-
公开(公告)号：CN119293501A
公开(公告)日：2025-01-10
申请号：CN202411315755.0
申请日：2024-09-20
Applicant: 上海上湖信息技术有限公司 , 海南上湖信息技术有限公司 , 上海耳序信息技术有限公司
IPC: G06F18/214 , G06F16/3329 , G06F16/35 , G06N3/045 , G06N3/092 , G06Q30/015
Abstract: 本发明实施例提供的一种基于多轮对话的偏好数据集构建方法及装置，包括：获取多条对话历史信息，其中任一条对话历史信息中包括至少一轮坐席与用户的对话信息；从所述多条对话历史信息中确定多个目标用户话术，所述目标用户话术所属的至少两条对话历史信息分别具有正反馈指标及负反馈指标；针对所述多个目标用户话术中至少一个目标用户话术，构建每个目标用户话术对应的偏好数据样本从而得到偏好数据集；任一偏好数据样本包括目标用户话术的前序对话轮、正反馈坐席话术和负反馈坐席话术，所述正反馈坐席话术和所述负反馈坐席话术均与所述目标用户话术属于同一轮对话信息。
-
公开(公告)号：CN119477715A
公开(公告)日：2025-02-18
申请号：CN202411486755.7
申请日：2024-10-23
Applicant: 上海上湖信息技术有限公司 , 海南上湖信息技术有限公司 , 上海耳序信息技术有限公司
Abstract: 本申请实施例提供一种视频流的处理方法及装置，应用在多媒体资源处理技术领域，包括：获取视频流的任意视频帧，针对视频帧进行检测，确定视频帧存在人脸图像后，分别对人脸图像和视频帧进行超分辨率操作，得到高分辨率人脸图像和高分辨率视频帧；对高分辨率人脸图像和高分辨率视频帧进行融合，得到修复视频帧，根据各修复视频帧，得到修复后的视频流。本申请通过对视频中的人脸部分进行单独的超分辨率处理，并将其结果与对视频帧超分辨率结果进行融合，实现对包含复杂退化的视频进行修复，得到高质量超分辨率的视频流。有效恢复视频流中的细节以提升观感效果，并保持整体视频的高清晰度，解决了现有技术方案中的模糊和细节缺失的问题。
-
公开(公告)号：CN119832019A
公开(公告)日：2025-04-15
申请号：CN202411881398.4
申请日：2024-12-19
Applicant: 上海上湖信息技术有限公司 , 海南上湖信息技术有限公司 , 上海耳序信息技术有限公司
IPC: G06T7/194 , G06T7/11 , G06T7/269 , G06T5/77 , G06T5/50 , G06N3/0464 , G06N3/0455 , G06N3/044 , G06V20/40 , G06V10/25 , G06V20/62 , G06V30/146 , G06V10/82
Abstract: 本申请实施例提供一种视频流中前景目标的移除方法及装置，应用在计算机技术领域，包括：从原始视频流中检测出具有前景目标的视频帧，并为具有前景目标的视频帧生成前景目标对应的掩码；针对任意具有前景目标的视频帧进行移除修复操作，得到修复视频帧；根据各修复视频帧得到修复视频流；移除修复操作包括：根据掩码对具有前景目标的视频帧进行前景目标移除，得到待修复视频帧；计算具有前景目标的视频帧的前向光流和后向光流，通过前向光流和后向光流对待修复视频帧进行像素填充；对像素填充后的待修复视频帧，通过前向光流和后向光流进行像素对齐，得到修复视频帧。本申请确保了在动态场景或多前景目标场景下视频的准确性和视觉一致性。
-
公开(公告)号：CN117788877A
公开(公告)日：2024-03-29
申请号：CN202311591974.7
申请日：2023-11-27
Applicant: 上海上湖信息技术有限公司
IPC: G06V10/764 , G06V10/74 , G06V10/25 , G06V10/77 , G06V10/82 , G06N3/0464
Abstract: 本申请实施例提供一种数据处理方法及装置，包括：获取未标注图像集，所述未标注图像集中包含多张未标注图像；基于预设检测方法，获得各未标注图像各自的至少一个目标对象，以及各目标对象各自的分布信息和对象不确定值，分布信息表征目标对象在所属图像中的分布情况，对象不确定值表征目标对象的分布信息的不可信程度；基于各目标对象各自的分布信息，对每个未标注图像的至少一个目标对象的对象不确定值进行加权处理，获得相应未标注图像的图像不确定值，并从未标注图像集中剔除图像不确定值最大的预设数量的未标注图像，获得目标图像；基于目标图像的分布信息，对目标图像进行标注，用以获取标注的图像样本，减少模型训练所耗费的成本。
-
公开(公告)号：CN117764709A
公开(公告)日：2024-03-26
申请号：CN202311685088.0
申请日：2023-12-08
Applicant: 上海上湖信息技术有限公司
