公开(公告)号：CN112950626B

公开(公告)日：2025-04-29

申请号：CN202110351342.8

申请日：2021-03-31

Applicant: 网易传媒科技(北京)有限公司

Inventor： 罗凡 ,  许盛辉 ,  潘照明

IPC: G06T7/00 ,  G06V10/44 ,  G06V10/77 ,  G06V10/764

Abstract: 本发明的实施方式提供了一种清晰度的确定方法、介质、装置和计算设备。该方法包括：提取目标图像的特征；根据特征，确定目标图像的每个区域的清晰度等级概率以及每个区域的权重；利用每个区域的清晰度等级概率以及每个区域的权重，确定目标图像的清晰度等级。本发明实施例对目标图像清晰度的确定参考了目标图像每个区域的权重和清晰度等级概率。相比于相关技术，无需人工标注从即可实现清晰度确定过程的自动化、高效化。另外，相比于图像块的抽取方式，可以节省算力，同时对清晰度等级的确定准确度更高。

公开(公告)号：CN114548401A

公开(公告)日：2022-05-27

申请号：CN202210130108.7

申请日：2022-02-11

Applicant: 网易传媒科技(北京)有限公司

Inventor： 罗凡 ,  许盛辉 ,  潘照明

IPC: G06N3/08 ,  G06Q30/06 ,  G06F16/9535

Abstract: 本公开的实施方式提供了一种推荐模型的训练方法、装置、计算设备及介质。获取样本对象的样本特征信息以及样本推荐得分，通过初始推荐模型，分别确定各个样本对象在各个预测目标下的第一推荐得分和第二推荐得分，以基于样本推荐得分、第一推荐得分和第二推荐得分，训练初始推荐模型。目标任务网络所包括的隐层的数量不超过第一设定阈值，和/或，目标任务网络中各个隐层所包括的神经元数量不超过第二设定阈值，以使目标任务网络的网络参数较少，在可以通过多个初始任务网络保证多个预测目标之间的冲突较少的基础上，目标任务网络可以更好地学习不同任务目标之间的共有知识，进而可以提高训练得到的网络参数的准确性，提高推荐模型的排序准确性。

公开(公告)号：CN112950626A

公开(公告)日：2021-06-11

申请号：CN202110351342.8

申请日：2021-03-31

Applicant: 网易传媒科技(北京)有限公司

Inventor： 罗凡 ,  许盛辉 ,  潘照明

IPC: G06T7/00 ,  G06K9/46 ,  G06K9/62

Abstract: 本发明的实施方式提供了一种清晰度的确定方法、介质、装置和计算设备。该方法包括：提取目标图像的特征；根据特征，确定目标图像的每个区域的清晰度等级概率以及每个区域的权重；利用每个区域的清晰度等级概率以及每个区域的权重，确定目标图像的清晰度等级。本发明实施例对目标图像清晰度的确定参考了目标图像每个区域的权重和清晰度等级概率。相比于相关技术，无需人工标注从即可实现清晰度确定过程的自动化、高效化。另外，相比于图像块的抽取方式，可以节省算力，同时对清晰度等级的确定准确度更高。