专利标题 公开号/公告号 公开日期 摘要 专利状态
图像分类任务的特征提取方法、装置、设备及存储介质 CN202211302670.X 2023-11-24 本发明公开了一种图像分类任务的特征提取方法、装置、设备及介质，包括：将基础图像输入至训练好的特征提取模型，其中，训练好的特征提取模型为深度神经网络模型，包含N组并联的不同尺度的卷积核，N为大于2的正整数，采用N组并联的不同尺度的卷积核对基础图像进行特征提取，得到N个多尺度特征，基于随机洗牌算法，对N个多尺度特征进行特征融合和分组混合，得到目标特征，提高低资源条件下图像特征提取的精度与效率。 专利权的变更
基于多细粒度特征的行人重识别方法、装置及存储介质 CN202211043447.8 - 本发明提供基于多细粒度特征的行人重识别方法、装置及存储介质，方法包括以下步骤：获取行人图像，行人图像至少包括目标行人图像和待识别图像；将待识别图像输入训练好的行人躯干部位检测网络模型进行特征提取，得到待识别图像的全局特征和多层待识别图像的行人躯干部位分区的细粒度特征；将待识别图像的全局特征和多层行人躯干部位分区的细粒度特征进行加权融合，得到待识别图像的行人重识别特征；将待识别图像的行人重识别特征与目标行人图像的行人重识别特征进行相似度计算，确定行人重识别结果。本发明提高了行人重识别的准确率。 实质审查
一种基于半监督学习的行人重识别方法、装置及存储介质 CN202211031306.4 - 本发明提供一种基于半监督学习的行人重识别方法、装置及存储介质，方法包括以下步骤：获取行人图像数据集，从所述行人图像数据集中选择若干图像作为训练分类数据集；对所述训练分类数据集进行聚类处理，得到伪标签数据集；将所述伪标签数据集作为训练数据集输入到预设的行人重识别网络模型进行迭代训练，得到最终的行人重识别网络模型；将所述行人图像数据集输入到最终的行人重识别网络模型进行识别，得到行人重识别结果。本发明提供的基于半监督学习的行人重识别方法相比于监督学习的方式，大大降低人工标注行人重识别数据工作量，并且提高了行人重识别算法的精度。 实质审查
图像库构建方法、图像检索方法、装置及相关设备 CN202210778038.6 2022-09-30 本发明公开了一种图像库构建方法、图像检索方法、装置、计算机设备及存储介质，所述方法包括：获取图像高维特征集合；对所有高维特征进行聚类处理，直到损失函数收敛，得到至少两个簇；基于所有簇，构建倒排文件系统；针对每一个簇，对簇中的所有点进行边连接处理，得到簇对应的完整图，并将所有完整图作为当前聚类图；对当前聚类图进行聚类处理，得到至少两个簇中心；基于所有簇中心，构建中间图；将中间图作为当前聚类图，并返回对所述当前聚类图进行聚类处理，得到至少两个簇中心的步骤继续执行，直到中间图对应的层数达到预设层数时，得到多层跳表；基于倒排文件系统和多层跳表，构建图像库。采用本发明提高对图像进行检索的准确率。 专利权的变更
人脸识别方法、装置、计算机设备及存储介质 CN202210108544.4 2023-01-31 本申请公开了一种人脸识别方法、装置、计算机设备及存储介质，应用于人脸识别技术领域，用于提高人脸识别的效率。本申请提供的方法包括：获取待识别人脸图像，并将待识别人脸图像输入到初始人脸识别模型中进行特征提取，得到待识别人脸图像的人脸特征向量；计算人脸特征向量与初始特征向量的相似度，得到相似度结果，并基于相似度结果，确定迁移分类向量；将初始人脸识别模型的特征提取参数和迁移分类向量作为初始人脸识别模型的模型参数，并对初始人脸识别模型进行训练，得到目标人脸识别模型，将待识别人脸图像输入到目标人脸识别模型中进行人脸识别，得到人脸识别结果。 专利权的变更