Abstract: 本发明公开了一种确定用户的信用状态的方法及装置，其中方法包括：获取第一数据集对应的第一结构图和第二数据集对应的第二结构图；其中，第一数据集包括M个用户的特征信息和M个用户的信用状态信息，第二数据集包括N个用户的特征信息；根据第一结构图和第二结构图，确定第三结构图；第三结构图和第二结构图的结构属性相同，结构属性为度分布或接近中心性分布；根据第三结构图对神经网络模型进行训练；将第二结构图输入训练后的神经网络模型，确定N个用户的信用状态信息。采用上述方法，利用与第二结构图结构属性相同的第三结构图训练神经网络模型，可以实现准确确定第二结构图中用户节点的信用状态信息。
-
Patent Agency Ranking
公开(公告)号：CN119690828A
公开(公告)日：2025-03-25
申请号：CN202411747708.3
申请日：2024-12-02
Applicant: 上海上湖信息技术有限公司
IPC: G06F11/3668 , G06F9/451 , G06F9/445 , G06F9/455 , G06F16/955
Abstract: 本申请公开一种数据处理方法及装置，涉及数据处理领域，用于解决人工手动编写测试用例效率低下的问题。其中方法包括：启动对目标设备的第一界面的录制操作，获取第一界面的界面元素信息，界面元素信息中包括第一界面中呈现的各个元素的位置信息，响应于用户在第一界面上的操作，确定操作对应的目标元素，根据目标元素的位置信息、操作的操作类型和操作参数生成第一信息，将第一信息发送给测试平台。通过以上方案，可以实现自动化录制界面元素和操作信息(测试用例)。
-
公开(公告)号：CN117764712A
公开(公告)日：2024-03-26
申请号：CN202311791166.5
申请日：2023-12-22
Applicant: 上海上湖信息技术有限公司
IPC: G06Q40/03 , G06F16/901 , G06N5/022
Abstract: 本申请提供一种用户标签确定方法及装置，该方法包括：获取图数据，其中，图数据中的每个节点表示一个用户，图数据中的每个边表明通过该边连接的两个节点所对应的两个用户具有关联关系；根据图数据，确定多个数据簇，其中，每个数据簇对应图数据中的多个节点，且与多个节点中的任意一个节点连接的任意一个节点也属于多个节点；针对每个数据簇中的每个节点的度数计算相应的指标值，并确定每个数据簇中最大指标值对应的节点；根据每个数据簇中最大指标值对应的节点的金融数据为相应的用户设置标签。采用上述方法仅需对每个数据簇中最大指标值节点所对应的用户设置相应的标签，可以减少需要设置标签的用户数量，显著提升效率。
-
公开(公告)号：CN117743916A
公开(公告)日：2024-03-22
申请号：CN202311667105.8
申请日：2023-12-06
Applicant: 上海上湖信息技术有限公司
IPC: G06F18/241 , G06F18/214 , G06F18/2433
Abstract: 本申请实施例提供了一种模型训练方法、异常信息检测方法及装置，涉及计算机技术领域，包括：获取样本数据集；采用所述样本数据集迭代执行异常检测任务和图预训练任务，并在每次迭代过程中，获得所述异常检测任务和所述图预训练任务之间的一致性指标，并基于所述一致性指标调整用于执行所述异常检测任务的异常检测模型的模型参数；在所述一致性指标满足预设条件时停止迭代，获得初步训练的异常检测模型；对所述初步训练的异常检测模型和初始化的分类器进行微调训练，获得目标异常检测模型和目标分类器，能够有效识别图网络结构中异常节点的结构，准确分辨正常用户和异常用户，有效提高了异常检测结果的准确性。
-
公开(公告)号：CN117238074A
公开(公告)日：2023-12-15
申请号：CN202311188218.X
申请日：2023-09-14
Applicant: 上海上湖信息技术有限公司
Abstract: 本发明公开了一种商品补货情况的检测方法及装置，涉及计算机视觉领域。该方法包括如下步骤：首先获取零售柜的第一图像和第二图像，对补货前图像中检测到的空货道进行分割与降重，计算货道中商品空缺位置面积占货道面积的比例确定补货前所述零售柜包括的N个货道的N个第一货道信息，并确定补货后的所述零售柜包括的所述N个货道的N个第二货道信息；最后通过根据所述N个第一货道信息与所述N个第二货道信息，获得N个第一信息判断商品补货状态。本发明面向新零售场景中零售柜商品补货任务，能够准确识别零售柜是否进行正确补货，能够提高补货判断的准确率，并提升审核效率。
-
公开(公告)号：CN113392149B
公开(公告)日：2022-09-13
申请号：CN202110659979.3
申请日：2021-06-15
Applicant: 浙江大学 , 上海上湖信息技术有限公司
Abstract: 本发明公开了一种基于多源异构数据融合的贷款逾期预测方法，利用大数据量学习大量用户的App使用记录、App安装卸载列表、用户App内点击行为，通过神经网络建模融合，来提高对未来用户逾期贷款情况的预测能力，多个信息源的融合有助于提高表现。本发明用多个信息源训练，然后用单个信息源测试的结果相比于用单个信息源训练和测试的结果要好，表明模态生成的机制除了使模型表现更好外，还带来了额外的收获。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.126 seconds)
