一种面向纵向联邦学习的多方多类数据生成方法及系统

    公开(公告)号:CN114648099A

    公开(公告)日:2022-06-21

    申请号:CN202210348440.0

    申请日:2022-04-01

    Abstract: 本发明涉及一种面向纵向联邦学习的多方多类数据生成方法及系统,属于计算机中数据感知与重构领域。本发明包括:S1:建立以生成多方多类数据模型训练为目的纵向联邦学习训练数据集;S2:构建面向纵向联邦学习的双重条件生成对抗网络;S3:设计面向纵向联邦的双重条件生成对抗网络的多方损失函数;S4:建立面向纵向联邦学习的双重条件生成对抗网络的训练过程;S5:设计和实现基于双重条件生成对抗网络的多方多类数据生成方案。本发明提供了一种联合多方进行表格类数据集中样本特征维度和样本数量扩充的方法,联合多方构建高质量表格类训练数据集,满足大数据应用场景中机器学习模型训练的需求。

    一种多摄像头的行为轨迹跟踪方法

    公开(公告)号:CN116188538A

    公开(公告)日:2023-05-30

    申请号:CN202211467537.X

    申请日:2022-11-22

    Abstract: 本发明涉及一种多摄像头的行为轨迹跟踪方法,属于计算机视觉技术领域,包括以下步骤:S1:指定公共服务大厅多个摄像头,分别采集多个摄像头下服务区的坐标信息,将坐标信息与摄像头进行绑定;S2:结合目标检测模型和行人重识别模型对顾客轨迹进行跟踪,建立多个摄像头的顾客活动轨迹库;S3:计算多个摄像头下服务区与顾客目标检测框的IoU和深度图确认顾客是否到达服务区;S4:对顾客进入服务区到顾客离开服务区的行为进行识别;S5:构建多个摄像头下的顾客行为轨迹库,通过时间信息对齐,对行为进行筛选,得到顾客的行为轨迹。本专利通过在多个摄像头下跟踪顾客得到较为有效的顾客行为轨迹,可用于辅助公共服务大厅业务流程制定和划分。

    面部表情驱动的三维动态人脸重建方法

    公开(公告)号:CN118298108A

    公开(公告)日:2024-07-05

    申请号:CN202410455007.6

    申请日:2024-04-16

    Abstract: 本发明涉及一种面部表情驱动的三维动态人脸重建方法,属于计算机视觉技术领域,包含以下步骤:S1:预先采集正面人脸的视频数据并进行预处理,再对人脸表情参数进行方差分析,获取高频变化维度和低频变化维度,提取用于面部表情驱动的人脸动态信息;S2:确定三维空间点的编码特征,包括多分辨率哈希编码特征和球谐编码;所述多分辨率哈希编码用于编码空间的位置特征;所述球谐编码用于编码空间的观察方向,提取观察方向中高频变化的信息;S3:融合人脸表情参数与三维空间点的编码特征,驱动基于隐式神经表示的三维动态人脸;S4:引入光度、几何和感知三个层面的损失,分阶段优化人脸表示,在光度层面加强对于眼部和嘴部的监督。

Patent Agency Ranking