-
公开(公告)号：CN107833219A
公开(公告)日：2018-03-23
申请号：CN201711212620.1
申请日：2017-11-28
申请人： 腾讯科技(深圳)有限公司 , 腾讯云计算(北京)有限责任公司
IPC分类号： G06T7/00
CPC分类号： G06T7/0012 , G06T2207/10081 , G06T2207/20081 , G06T2207/30064 , G06T2207/30096
摘要： 本发明是关于一种图像识别方法。该方法包括：获取三维成像图；通过特征提取模型分支对所述三维成像图进行处理，获得所述三维成像图的图像特征以及热度图，所述图像特征是用于指示所述三维成像图中的病源区域的特征；通过识别模型分支对所述图像特征以及所述热度图进行处理，获得所述三维成像图对应的疾病属性，所述疾病属性包括良性或者恶性；由于构建的热度图能够指示三维成像图的全局特性，能够携带的病理信息更多，因此基于热度图进行识别，能够提高图像识别的准确性。
-
公开(公告)号：CN108230296B
公开(公告)日：2023-04-07
申请号：CN201711244421.9
申请日：2017-11-30
申请人： 腾讯科技(深圳)有限公司 , 腾讯云计算(北京)有限责任公司
IPC分类号： G06T7/00 , G06V10/82 , G06V10/764 , G06V10/774
摘要： 本发明公开了一种图像特征的识别方法和装置、存储介质、电子装置。其中，该方法包括：获取识别请求，识别请求用于请求对目标图片中的图像特征进行识别；通过第一神经网络模型对目标图片中的图像特征进行识别，其中，第一神经网络模型是通过第一训练集合和第二训练集合对第二神经网络模型中的参数进行训练后得到的，第一训练集合中训练图片的图像特征已经被标记、且第二训练集合中训练图片的图像特征未被标记；返回第一神经网络模型的第一识别结果，其中，第一识别结果至少用于指示在目标图片中识别出的图像特征(如病变特征)。本发明解决了相关技术中对糖尿病视网膜病变的筛查效率较低的技术问题。
-
公开(公告)号：CN109753978A
公开(公告)日：2019-05-14
申请号：CN201711060208.2
申请日：2017-11-01
申请人： 腾讯科技(深圳)有限公司 , 腾讯云计算(北京)有限责任公司
IPC分类号： G06K9/62
摘要： 本申请实施例提供一种图像分类方法、装置以及计算机可读存储介质，包括：获得原始图像、以及所述原始图像中所包括的对象的类别；调整所述原始图像的显示参数满足取值条件；根据所述显示参数的分布需要满足的分布条件，对所述原始图像的所述显示参数进行变换获得新图像；基于调整后的原始图像和所述新图像进行组合构造的训练集、以及所包括对象的类别，训练神经网络模型；基于训练后的所述神经网络模型，将待预测图像和标注有对象的类别的参考图像输入所述神经网络模型，判断所述待预测图像中所包括对象的类别。
-
公开(公告)号：CN107895369A
公开(公告)日：2018-04-10
申请号：CN201711212049.3
申请日：2017-11-28
申请人： 腾讯科技(深圳)有限公司 , 腾讯云计算(北京)有限责任公司
CPC分类号： G06T7/0012 , G06N3/0454 , G06N3/08 , G06T3/40 , G06T17/00 , G06T2207/10081 , G06T2207/30064
摘要： 本发明公开了一种图像分类方法、装置、存储介质及设备，属于机器学习技术领域。方法包括：获取待分类的三维成像图，并将待分类的三维成像图进行缩放处理，将得到的至少两种分辨率的三维成像图输入检测模型，检测模型是基于人工标注样本的多尺度特征进行机器学习得到的；获取检测模型输出的待分类的三维成像图中的病源区域；将确定出来的病源区域输入分类模型，分类模型是基于金标准样本进行机器学习得到的，金标准样本为对病源属性进行正确区分的图像样本；获取分类模型输出的待分类的三维成像图的图像类别，图像类别中包括疾病的疾病属性。本发明基于多尺度特征以及金标准样本训练出的模型准确度高，图像分类的准确度大幅提升。
-
公开(公告)号：CN110399929B
公开(公告)日：2023-04-28
申请号：CN201910689712.1
申请日：2017-11-01
申请人： 腾讯科技(深圳)有限公司 , 腾讯云计算(北京)有限责任公司
IPC分类号： G06V10/764 , G06T7/00
