-
公开(公告)号：CN116956231A
公开(公告)日：2023-10-27
申请号：CN202310809280.X
申请日：2023-06-30
Applicant: 腾讯科技(深圳)有限公司
IPC: G06F18/27 , G06F18/213 , G06F123/02
Abstract: 本申请公开了一种数据预测方法、装置和存储介质及电子设备。其中，该方法包括：在获取到时域输入数据的情况下，将时域输入数据转换为频域输入数据；对时域输入数据进行特征提取，得到目标时域特征；以及，对频域输入数据进行特征提取，得到目标频域特征；对目标时域特征和目标频域特征进行特征融合，得到目标预测特征，其中，目标预测特征用于表征时域输入数据在时间维度和频率维度上的关系；利用目标预测特征进行时域输入数据的回归预测，得到时序预测结果，其中，时序预测结果用于表示时域输入数据在目标时间段内的数据变化。本申请可应用于大数据技术领域。本申请解决了数据预测的准确性较低的技术问题。
-
公开(公告)号：CN115527079B
公开(公告)日：2023-07-14
申请号：CN202210189742.8
申请日：2022-02-28
Applicant: 腾讯科技(深圳)有限公司
IPC: G06V10/774 , G06V40/12 , G06V10/778
Abstract: 本申请公开了一种掌纹样本的生成方法、装置、设备、介质及程序产品，涉及机器学习领域。该方法包括：根据掌纹主线分布规律生成第一主线定位点和第二主线定位点；根据掌纹主线弧度规律生成用于控制第一主线定位点和第二主线定位点所构成的主线弧度的调节点数据；将第一主线定位点、主线调节点和第二主线定位点依次连接后得到的曲线作为掌纹主线；生成包含掌纹主线的至少一个掌纹样本对掌纹识别模型进行训练。通过以上方式，以掌纹中主线的分布情况，模拟得到多样性更强的多个掌纹样本，在基于生成的掌纹样本对掌纹识别模型进行训练后，可以有效提升掌纹识别模型的鲁棒性。本申请可应用于云技术、人工智能、智慧交通等各种场景。
-
公开(公告)号：CN113515988A
公开(公告)日：2021-10-19
申请号：CN202010659354.2
申请日：2020-07-09
Applicant: 腾讯科技(深圳)有限公司
Abstract: 本申请实施例公开了一种掌纹识别方法、特征提取模型训练方法、设备及介质，属于计算机技术领域。该方法包括：获取目标手部图像，对目标手部图像进行手掌提取，得到目标手部图像的目标手掌图像，调用特征提取模型，对目标手掌图像进行特征提取，得到目标掌纹特征，根据存储的多个预设掌纹特征及每个预设掌纹特征对应的用户标识，对目标掌纹特征进行识别处理，确定目标掌纹特征的目标用户标识。通过从手部图像中提取到手掌图像，减少了手部图像中对掌纹特征的影响因素，提高了掌纹特征的准确性，训练该特征提取模型时采用的样本手部图像通过不同类型的设备采集得到，应用范围广，提高了得到的掌纹特征的准确性，从而提高了用户标识的准确性。
-
公开(公告)号：CN113515987A
公开(公告)日：2021-10-19
申请号：CN202010659346.8
申请日：2020-07-09
Applicant: 腾讯科技(深圳)有限公司
Abstract: 本申请实施例公开了一种掌纹识别方法、装置、计算机设备及存储介质，属于计算机技术领域。该方法包括：获取包含同一手掌的至少两个原始手部图像，根据至少两个模板手部图像，分别对类型匹配的原始手部图像进行矫正处理，得到每个原始手部图像对应的目标手部图像，分别获取每个目标手部图像对应的目标掌纹特征，将至少两个目标掌纹特征进行融合处理，得到融合掌纹特征，根据存储的多个参考掌纹特征及每个参考掌纹特征对应的用户标识，对融合掌纹特征进行识别处理，确定融合掌纹特征的目标用户标识。避免了由于手掌显示方式不满足要求而影响掌纹识别结果，丰富了融合掌纹特征中包含的特征，提高了掌纹识别的准确性，实现了对用户的身份验证。
-
公开(公告)号：CN117852624B
公开(公告)日：2024-07-09
申请号：CN202410263944.1
申请日：2024-03-08
Applicant: 腾讯科技(深圳)有限公司
Inventor： 沈雷
IPC: G06N3/096 , G06N3/0464 , G06N3/045 , G06N3/0499 , G06N3/0442 , G06N5/01 , G06F18/27 , G06F18/2411 , G06F18/2431 , G06F18/15 , G06F18/25 , G06F18/22 , G06N3/048 , G06F123/02
Abstract: 本申请实施例提供了一种时序信号预测模型的训练方法、预测方法、装置及设备。时序信号预测模型包括特征提取网络和回归器，方法包括：对第一样本中的样本图像进行分块处理，得到图像块序列，对第一样本中的样本描述文本进行分块处理，得到文本块序列；基于第一样本中样本图像对应的图像块序列、样本描述文本对应的文本块序列及第一样本的标签，对特征提取网络进行预训练；根据第二样本中历史时序信号和历史时序信号对应的下一时间段的实际时序信号，对回归器和预训练后的特征提取网络进行微调训练。通过上述方法，在预训练阶段使特征提取网络学习到提取有效特征的能力，在微调训练阶段仅需少量目标域样本即可使时序信号预测模型达到良好的性能。
-
Patent Agency Ranking
公开(公告)号：CN117974833B
