-
公开(公告)号：CN111931991B
公开(公告)日：2025-01-24
申请号：CN202010674180.7
申请日：2020-07-14
Applicant: 上海眼控科技股份有限公司
Inventor： 王栋
IPC: G06Q10/04 , G06Q50/26 , G06N3/0442 , G06N3/0985 , G06N3/096 , G06N20/00 , G01W1/10
Abstract: 本申请涉及一种气象临近预报方法、装置、计算机设备和存储介质，计算机设备获取目标区域的雷达回波图；然后，将雷达回波图输入临近预报模型，获得目标区域的气象临近预报数据；其中，上述临近预报模型为根据目标区域的区域样本集对基模型进行迁移训练获得的；上述基模型为采用元学习机制和通用样本集训练获得的；上述区域样本集以及通用样本集中均包括历史雷达回波图以及历史雷达回波图对应的临近预报结果。采用上述方法可以提升气象临近预报的准确度，以及提升临近预报模型的快速学习能力。
-
公开(公告)号：CN112418264B
公开(公告)日：2025-01-21
申请号：CN202011095394.5
申请日：2020-10-14
Applicant: 上海眼控科技股份有限公司
Inventor： 束长勇
IPC: G06N3/0464 , G06N3/088 , G06N3/09 , G06V10/25 , G06V10/82
Abstract: 本申请涉及一种检测模型的训练方法、装置、目标检测方法、设备和介质。所述检测模型的训练方法包括：获取第一图像集及第二图像集；第一图像集中的第一图像为带有目标标签的图像，第二图像集中的第二图像为无目标标签的图像；执行迭代训练操作；迭代训练操作：利用第一图像集，采用监督学习的方法对预设的初始检测模型进行训练，得到第一初始检测模型，利用第一图像集和第二图像集，采用无监督的对比表征法对第一初始检测模型进行训练，得到第二初始检测模型；将第二初始检测模型作为新的初始检测模型，返回执行迭代训练操作，将达到预设的收敛条件时对应的第二初始检测模型确定为检测模型。采用本方法能够提高得到的检测模型的检测性能。
-
公开(公告)号：CN112232360B
公开(公告)日：2024-12-20
申请号：CN202011066003.7
申请日：2020-09-30
Applicant: 上海眼控科技股份有限公司
Inventor： 刘琦
IPC: G06V10/44 , G06V10/74 , G06V10/774 , G06V10/82 , G06N3/084
Abstract: 本申请涉及一种图像检索模型优化方法、图像检索方法、装置及存储介质，其中方法通过获取训练数据集中每一个样本图像的第一图像特征，得到与训练数据集对应的图像特征集合，对于训练数据集中的任意一个样本图像，通过待优化的图像检索模型进行图像特征提取，得到样本图像的第二图像特征，并通过图像特征提取模型对样本图像进行图像特征提取，得到样本图像的第三图像特征，根据样本图像的第二图像特征、第三图像特征以及训练数据集对应的图像特征集合，确定模型优化的损失，根据损失得到优化后的图像检索模型，从而使得待优化的图像检索模型真正学习到样本图像之间的关系信息，并完成对待优化的图像检索模型的优化，以得到性能更佳的图像检索模型。
-
公开(公告)号：CN111898735B
公开(公告)日：2024-11-22
申请号：CN202010674185.X
申请日：2020-07-14
Applicant: 上海眼控科技股份有限公司
Inventor： 束长勇
Abstract: 本申请涉及一种蒸馏学习方法、装置、计算机设备和存储介质。所述方法包括：将目标图像分别输入教师网络和学生网络，得到教师网络输出的教师特征图和学生网络输出的学生特征图；将教师特征图和学生特征图进行通道匹配，根据匹配结果获取教师特征图和学生特征图之间的目标损失值；根据目标损失值调整学生网络中的参数，得到目标学生网络。采用本方法能够提高学生网络对教师网络的蒸馏学习效果，减小学生网络与教师网络的性能差异。
-
公开(公告)号：CN112329915B
公开(公告)日：2024-11-15
申请号：CN202011161452.X
申请日：2020-10-27
Applicant: 上海眼控科技股份有限公司
Inventor： 陈志远
IPC: G06N3/0464 , G06N3/08 , G06N20/00
Abstract: 本申请涉及一种模型训练方法、装置、计算机设备和存储介质。该方法包括：获取初始神经网络以及预设的多个卷积核旋转角度；分别按照多个卷积核旋转角度，对初始神经网络的卷积核进行旋转，得到与多个卷积核旋转角度一一对应的多个旋转神经网络；基于训练样本集合分别对各旋转神经网络进行网络训练，得到训练好的多个目标模型，其中，在训练过程中，将各旋转神经网络对应的损失值进行融合处理，得到融合损失值，并利用融合损失值对各旋转神经网络中的参数进行调整。本申请通过多个旋转神经网络模型对同一个训练样本集合进行学习，对训练样本集合的学习程度更加精细，这样从训练样本集合中学习到的特征就更多，因此可以提高目标模型的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN112348061B
