行分类，可以实现一个分类器对文本类别的多分类计算，因为加入的类别惩罚项，即使进行多分类计算时，也能够保证分类结果的纯度和准确性。并且，一个分类器对文本类别的多分类计算，不需要针对不同的类别分类建立不同的分类器。
-
Patent Agency Ranking
-
公开(公告)号：CN110738476B
公开(公告)日：2021-06-29
申请号：CN201910905305.X
申请日：2019-09-24
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 公开了一种样本迁移方法、装置及设备。通过本说明书实施例所提供的方案，抽取业务已经成熟的源领域中的源样本，以及少量的目标域中的目标域样本，分别比较出相同特征和不同特征，对于相同特征，进行高维映射后的适配，对于不同特征则进行补齐，从而得到修正后的源样本和目标域样本，并且合并得到可用于目标域的融合样本集合。
-
公开(公告)号：CN111401320A
公开(公告)日：2020-07-10
申请号：CN202010296594.0
申请日：2020-04-15
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种生物特征图像处理方法及装置，该方法首先获取待编码的第一图像，将第一图像切分为第一数目的多个第一图块，且为多个第一图块顺序编号；按照预设的第一序列中的编号顺序，打乱多个第一图块的排列，得到乱序排布的第二图像；运行于服务端的神经网络模型对第二图像进行生物特征识别；神经网络模型为采用指定训练样本预先训练而得到，指定训练样本中的每一个训练样本均按照第一序列进行乱序排布。该方法可有效提升用户隐私数据安全性。
-
-
公开(公告)号：CN111047332A
公开(公告)日：2020-04-21
申请号：CN201911108448.4
申请日：2019-11-13
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 陈弢
Abstract: 公开了模型训练和风险识别方法、装置及设备。通过本提取用户的事件序列，以及单事件上的屏幕轨迹信息，并且从屏幕轨迹信息和事件的序号中提取出对于该事件的单用户事件特征，进而生成对应于所述事件序列的事件序列特征，从而通过事件序列特征反映出用户行为的相关特征，实现根据事件序列特征进行模型的训练，得到可用的目标模型，以及采用训练得到的目标模型对于用户的屏幕轨迹进行风险识别。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.05 seconds)
