-
公开(公告)号：CN117474947A
公开(公告)日：2024-01-30
申请号：CN202210870624.3
申请日：2022-07-22
Applicant: 富士通株式会社
IPC: G06T7/246 , G06T7/73 , G06V10/44 , G06V10/764
Abstract: 公开了用于目标跟踪的方法、装置和存储介质。用于跨摄像头多目标跟踪的方法包括：针对多个摄像头中的每一个所拍摄的图像序列执行多目标跟踪，以提取在图像序列中出现的每个目标的轨迹片段；针对所提取的多个轨迹片段中的每一个提取特征；基于提取的特征计算多个轨迹片段中的任意两个轨迹片段之间的相似性，以建立相似性矩阵；基于相似性矩阵执行聚类，以使与每个目标潜在相关的轨迹片段聚类为一个集合；对集合内的多个轨迹片段以时间上从早到晚的顺序进行排序，以生成轨迹片段序列；基于轨迹片段之间的相似性、时间距离和空间距离中的至少一个，对集合内的多个轨迹片段进行筛选；使用经筛选的集合内的轨迹片段作为针对相应目标的跟踪信息。
-
公开(公告)号：CN113761979B
公开(公告)日：2023-11-14
申请号：CN202010500899.9
申请日：2020-06-04
Applicant: 富士通株式会社
IPC: G06F18/213 , G06F18/24 , G06F18/10 , G06N3/0464 , G06N3/08 , G01M13/021 , G01M13/028
Abstract: 公开了一种用于优化模型的方法和设备以及计算机可读存储介质。该方法包括：将标记为正常或异常的数据的时域版本输入基于卷积神经网络的异常检测模型并且将所述数据的频域版本输入物理模型；如果所述异常检测模型的输出与所述数据的标记相同而所述物理模型的输出与所述数据的标记不同，则调整所述物理模型的阈值；和如果所述异常检测模型的输出与所述数据的标记不同而所述物理模型的输出与所述数据的标记相同，则训练所述异常检测模型，其中，训练所述异常检测模型包括：调整所述物理模型的阈值，从使用调整后的阈值的所述物理模型得到其标记相对于阈值调整前反转的数据以及利用该标记反转的数据、以其反转前的标记来训练所述异常检测模型。
-
公开(公告)号：CN116958614A
公开(公告)日：2023-10-27
申请号：CN202210338659.2
申请日：2022-04-01
Applicant: 富士通株式会社
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G10L25/30
Abstract: 本申请公开一种信息处理装置、信息处理方法和计算机可读记录介质。该信息处理状包括：第一训练单元，被配置成基于经训练的第二模型和经训练的第三模型，利用第一训练图像集对第一模型进行训练，以获得用于对待预测图像进行预测的经训练的第一模型。所述经训练的第三模型是利用第三训练图像集进行训练而得到的。所述第三训练图像集包括不能够利用所述经训练的第二模型正确预测的图像。
-
公开(公告)号：CN110633725B
公开(公告)日：2023-08-04
申请号：CN201810663447.5
申请日：2018-06-25
Applicant: 富士通株式会社
IPC: G06V10/774 , G06V10/764 , G06V10/77 , G06V10/82
Abstract: 公开了一种训练分类模型的方法和装置以及分类方法和装置。一种分类方法包括：从输入到经训练的分类模型的待测试信息中提取特征；将所提取的特征压缩成能够表征待测试信息的低维度的隐特征；对隐特征进行解压缩，从而得到解压缩后的特征；基于解压缩后的特征对待测试信息进行重建，以得到重建后的待测试信息；基于待测试信息与重建后的待测试信息之间的重建损失，判断待测试信息是属于已知类别还是属于未知类别；以及在确定待测试信息属于已知类别的情况下，经由经训练的分类模型，对待测试信息进行分类。
-
公开(公告)号：CN111339695B
公开(公告)日：2023-07-25
申请号：CN201811553495.5
申请日：2018-12-18
Applicant: 富士通株式会社
Abstract: 本公开涉及用于电磁场仿真的装置和方法。根据一个实施例的图像处理装置包括电磁场仿真部分和分辨率提升部。电磁场仿真部分被配置为以第一分辨率获得仿真区域的第一电磁场仿真结果。分辨率提升部分被配置为利用基于深度学习方法训练的模型，根据第一电磁场仿真结果得出具有第二分辨率的第二电磁场仿真结果。第二分辨率高于第一分辨率。
-
Patent Agency Ranking
公开(公告)号：CN116431861A