公开(公告)日：2024-10-01
申请号：CN202011155908.1
申请日：2020-10-26
Applicant: 上海眼控科技股份有限公司
Inventor： 姚广
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本申请涉及一种分类向量生成方法、装置、计算机设备和存储介质。所述方法包括：获取待处理图片数据，所述待处理图片数据包括多个旋转角度的下的待处理图片数据；将所述待处理图片数据输入至预先训练得到的分类网络中，以提取与所述待处理图片数据对应的多个旋转角度的特征向量；按照预设规则分别提取所述多个旋转角度的特征向量中的预设维度；将所提取的多个旋转角度的特征向量的预设维度进行合并得到综合分类向量，所述综合分类向量用于对所述待处理图片数据进行分类以得到对应的分类标签。采用本方法能够提高分类准确性。
-
公开(公告)号：CN111242951B
公开(公告)日：2024-10-01
申请号：CN202010016510.3
申请日：2020-01-08
Applicant: 上海眼控科技股份有限公司
Abstract: 本申请涉及计算机技术领域，特别是涉及一种车辆检测方法、装置、计算机设备和存储介质。方法包括：获取待检测车辆图像及其对应的比对图像；对待检测车辆图像以及比对图像进行车辆部件分割，得到多个车辆部件图像组，各车辆部件图像组中包括待检测车辆图像以及比对图像中同一车辆部件的车辆部件图像；对各车辆部件图像组进行特征提取，得到各车辆部件图像组中各车辆部件图像的特征向量，并基于特征向量，确定各车辆部件图像组对应的相似度；分别判断各车辆部件图像组对应的相似度是否大于预设阈值；当各车辆部件图像组对应的相似度均大于预设阈值时，判定待检测车辆图像中的待检测车辆通过检测。采用本方法能够智能化的对待检测车辆图像进行检测。
-
公开(公告)号：CN112613515B
公开(公告)日：2024-09-20
申请号：CN202011321218.9
申请日：2020-11-23
Applicant: 上海眼控科技股份有限公司
Inventor： 束长勇
Abstract: 本申请涉及一种语义分割方法、装置、计算机设备和存储介质。所述方法包括：获取待进行语义分割的目标图像；将所述目标图像输入到预先训练的目标语义分割网络中，得到所述目标语义分割网络输出的目标分割结果；所述目标分割结果包括所述目标图像中各像素点对应的目标语义标签；其中，所述目标语义分割网络是根据样本图像中具有同类语义标签的像素点之间的相关性，以及所述样本图像对应的标注训练得到的。采用本方法能够提高语义分割网络的分类准确性。
-
公开(公告)号：CN115204920A
公开(公告)日：2022-10-18
申请号：CN202110383786.X
申请日：2021-04-09
Applicant: 上海眼控科技股份有限公司
Inventor： 刘明
Abstract: 本发明涉及一种广告投放方法、系统和计算机可读存储介质，系统的数据处理流程包括：S1：通过人脸摄像头获取当前广告点周围人员的图像数据；S2：算法处理中心识别出周围人员的数量；每个人的年龄、性别；身边物品的颜色、品牌和款式信息；并发送至广告控制中心；S3：广告控制中心每隔第一时间将其发送至广告资源服务器；S4：广告资源服务器计算出周围人员的平均年龄和性别比例、身边物品的相似情况；S5：选取相对应的广告资源；S6：在广告屏中播放该广告资源。与现有技术相比，本发明进一步分析人员随身物品的信息，能针对性地挖掘出人群的喜好，实现更为细致的个性化的广告推荐。
-
公开(公告)号：CN113869493A
公开(公告)日：2021-12-31
申请号：CN202111137655.X
申请日：2021-09-27
Applicant: 上海眼控科技股份有限公司
Abstract: 本申请涉及一种视频预测模型训练方法、视频预测方法、装置、计算机设备和存储介质，通过获取图像序列，从图像序列获取顺序排列的第一训练图像序列和对应的第一标签图像，将第一训练图像序列输入至正向网络中进行视频预测，得到对应的第一预测图像，并根据第一标签图像与第一预测图像，计算正向网络的第一损失值；从图像序列获取倒序排列的第二训练图像序列和对应的第二标签图像，将第二训练图像序列输入至反向网络中进行视频预测，得到对应的第二预测图像，并根据第二标签图像与第二预测图像，计算反向网络的第二损失值；若第一损失值和第二损失值满足训练停止条件，则对正向网络停止训练，得到视频预测模型。提升预测图像或者视频的生成质量。
-
-
-
-
-
-
-
-
-
Search Results
768
records
(took 0.059 seconds)
