-
公开(公告)号：CN112101570B
公开(公告)日：2024-09-17
申请号：CN202011003210.8
申请日：2020-09-22
申请人： 北京百度网讯科技有限公司
IPC分类号： G06N20/00
摘要： 本申请公开了一种模型训练和使用方法、装置、设备及存储介质，涉及人工智能、机器学习和大数据技术领域。其中，模型训练方法的具体实现方案为：根据至少两种数据源的覆盖率，采用所述至少两种数据源的数据特征构建至少两种训练样本；其中，所述训练样本关联有至少一种数据源；采用所述至少两种训练样本，对机器学习模型中的至少两个数据处理层进行训练，得到目标模型；其中，不同训练样本训练的数据处理层不同。以提高模型训练效果以及任务预测的准确性。
-
公开(公告)号：CN112966606A
公开(公告)日：2021-06-15
申请号：CN202110245509.2
申请日：2021-03-05
申请人： 北京百度网讯科技有限公司
摘要： 本申请实施例公开了图像识别方法、装置、电子设备、计算机可读存储介质及计算机程序产品，涉及计算机视觉技术领域，可应用于智慧交通场景。该方法的一具体实施方式包括：确定待识别图像中的非清晰对象和清晰度大于该非清晰对象的清晰对象，获取包含该非清晰对象的同类别对象和该清晰对象的参考图像，响应于由该非清晰对象和该清晰对象组成的第一对象组在该待识别图像中的位置关系与由该同类别对象和该清晰对象组成第二对象组在该参考图像中的位置关系相同，确定该同类别对象和该非清晰对象为同一对象。该实施方式通过待识别图像中的清晰对象寻找到参考图片，以通过参考图像中包含的高清晰度内容对待识别图像中的非清晰对象进行辅助识别。
-
公开(公告)号：CN112308196A
公开(公告)日：2021-02-02
申请号：CN202011192866.9
申请日：2020-10-30
申请人： 北京百度网讯科技有限公司
摘要： 本申请公开了一种用于训练模型的方法、装置、设备以及存储介质，涉及人工智能、大数据领域。具体实现方案为：获取初始样本数据、用于进行相关性比较的基础特征列数据和待训练模型；基于初始样本数据、基础特征列数据，确定初始样本数据中的各特征列数据与基础特征列数据的初始相关性；基于所初始相关性，更新待训练模型中的单调性约束向量，以训练待训练模型。本实现方式通过利用指定的用于进行相关性比较的基础特征列以及用于进行模型训练的样本数据对待训练模型进行优化训练，迭代更新待训练模型中的单调性约束向量，可以训练得到能够自主合理地生成单调性约束向量的树模型。
-
公开(公告)号：CN112101570A
公开(公告)日：2020-12-18
申请号：CN202011003210.8
申请日：2020-09-22
申请人： 北京百度网讯科技有限公司
IPC分类号： G06N20/00
摘要： 本申请公开了一种模型训练和使用方法、装置、设备及存储介质，涉及人工智能、机器学习和大数据技术领域。其中，模型训练方法的具体实现方案为：根据至少两种数据源的覆盖率，采用所述至少两种数据源的数据特征构建至少两种训练样本；其中，所述训练样本关联有至少一种数据源；采用所述至少两种训练样本，对机器学习模型中的至少两个数据处理层进行训练，得到目标模型；其中，不同训练样本训练的数据处理层不同。以提高模型训练效果以及任务预测的准确性。
-
公开(公告)号：CN111967615B
公开(公告)日：2024-05-28
申请号：CN202011025657.5
申请日：2020-09-25
申请人： 北京百度网讯科技有限公司
摘要： 本公开提供一种基于特征抽取的多模型训练方法及系统、电子设备和介质，涉及云平台、深度学习技术领域。根据本公开一个方面，基于联邦特征抽取的多模型训练方法包括：基于与多个合作方分别共同的用户样本的数据、分别与每一个合作方合作训练树模型；对训练的树模型进行特征重要性评估，以对每一个树模型生成的特征列赋予相应的权重；响应于第一合作方训练线性模型，将与第一合作方共同的第一用户样本的数据输入到与第一合作方相对应的树模型以及与第二合作方相对应的树模型中，以得到多个独热编码的特征列；以及基于权重对所得到的特征列进行筛选，以根据筛选后的特征列和第一用户样本的数据训练与第一合作方相对应的线性模型。
-
公开(公告)号：CN111783038B
公开(公告)日：2024-04-12
申请号：CN202010615232.3