公开(公告)日：2024-05-31
申请号：CN202410386199.X
申请日：2024-04-01
Applicant: 腾讯科技(深圳)有限公司
Inventor： 沈雷
IPC: G06T11/00
Abstract: 本申请提供了图像生成方法、装置、设备、可读存储介质及程序产品，该方法包括：根据投影系数集合中的样本投影系数序列确定第一投影系数序列，样本投影系数序列和第一投影系数序列均包括N个样本投影系数；样本投影系数序列是根据样本纹线图像确定的；对第一投影系数序列进行逆空间变换，得到目标拟合系数序列；利用目标拟合系数序列包括的M个拟合系数生成目标多阶多项式；根据目标多阶多项式生成拟真纹线，并利用拟真纹线生成拟真纹线图像。通过本申请可以通过将系数进行空间变换后再进行处理，有效避免系数的过拟合，提高系数的准确性，可以根据系数确定与真实纹线高相似度的拟真纹线，进而可以生成与真实纹线图像高相似度的拟真纹线图像。
-
公开(公告)号：CN117274761B
公开(公告)日：2024-03-12
申请号：CN202311475037.5
申请日：2023-11-08
Applicant: 腾讯科技(深圳)有限公司
Inventor： 沈雷
IPC: G06V10/80 , G06V10/82 , G06V10/774 , G06V10/74 , G06V40/12 , G06V40/16 , G06V40/18 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本申请实施例公开了一种图像生成方法、装置、电子设备和存储介质；本申请实施例可以获取目标对象的真实生物识别图像；对真实生物识别图像添加多种镜头特效，得到每种镜头特效对应的特效图像；对每种图像特效对应的特效图像进行特征提取，得到特效图像的图像特征；基于特效图像的图像特征生成目标对象的总体特征；对总体特征与特效图像的图像特征进行融合处理，得到融合特征；基于融合特征，生成目标对象的拟真生物识别图像。本申请实施例通过添加镜头特效扩展出多张特效图像，并利用多张特效图像的总体特征能表征目标对象的特点，将总体特征与每张特效图像的特征进行融合，从而生成出准确的拟真图像。由此，本方案可以提升图像生成方法的效率。
-
公开(公告)号：CN117237856B
公开(公告)日：2024-03-01
申请号：CN202311501779.0
申请日：2023-11-13
Applicant: 腾讯科技(深圳)有限公司
Inventor： 沈雷
IPC: G06V20/40 , G06V10/774 , G06V10/82
Abstract: 本申请涉及一种图像识别方法、装置、计算机设备、存储介质和计算机程序产品。所述方法可以应用于人工智能和智能交通的应用场景，该方法包括：对图像序列中的各图像进行特征提取，得到各所述图像的图像特征；分别对各相邻所述图像的图像特征进行依赖关系处理，得到各相邻所述图像之间的第一时间尺度的依赖特征；根据所述第一时间尺度的各依赖特征和各所述图像的图像特征，生成第二时间尺度的依赖特征；所述第二时间尺度大于所述第一时间尺度；基于所述第二时间尺度的依赖特征对所述图像中的目标对象进行识别，得到对象识别结果。采用本方法能够提高识别结果的准确性。
-
公开(公告)号：CN117371614A
公开(公告)日：2024-01-09
申请号：CN202311443621.2
申请日：2023-11-01
Applicant: 腾讯科技(深圳)有限公司
Inventor： 沈雷
IPC: G06Q10/04 , G06F16/2458 , G06N3/0455 , G06N3/0464 , G06N3/082
Abstract: 本申请提供了一种时间序列的预测方法、装置、设备、存储介质及程序产品；方法包括：获取用于预测n个第二时间序列的第一时间序列；基于所述第一时间序列进行时间序列预测，得到待预测的n个第二时间序列中的第1个第二时间序列；基于所述第一时间序列以及第(i‑1)个第二时间序列进行时间序列预测，得到所述待预测的n个第二时间序列中的第i个第二时间序列；对所述i进行遍历，得到所述n个第二时间序列，所述n和所述i为大于1的整数，所述i小于或等于所述n；通过本申请，能够提高时间序列的预测精度。
-
公开(公告)号：CN117056709A
公开(公告)日：2023-11-14
申请号：CN202311313706.9
申请日：2023-10-11
Applicant: 腾讯科技(深圳)有限公司
IPC: G06F18/213 , G06F18/214 , G06F18/27
Abstract: 本申请公开了一种时序预测模型的训练方法、装置和存储介质及电子设备。其中，该方法包括：获取初始的时序预测模型和多个时序样本；将多个时序样本输入时域编码器，得到多个时域编码特征；将多个时域编码特征输入回归器，得到多个时域预测结果；将多个时序样本转换为多个第一频域编码特征，和将多个时域预测结果转换为多个第二频域编码特征；利用多个时域编码特征、多个时域预测结果、多个第一频域编码特征，以及多个第二频域编码特征，获取初始的时序预测模型的全局损失函数；在全局损失函数满足训练收敛条件的情况下，得到训练好的时序预测模型。本申请可应用于大数据技术领域。本申请解决了时序预测的准确性较低的技术问题。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.039 seconds)