摘要： 本申请实施例提供一种眼底图像分类方法、装置以及计算机可读存储介质，方法包括：获得眼底图像、以及所述眼底图像中所包括的眼球的类别；调整眼底图像的显示参数满足取值条件；根据显示参数的分布需要满足的分布条件，对眼底图像的显示参数进行变换获得新图像；基于调整后的眼底图像和新图像进行组合构造的训练集、以及所包括眼球的类别，训练神经网络模型；基于训练后的神经网络模型，将待预测眼底图像和标注有眼球的类别的参考图像输入神经网络模型，确定待预测眼底图像中所包括眼球的类别。
-
公开(公告)号：CN110399929A
公开(公告)日：2019-11-01
申请号：CN201910689712.1
申请日：2017-11-01
申请人： 腾讯科技(深圳)有限公司 , 腾讯云计算(北京)有限责任公司
摘要： 本申请实施例提供一种眼底图像分类方法、装置以及计算机可读存储介质，方法包括：获得眼底图像、以及所述眼底图像中所包括的眼球的类别；调整眼底图像的显示参数满足取值条件；根据显示参数的分布需要满足的分布条件，对眼底图像的显示参数进行变换获得新图像；基于调整后的眼底图像和新图像进行组合构造的训练集、以及所包括眼球的类别，训练神经网络模型；基于训练后的神经网络模型，将待预测眼底图像和标注有眼球的类别的参考图像输入神经网络模型，确定待预测眼底图像中所包括眼球的类别，所述眼球的类别包括：正常，早期、进展期、以及晚期，用于辅助识别眼球的视网膜病变不同程度特征。
-
公开(公告)号：CN108230296A
公开(公告)日：2018-06-29
申请号：CN201711244421.9
申请日：2017-11-30
申请人： 腾讯科技(深圳)有限公司 , 腾讯云计算(北京)有限责任公司
摘要： 本发明公开了一种图像特征的识别方法和装置、存储介质、电子装置。其中，该方法包括：获取识别请求，识别请求用于请求对目标图片中的图像特征进行识别；通过第一神经网络模型对目标图片中的图像特征进行识别，其中，第一神经网络模型是通过第一训练集合和第二训练集合对第二神经网络模型中的参数进行训练后得到的，第一训练集合中训练图片的图像特征已经被标记、且第二训练集合中训练图片的图像特征未被标记；返回第一神经网络模型的第一识别结果，其中，第一识别结果至少用于指示在目标图片中识别出的图像特征(如病变特征)。本发明解决了相关技术中对糖尿病视网膜病变的筛查效率较低的技术问题。
-
公开(公告)号：CN107679525A
公开(公告)日：2018-02-09
申请号：CN201711060265.0
申请日：2017-11-01
申请人： 腾讯科技(深圳)有限公司 , 腾讯云计算(北京)有限责任公司
摘要： 本发明实施例提供一种图像分类方法、装置及计算机可读存储介质，包括：获得原始图像、以及所述原始图像中所包括的对象的类别；调整所述原始图像的显示参数满足取值条件；根据所述显示参数的分布需要满足的分布条件，对所述原始图像的所述显示参数进行变换获得新图像；基于调整后的原始图像和新图像构造的训练集、以及所包括对象的类别，训练神经网络模型；基于训练后的所述神经网络模型，判断待预测图像中所包括对象的类别。
-
公开(公告)号：CN107516327B
公开(公告)日：2023-05-16
申请号：CN201710719545.1
申请日：2017-08-21
申请人： 腾讯科技(上海)有限公司 , 腾讯云计算(北京)有限责任公司
摘要： 本发明实施例公开了一种基于多层滤波确定相机姿态矩阵的方法及装置、设备，其中，所述方法包括：根据相机采集的视频流中的相邻帧确定当前帧的相机姿态矩阵，根据所述当前帧的相机姿态矩阵确定所述相机的当前速率；从预设的滤波器集合中确定与所述当前速率对应的自适应滤波器；利用所述自适应滤波器对所述当前帧的相机姿态矩阵进行插值，得到插值后的相机姿态矩阵；输出所述插值后的相机姿态矩阵。
-
公开(公告)号：CN115311590A
公开(公告)日：2022-11-08
申请号：CN202110432071.9
申请日：2021-04-21
申请人： 腾讯云计算(北京)有限责任公司
摘要： 本申请实施例公开了一种图像处理方法、计算机及可读存储介质，涉及人工智能领域的机器学习技术，该方法包括：对目标图像进行特征提取，得到目标图像的图像特征图；目标图像包括目标对象；基于图像特征图识别目标对象的初始对象特征以及对象部位的初始部位特征；对象部位为组成目标对象的部位；根据初始部位特征对初始对象特征进行特征增强，得到目标对象特征，根据初始对象特征对初始部位特征进行特征增强，得到目标部位特征；根据目标对象特征预测目标对象的对象信息，根据目标部位特征预测对象部位的部位信息；根据对象信息及部位信息对目标图像中的目标对象进行非法对象检测。采用本申请，可以提高对图像进行非法检测的准确性。
-
-
-
-
-
-
-
-
-
搜索结果
154 条记录 (耗时 0.059 秒)