公开(公告)日：2023-07-14
申请号：CN202111582805.8
申请日：2021-12-22
Applicant: 富士通株式会社
Abstract: 公开了一种信息处理装置和信息处理方法及计算机可读记录介质。其中，信息处理装置包括：分割单元，被配置成基于第一数量的图像的特征，将第一数量的图像分割为至少一个图像集合，其中，图像集合中包括的任意两个图像之间的相似度均大于预定第一阈值；获得单元，被配置成基于文本的特征与每个图像的特征，分别计算表示文本与每个图像之间的匹配程度的图文匹配分数，从而获得第一数量的图文匹配分数；以及确定单元，被配置成基于由反映第一数量的图像之间的关系的关系矩阵和第一数量的图文匹配分数构建的构建矩阵，从第一数量的图像当中确定与文本相关的至少一个相关图像集合，其中，图像的特征和文本的特征是通过预先训练的图文匹配模型获得的。
-
公开(公告)号：CN111488757B
公开(公告)日：2023-06-23
申请号：CN201910073144.2
申请日：2019-01-25
Applicant: 富士通株式会社
IPC: G06V30/413 , G06V30/148
Abstract: 本申请公开了一种用于对图像的识别结果进行分割的方法和设备以及存储介质。该方法包括：识别图像中的文本以获得关于该文本的候选矩阵，其中，该候选矩阵中的每一行均代表所述文本的一个识别结果；将所述候选矩阵与文本库进行匹配以获得最佳匹配结果；计算所述最佳匹配结果与所述候选矩阵中的第1列至第j列的相似度，其中j是正整数并且小于或等于所述候选矩阵的总列数；和按照具有最大相似度的列数来分割所述图像的识别结果。
-
公开(公告)号：CN116090556A
公开(公告)日：2023-05-09
申请号：CN202111276397.3
申请日：2021-10-29
Applicant: 富士通株式会社
Abstract: 公开了信息处理方法、信息处理装置和存储介质。一种用于对机器学习模型的预测结果进行解释的方法，包括：基于机器学习模型的训练样本集以及相应的已知标签来提取多个规则；确定在多个规则之中待预测样本所符合的一个或多个匹配规则；生成针对机器学习模型的解释模型，该解释模型提供对于机器学习模型针对单个待预测样本所生成的预测结果的解释；生成与匹配规则分别对应的反事实规则；在训练样本集中确定符合反事实规则之一的训练样本，并且形成包含所确定的训练样本的反事实候选集；基于多个目标函数针对反事实候选集执行多目标优化，以生成反事实解释，该反事实解释为待预测样本提供改变预测结果所需要满足的条件。
-
公开(公告)号：CN115222010A
公开(公告)日：2022-10-21
申请号：CN202110411394.X
申请日：2021-04-16
Applicant: 富士通株式会社
Abstract: 本申请公开一种信息处理装置、信息处理方法和预测设备。该信息处理装置包括：模型选择单元，被配置成基于多个深度神经网络模型的稳定性和精度指标变化趋势一致性中至少之一以及综合预测精度从多个深度神经网络模型中选择至少两个深度神经网络模型，以用于对待预测对象进行预测。综合预测精度通过至少两个精度指标表征。稳定性是指相应的深度神经网络模型在所述至少两个精度指标中的每个精度指标方面的稳定性。精度指标变化趋势一致性是指相应的深度神经网络模型的所述至少两个精度指标的变化趋势的一致性。
-
公开(公告)号：CN110348465B
公开(公告)日：2022-10-18
申请号：CN201810303792.8
申请日：2018-04-03
Applicant: 富士通株式会社
IPC: G06V30/19 , G06V10/762 , G06V10/774 , G06V10/764
Abstract: 公开了用于标注样本的方法和设备。该方法包括：对多个样本中的每一个提取特征向量；针对每个样本，确定其是否属于多个已知类别中的一个，当其不属于任何已知类别时，将该样本分类为未知类别；针对被分类为未知类别的多个样本：生成该多个样本的层次1至层次n的表示，n>1，其中层次1的表示包括多个层次1样本团，层次i的表示包括至少一个层次i样本团，层次i‑1的表示包括至少两个层次i‑1样本团，2≤i≤n，每个层次i样本团包含多个层次i‑1样本团，每个层次1样本团包含多个样本；针对每个层次，显示该层次的表示中所包括的样本团，其中单个样本团包含的所有样本被显示为一个页面；将用户在页面中选择的多个样本标注为同一类别。
-
-
-
-
-
-
-
-
-
Search Results
655
records
(took 0.044 seconds)
