-
公开(公告)号：CN111553399A
公开(公告)日：2020-08-18
申请号：CN202010319373.0
申请日：2020-04-21
申请人： 佳都新太科技股份有限公司 , 广州佳都科技软件开发有限公司 , 广州新科佳都科技有限公司 , 广东华之源信息工程有限公司
摘要： 本发明实施例公开了一种特征模型训练方法、装置、设备及存储介质，涉及度量学习技术领域，其包括：获取训练数据集，所述训练数据集中每个样本对应一个标签，所述标签用于标识对应样本所属的类别；将训练数据集输入至神经网络模型，以得到每个样本的特征向量；根据训练数据集中各样本对应的特征向量以及所属的类别，构建类内损失函数和类间损失函数；根据类内损失函数和类间损失函数确定神经网络模型的损失函数；对包含损失函数的神经网络模型进行训练，直到损失函数收敛为止。采用上述方案可以解决现有技术中卷积神经网络无法扩大不同类别的样本之间特征向量的距离导致无法对不同类别的样本进行有效区分的技术问题。
-
公开(公告)号：CN111553228A
公开(公告)日：2020-08-18
申请号：CN202010318852.0
申请日：2020-04-21
申请人： 佳都新太科技股份有限公司 , 广州佳都科技软件开发有限公司 , 广州新科佳都科技有限公司 , 广东华之源信息工程有限公司
摘要： 本申请实施例公开了一种人包关系检测方法、装置、设备及存储介质。本申请实施例提供的技术方案通过神经网络结构对待分析图像中的人和包进行识别，并得到人和包的位置，同时获取人关联嵌入向量和包关联嵌入向量，计算出关联嵌入关系成本以及先验成本，并基于关联嵌入关系成本和先验成本构建人包关系对应成本矩阵，对人包关系对应成本矩阵求解后即可得到识别出的人和包的对应关系，提高在拥挤场景下人包对应的效率与准确度。
-
公开(公告)号：CN111667050A
公开(公告)日：2020-09-15
申请号：CN202010319378.3
申请日：2020-04-21
申请人： 佳都新太科技股份有限公司 , 广州佳都科技软件开发有限公司 , 广州新科佳都科技有限公司 , 广东华之源信息工程有限公司
摘要： 本发明实施例公开了一种度量学习方法、装置、设备及存储介质，涉及度量学习技术领域，其包括：获取训练数据集，训练数据集中每个样本对应一个用于标识所属类别的标签；根据训练数据集中各样本所属类别构建至少一个第一样本集合，第一样本集合对应第一数量的类别且第一样本集合中每个类别具有等量的第一样本；根据第一样本集合中各第一样本对应的第一特征向量计算神经网络模型的损失函数，并基于每个第一样本集合对神经网络模型进行迭代训练，直到损失函数满足第一稳定条件，第一特征向量通过神经网络模型得到。采用上述方案可以解决现有技术中三元组损失函数构建过程中选择样本过于随机使得深度神经网络模型处理速度慢、准确度低的技术问题。
-
公开(公告)号：CN111667050B
公开(公告)日：2021-11-30
申请号：CN202010319378.3
申请日：2020-04-21
申请人： 佳都科技集团股份有限公司 , 广州佳都科技软件开发有限公司 , 广州新科佳都科技有限公司 , 广东华之源信息工程有限公司
摘要： 本发明实施例公开了一种度量学习方法、装置、设备及存储介质，涉及度量学习技术领域，其包括：获取训练数据集，训练数据集中每个样本对应一个用于标识所属类别的标签；根据训练数据集中各样本所属类别构建至少一个第一样本集合，第一样本集合对应第一数量的类别且第一样本集合中每个类别具有等量的第一样本；根据第一样本集合中各第一样本对应的第一特征向量计算神经网络模型的损失函数，并基于每个第一样本集合对神经网络模型进行迭代训练，直到损失函数满足第一稳定条件，第一特征向量通过神经网络模型得到。采用上述方案可以解决现有技术中三元组损失函数构建过程中选择样本过于随机使得深度神经网络模型处理速度慢、准确度低的技术问题。
-
公开(公告)号：CN111553228B
公开(公告)日：2021-10-01
申请号：CN202010318852.0
申请日：2020-04-21
申请人： 佳都科技集团股份有限公司 , 广州佳都科技软件开发有限公司 , 广州新科佳都科技有限公司 , 广东华之源信息工程有限公司
摘要： 本申请实施例公开了一种人包关系检测方法、装置、设备及存储介质。本申请实施例提供的技术方案通过神经网络结构对待分析图像中的人和包进行识别，并得到人和包的位置，同时获取人关联嵌入向量和包关联嵌入向量，计算出关联嵌入关系成本以及先验成本，并基于关联嵌入关系成本和先验成本构建人包关系对应成本矩阵，对人包关系对应成本矩阵求解后即可得到识别出的人和包的对应关系，提高在拥挤场景下人包对应的效率与准确度。