遮挡条件下的特征识别方法、装置、计算机设备及介质 CN202111676900.4 - 本发明公开了一种遮挡条件下的特征识别方法、装置及相关设备，应用于生物特征识别领域。本发明提供的方法包括：对遮挡图像进行图像预处理和对齐处理，得到对齐图像，将所述对齐图像输入到训练好的遮挡网络，并采用训练好的遮挡网络对所述对齐图像进行公共特征提取和遮挡区域特征提取，得到公共特征和遮挡区域特征对所述公共特征和所述遮挡区域特征进行特征融合，得到融合特征，将所述融合特征输入到识别网络，得到遮挡特征的识别结果，基于采用公共特征和遮挡区域特征的提取和融合，得到的融合特征进行识别，提高了遮挡特征识别的准确率。 专利申请的驳回
指静脉图像真伪识别方法、装置、计算机设备及存储介质 CN202111678966.7 2022-12-23 本发明公开了一种指静脉图像真伪识别方法、装置、计算机设备及存储介质，应用于生物识别技术领域，用于提高识别出指指静脉图像的真伪性的准确性。本发明提供的方法包括：获取待识别指静脉图像，并基于预设裁剪规则，对所述待识别指静脉图像进行图像裁剪，获取初始兴趣区域图像；对所述初始兴趣区域图像进行滤波处理，得到平滑兴趣区域图像，并基于预设的二值化阈值，对所述平滑兴趣区域图像进行二值化，得到二值化图像；对所述二值化图像进行边界检测，得到第一识别结果，并对所述二值化图像进行像素占比判断，得到第二识别结果；基于所述第一识别结果和所述第二识别结果对所述待识别指静脉图像进行防伪识别，得到识别结果。 专利权的授权
人脸识别模型训练方法、人脸识别方法、装置及相关设备 CN202111679844.X 2023-04-07 本发明公开了一种人脸识别模型训练方法、人脸识别方法、装置及相关设备，应用于数据处理领域。本发明提供的方法包括：对参与训练的人脸图像进行图像预处理，得到人脸图像集，基于特征提取网络，对人脸图像集进行特征提取，得到特征向量，并对特征向量进行范数操作，得到与图像质量相关的特征范数，使用压缩映射的方式对特征范数进行压缩，得到压缩后的特征范数，通过压缩后的特征范数构建基于特征范数的损失函数，基于损失函数计算特征范数的压缩损失，并采用压缩损失对初始人脸识别模型的参数进行训练，得到人脸识别模型，采用本发明可提高低质图像识别的准确率。 专利权的变更
模型可视化建模方法、装置、计算机设备及存储介质 CN202111666873.2 2023-04-07 本发明公开了一种模型可视化建模方法、装置、计算机设备及存储介质，应用于人工智能技术领域，用于提高可视化建模的建模效率。本发明提供的方法包括：接收客户端的建模请求，生成建模任务和建模任务类型，并基于所述建模组件推荐信息的反馈信息，生成当前组件连接信息；根据所述当前组件连接信息，得到所述当前组件连接信息的建模结果，并基于所述建模结果，调用资源评估算法，生成所述建模任务的资源分配信息；取所述当前组件连接信息的参数集合，得到每一个参数的调整指标值，并根据调整指标值的大小，生成参数调整信息；将所述当前组件连接信息、所述资源分配信息和所述参数调整信息作为建模优化信息，并在所述客户端进行展示。 专利权的变更
人脸活体检测方法、装置、计算机设备及存储介质 CN202110352424.4 - 本发明公开了一种人脸活体检测方法，应用于计算机视觉处理领域，用于解决人脸活体检测过程中准确率低的问题。本发明提供的方法包括：获取待检测人脸图像；将待检测人脸图像输入人脸活体检测深度树模型中，其中，人脸活体检测深度树模型包括叶子节点和至少两层树节点；采用树节点，对待检测人脸图像进行特征提取，获得目标特征图；采用叶子节点对目标特征图进行概率计算，获得概率分数；根据概率分数，确定待检测人脸图像是否属于人脸活体。 专利申请的驳回