-
公开(公告)号：CN109117890B
公开(公告)日：2020-04-21
申请号：CN201810973916.3
申请日：2018-08-24
申请人： 腾讯科技(深圳)有限公司
摘要： 本发明实施例公开了一种图像分类方法、装置和存储介质；本发明实施例可以采集生命体组织的多张生命体组织图像；然后，根据生命组织样本图像中标注靶向区域的区域信息，从生命体组织图像中检测靶向区域图像，该区域信息包括区域位置信息；对检测到的靶向区域图像进行预处理，得到待识别图像；采用预设病变分类模型对待识别图像进行分类，得到生命体组织图像对应的分类结果；当得到采集到的所有生命体组织图像对应的分类结果时，对生命体组织图像的分类结果进行融合，得到最终分类结果；该方案可以减少漏检的概率，提高图像分类的准确率和有效性。
-
公开(公告)号：CN110555428A
公开(公告)日：2019-12-10
申请号：CN201910866301.5
申请日：2019-09-12
申请人： 腾讯科技(深圳)有限公司
摘要： 本发明提供了一种行人重识别方法、装置、服务器以及存储介质，获取目标行人图像及参考行人图像之后，将目标行人图像与参考行人图像输入至预先训练生成的行人重识别网络中得到目标行人图像与参考行人图像的原始特征的余弦距离；并将目标行人图像与参考行人图像输入至预先训练生成的姿态生成对抗网络中得到目标行人图像与参考行人图像的姿态特征的余弦距离；将姿态特征的余弦距离与原始特征的余弦距离求加权和，得到最终的重排序距离。基于上述方案，根据姿态特征得到的重排序距离准确度较高，能够提高行人重识别的检索结果准确率和召回率。
-
公开(公告)号：CN110349156A
公开(公告)日：2019-10-18
申请号：CN201910697322.9
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： 本发明公开了一种眼底图片中病变特征的识别方法和装置、存储介质。其中，该方法包括：获取识别请求，识别请求用于请求对眼底图片中的病变特征进行识别；通过第一神经网络模型对眼底图片中的病变特征进行识别，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病变特征已经被标记、且第二训练集合中训练图片的病变特征未被标记；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眼底图片中识别出的病变特征。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：CN110163199A
公开(公告)日：2019-08-23
申请号：CN201811159787.0
申请日：2018-09-30
申请人： 腾讯科技(深圳)有限公司
IPC分类号： G06K9/32
摘要： 公开了一种车牌识别方法、车牌识别装置、车牌识别设备及介质。所述车牌识别方法包括：对车辆图像进行预处理，获得待识别车牌图像、以及所述待识别车牌图像的车牌类型；在所述待识别车牌图像的车牌类型指示多行车牌的情况下，对于所述多行车牌类型的待识别车牌图像进行类型转换，得到单行车牌类型的车牌图像；对所述单行车牌类型的车牌图像进行识别，得到车牌号码。通过将多行车牌转换为单行车牌，可简单高效地实现对于多行车牌的识别。
-
公开(公告)号：CN104899825B
公开(公告)日：2019-07-05
申请号：CN201410080691.0
申请日：2014-03-06
申请人： 腾讯科技(深圳)有限公司
摘要： 本发明公开了一种对图片人物造型的方法和装置。该方法包括：检测出图片人物的头部区域和头部区域的关键点；获取造型素材，读取造型素材中的关键点；将所述造型素材的关键点对应所述头部区域的关键点，把造型素材融合到头部区域。通过自动检测出照片中的头部区域，对头部区域的关键点进行定位，将造型素材根据关键点融合到头部区域替换照片中人物的现有造型，为用户选择适合自己的造型素材提供有力的参考，该技术方案能够为用户在进行造型搭配设计的时候提供参考，操作方便省时，并且直接针对用户生成参考图，造型方式对自身形象的效果能够直观呈现。
-
公开(公告)号：CN109583583A