-
公开(公告)号：CN110991568A
公开(公告)日：2020-04-10
申请号：CN202010133440.X
申请日：2020-03-02
申请人： 佳都新太科技股份有限公司 , 广州新科佳都科技有限公司
IPC分类号： G06K9/62
摘要： 本发明实施例公开了一种目标识别方法、装置、设备和存储介质，该方法包括将通道特征重激活模块和细微特征自增强模块嵌入神经网络结构中生成第一网络模型；将梯度增强交叉熵损失函数连接所述第一网络模型生成第二网络模型；基于小批量随机梯度下降算法对所述第二网络模型进行训练；将训练完毕的第二网络模型进行修改得到推理网络模型；将图像输入所述推理网络模型得到目标识别结果。本方案能够学习识别出更多细微特征，提高了目标识别的准确率。
-
公开(公告)号：CN112001298A
公开(公告)日：2020-11-27
申请号：CN202010845045.4
申请日：2020-08-20
申请人： 佳都新太科技股份有限公司 , 广州新科佳都科技有限公司
摘要： 本发明实施例公开了一种行人检测方法、装置、电子设备和存储介质，行人检测方法包括：获取检测区域的彩色图像和深度图像；根据所述深度图像生成点云数据；根据所述点云数据、所述深度图像和所述彩色图像生成所述检测区域的特征张量；将所述特征张量输入预先训练的行人检测模型中获得所述检测区域的行人检测信息。本发明实施例由点云数据、深度图像和彩色图像生成检测区域的特征张量来检测行人，实现了通过深度图像和点云数据中包含的三维空间信息来进行行人检测，既能够提高行人检测的准确性，又能够获得诸如行人高度等更为准确的行人检测结果，从而可以根据行人检测结果实现更为精细的设备控制。
-
公开(公告)号：CN110991568B
公开(公告)日：2020-07-31
申请号：CN202010133440.X
申请日：2020-03-02
申请人： 佳都新太科技股份有限公司 , 广州新科佳都科技有限公司
IPC分类号： G06K9/62
摘要： 本发明实施例公开了一种目标识别方法、装置、设备和存储介质，该方法包括将通道特征重激活模块和细微特征自增强模块嵌入神经网络结构中生成第一网络模型；将梯度增强交叉熵损失函数连接所述第一网络模型生成第二网络模型；基于小批量随机梯度下降算法对所述第二网络模型进行训练；将训练完毕的第二网络模型进行修改得到推理网络模型；将图像输入所述推理网络模型得到目标识别结果。本方案能够学习识别出更多细微特征，提高了目标识别的准确率。
-
公开(公告)号：CN110135318A
公开(公告)日：2019-08-16
申请号：CN201910381855.6
申请日：2019-05-08
申请人： 佳都新太科技股份有限公司 , 广州新科佳都科技有限公司
IPC分类号： G06K9/00 , G06N3/04 , G06F16/583 , G06F16/51
摘要： 本申请实施例公开了一种过车记录的确定方法、装置、设备及存储介质。所述方法包括：获取目标车辆的车身图像；根据所述车身图像确定所述目标车辆的特征信息，所述特征信息包括CNN特征，所述CNN特征为所述目标车辆的目标区域在预设卷积神经网络模型中的特征，所述预设卷积神经网络包括至少十层卷积层以及至少三层池化层；基于所述特征信息，在过车记录图库中查找包含所述目标车辆的图片，以得到所述目标车辆的过车记录。本申请实施例提供的技术方案，可以准确地识别出目标车辆，提高所确定的过车记录的精度，降低车辆误识别或漏识别的情况发生的概率。
-
公开(公告)号：CN111627045A
公开(公告)日：2020-09-04
申请号：CN202010374066.2
申请日：2020-05-06
申请人： 佳都新太科技股份有限公司
摘要： 本申请实施例公开了一种单镜头下的多行人在线跟踪方法、装置、设备及存储介质。在单路视频流的每帧画面得到行人检测框、卡尔曼跟踪框和单目标跟踪框作为目标框；计算目标框对应的行人身份重定位特征向量；根据目标框的位置和行人身份重定位特征向量计算所述目标框与目标跟踪器的位置损失代价和行人重定位损失代价；根据位置损失代价和行人重定位损失代价计算综合损失代价；根据综合损失代价计算轨迹跟踪器与行人检测框、卡尔曼跟踪框和单目标跟踪框的匹配关系；根据匹配关系、位置损失代价和身份重定位损失代价，基于行人检测框、卡尔曼跟踪框和单目标跟踪框生成轨迹跟踪框。在同一镜头下，对行人行走时的短时完全遮挡，能够形成有效的跟踪。
-
-
-
-
-
-
-
-
-
搜索结果
65 条记录 (耗时 0.085 秒)