申请日：2020-06-30
申请人： 北京百度网讯科技有限公司
摘要： 本申请公开了一种基于智能学习的风险评估方法、装置、设备、系统和介质，涉及大数据和深度学习技术。其中，该方法应用于控制服务器，具体实现方案为：接收终端设备发送的用户风险评估请求和第一评估信息，第一评估信息为依据第一预设模型所生成的，第一预设模型为依据多个训练设备的第一梯度信息进行联合分析得到的；根据控制服务器中的数据和第二预设模型，生成第二评估信息，第二预设模型为根据第二梯度信息所获取到的，第一梯度信息和第二梯度信息表征联合训练结果；根据第一评估信息和第二评估信息，生成用户风险评估结果；将用户风险评估结果，发送给终端设备。控制服务器就可以根据终端设备传递的信息，完成风险评估。
-
公开(公告)号：CN113221920B
公开(公告)日：2024-01-12
申请号：CN202110550422.6
申请日：2021-05-20
申请人： 北京百度网讯科技有限公司
IPC分类号： G06V10/44 , G06V10/764
摘要： 本公开公开了一种图像识别方法、装置、设备、存储介质以及计算机程序产品，涉及人工智能技术领域，具体为计算机视觉和深度学习领域。该方法的一具体实施方式包括：获取候选图片集；提取候选图片集中的图片的特征信息；基于特征信息得到候选图片集中每两张图片的迁移概率；将迁移概率大于预设阈值的两张图片确定为目标图片集中的一个目标图片对；通过预先训练的识别模型对目标图片集中的目标图片对进行识别，得到目标识别结果。该实施方式减少了识别过程中的计算量，提高了识别的准确率和效率。
-
公开(公告)号：CN113378005B
公开(公告)日：2023-06-02
申请号：CN202110622066.4
申请日：2021-06-03
申请人： 北京百度网讯科技有限公司
IPC分类号： G06F16/783 , G06F16/738 , G06V20/52 , G06V10/44 , G06T7/246
摘要： 本公开提出了一种事件处理方法、装置、设备以及存储介质，涉及深度学习和大数据领域，可用于智慧城市场景下。具体实现方案为：获取待检测图像，并对所述待检测图像进行特征提取以获取所述待检测图像的多个特征信息；确定目标事件的事件信息；根据所述待检测图像的多个特征信息在预先建立的对象信息库进行检索，并根据所述目标事件的事件信息对检索结果进行排序；根据排序结果获取所述待检测图像中的目标对象的对象信息；根据所述对象信息对所述目标对象进行跟踪定位。本公开提高了对象信息库的准确率，减少了人工排查候选对象的成本，提高了事件处理效率。
-
公开(公告)号：CN113378005A
公开(公告)日：2021-09-10
申请号：CN202110622066.4
申请日：2021-06-03
申请人： 北京百度网讯科技有限公司
IPC分类号： G06F16/783 , G06F16/738 , G06K9/00 , G06K9/46 , G06T7/246
摘要： 本公开提出了一种事件处理方法、装置、设备以及存储介质，涉及深度学习和大数据领域，可用于智慧城市场景下。具体实现方案为：获取待检测图像，并对所述待检测图像进行特征提取以获取所述待检测图像的多个特征信息；确定目标事件的事件信息；根据所述待检测图像的多个特征信息在预先建立的对象信息库进行检索，并根据所述目标事件的事件信息对检索结果进行排序；根据排序结果获取所述待检测图像中的目标对象的对象信息；根据所述对象信息对所述目标对象进行跟踪定位。本公开提高了对象信息库的准确率，减少了人工排查候选对象的成本，提高了事件处理效率。
-
公开(公告)号：CN112150280A
公开(公告)日：2020-12-29
申请号：CN202011108493.2
申请日：2020-10-16
申请人： 北京百度网讯科技有限公司
摘要： 本公开提供一种提升匹配效率的联邦学习方法及设备、电子设备和介质，涉及人工智能技术领域，具体涉及深度学习，可用于云平台。该提升匹配效率的联邦学习方法，包括：响应于用于联邦学习的数据提供方的个数大于第一阈值，将联邦学习所需的数据字段发送到协调方；从协调方接收包含所需的数据字段的数据提供方的信息，以确定剩余数据提供方，其中，协调方上保存有各数据提供方的数据字段；以及分别与剩余数据提供方中的每一个进行联邦建模。
-
-
-
-
-
-
-
-
-
搜索结果
32 条记录 (耗时 0.037 秒)