公开(公告)日：2019-04-05
申请号：CN201710911540.9
申请日：2017-09-29
申请人： 腾讯科技(深圳)有限公司 , 中山大学
摘要： 本发明公开了一种神经网络训练方法及装置，涉及机器学习领域，该方法包括：将第n图像数据库中的无标签图像数据输入第n神经网络，提取得到无标签图像数据的第n特征；将无标签图像数据输入第n+1神经网络提取得到无标签图像数据的第n+1特征；根据第n特征以及第n+1特征确定出符合预设要求的无标签图像数据，对符合预设要求的无标签图像数据标注伪标签；更新得到第n+1图像数据库；根据第n+1图像数据库对第n+1神经网络进行训练，得到第n+2神经网络。通过两个神经网络对无标签图像数据进行选择，并对选择得到的无标签图像数据标注伪标签，从而增加了对神经网络进行训练的有标签图像数据的数量，提高了神经网络的精确度。
-
公开(公告)号：CN109493280A
公开(公告)日：2019-03-19
申请号：CN201811305849.4
申请日：2018-11-02
申请人： 腾讯科技(深圳)有限公司
摘要： 本发明实施例公开了一种图像处理方法、装置、终端及介质，其中方法包括：获取目标车辆的初始车牌图像序列，所述初始车牌图像序列包括至少两帧初始车牌图像；调用优化的车牌重建模型对所述初始车牌图像序列进行车牌重建，得到目标车牌图像；根据所述目标车牌图像确定所述目标车辆的车牌信息。本发明实施例可以解决图像模糊和信息丢失等问题，提高车牌信息的准确性。
-
公开(公告)号：CN109035234A
公开(公告)日：2018-12-18
申请号：CN201810826933.4
申请日：2018-07-25
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： 本发明实施例公开了一种结节检测方法、装置和存储介质；本发明实施例可以获取生命体组织的电子计算机断层扫描数据，该电子计算机断层扫描数据包括电子计算机断层扫描图像序列；根据电子计算机断层扫描图像序列三维重建生命体组织的多位视图；基于深度神经网络和电子计算机断层扫描数据进行结节检测识别，得到结节检测识别结果；向终端发送结节检测识别结果以及多位视图，以便终端显示；由于该方案可以利用深度神经网络模型进行结节的检测识别，可以提升结节检测的准确性和稳定性，此外，该方案还可以重建生命体组织的多位视图如横断位、冠状位、矢状位视图等，可以便于医生全方位观察结节，提高结节诊断的准确率。
-
公开(公告)号：CN105279186A
公开(公告)日：2016-01-27
申请号：CN201410341169.3
申请日：2014-07-17
申请人： 腾讯科技(深圳)有限公司
摘要： 本发明实施例公开了一种图像处理方法和系统，该方案可以获取需要处理的图像，对该图像进行识别以提取元素特征，根据该元素特征对该图像进行拆分，得到多个具有语义信息的组成元素，然后根据该语义信息分别从预置素材库中查找对应的素材元素集，并将该组成元素分别与该素材元素集中的素材元素按照预置策略进行匹配，得到具有语义信息的匹配素材元素，最后对这些匹配素材元素进行组合，得到处理后图像；该方案不仅可以改善处理效果，实现较为简单和灵活，而且，其元素所拥有语义信息也有利于后期的进一步处理。
-
公开(公告)号：CN111626212B
公开(公告)日：2023-09-26
申请号：CN202010463332.9
申请日：2020-05-27
申请人： 腾讯科技(深圳)有限公司
摘要： 本发明公开了一种图片中对象的识别方法和装置、存储介质及电子装置。其中，该方法包括：将待识别对象的第一图片和第二图片输入到满足正样本图片对是正样本图片对集合中距离最大的特征，负样本图片对是负样本图片对集合中距离最小的特征的损失函数的目标神经网络模型中目的，即目标神经网络模型满足具有两张图片中相同对象的距离更小，不同对象的距离更大，换句话说，目标神经网络模型满足类内的正样本图片对的距离更小与类间的负样本图片对的距离更大，从而可以精确的识别两张图片中存在的目标对象是否是同一个目标对象的技术效果，进而解决了图像中对象识别的准确性较低的技术问题。
-
-
-
-
-
-
-
-
-
搜索结果
154 条记录 (耗时 0.089 秒)
