-
公开(公告)号：CN114639143B
公开(公告)日：2024-04-16
申请号：CN202210224677.8
申请日：2022-03-07
申请人： 北京百度网讯科技有限公司
摘要： 本公开提供了基于人工智能的人像归档方法、设备及存储介质，涉及计算机视觉和人脸识别领域，具体可应用在智能云、云计算、智慧城市、安防和城市治理场景下。具体实现方案为：将档案中的低质图片从所在档案移至低质图片库，低质图片为档案中满足低质条件的人脸图片；根据当前档案中人脸图片的人像特征，基于人像特征的相似度，从低质图片库中召回每一人脸图片对应的召回图片；根据每一人脸图片的多维度特征信息，将与人脸图片属于同一人的召回图片合并入人脸图片所在档案中，多维度特征信息至少包括人像特征、人脸质量信息和采集时空信息，能将尽可能多的低质图片精准地归入正确的档案中，从而尽可能减少散档的情况，提高人脸图片档案的召回率。
-
公开(公告)号：CN112163676B
公开(公告)日：2024-04-05
申请号：CN202011090846.0
申请日：2020-10-13
申请人： 北京百度网讯科技有限公司
IPC分类号： G06N20/00
摘要： 本申请实施例公开了多任务服务预测模型训练方法、装置、设备以及存储介质，涉及机器学习、大数据技术领域。该多任务服务预测模型训练方法包括：基于用户特征样本和用户服务场景的多维度特征样本，确定用户服务特征向量样本；将用户服务特征向量样本输入至多任务服务预测模型中的深度共享网络模型，确定针对多个学习任务的用户深度共享特征样本；将针对各个学习任务达成服务的概率作为期望输出，并以各个学习任务的标签为约束，训练多任务服务预测模型，得到训练完成的多任务服务预测模型，从而将多任务学习技术应用到了长周期服务场景，统一了长周期服务场景各个转换阶段的目标之间的相关性。
-
公开(公告)号：CN117332108A
公开(公告)日：2024-01-02
申请号：CN202311397648.2
申请日：2023-10-26
申请人： 北京百度网讯科技有限公司
IPC分类号： G06F16/535 , G06F16/532 , G06F16/583 , G06V40/10 , G06V40/16 , G06Q50/26
摘要： 本公开提供了一种图像检索方法和装置，涉及人工智能技术领域，具体为计算机视觉、图像处理和深度学习等技术领域。该方法的一具体实施方式包括：从人脸信息库中查找与对象的比对图像匹配的第一样本人脸图像；从人体信息库中查找与第一样本人脸图像关联的第一样本人体图像；从人脸信息库中召回与第一样本人脸图像对应的人脸图像集，并从人体信息库中召回与第一样本人体图像对应的人体图像集；基于人脸图像集中的人脸图像的召回分数和召回次数，更新人体图像集中的关联的人体图像的召回分数和召回次数；基于更新后的召回分数和更新后的召回次数，从人体图像集中确定对象的图像检索结果。该实施方式提高了图像检索的召回率和准确率。
-
公开(公告)号：CN116758372A
公开(公告)日：2023-09-15
申请号：CN202310716469.4
申请日：2023-06-15
申请人： 北京百度网讯科技有限公司
IPC分类号： G06V10/774 , G06V10/74 , G06V40/16 , G06V10/82
摘要： 本公开提供了一种样本处理方法、标注界面展示方法、装置及电子设备，涉及人工智能领域，具体涉及人脸识别、数据标注技术领域，可应用在智慧城市场景下。具体实现方案为：从样本图像集中确定第一候选图像集，第一候选图像集中的第一候选图像为样本图像集中的与对照图像之间的相似度满足第一相似度条件的样本图像；从除第一候选图像集外的其余样本图像集中确定第二候选图像集，第二候选图像集中的第二候选图像与第一候选图像集中的任一第一候选图像之间满足第一预设时空条件；基于第一候选图像集和第二候选图像集，确定对照图像对应的待标注图像集，本公开提供的方案能够提升标注质量，有利于提高利用标注后的样本图像集进行训练的模型的精确度。
-
公开(公告)号：CN112949710B
公开(公告)日：2023-06-13
申请号：CN202110220248.9
申请日：2021-02-26
申请人： 北京百度网讯科技有限公司
IPC分类号： G06V10/762 , G06V10/80 , G06V40/16 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本公开公开了一种图像的聚类方法和装置，涉及人工智能技术领域，进一步涉及大数据技术领域。具体实现方案为：获取新增图像，对新增图像进行聚类，以获取第一聚类簇；从已有的历史聚类簇中，获取与第一聚类簇相似的历史聚类簇，作为第二聚类簇；获取第一聚类簇与第二聚类簇之间的距离；基于距离，对第一聚类簇和第二聚类簇进行融合，以生成目标聚类簇。本公开的一种图像的聚类方法和装置，在基于新增图像的情况下无需对已有的历史聚类簇进行二次聚类处理，而是直接对新旧聚类簇进行融合，可以将新聚类簇中的新增图像批量融合到历史聚类簇中，不仅可以解决二次聚类占用较大资源的问题，而且提高了新增图像的聚类效率。
-
公开(公告)号：CN114860975A
公开(公告)日：2022-08-05
申请号：CN202210602976.0
申请日：2022-05-30
申请人： 北京百度网讯科技有限公司
IPC分类号： G06F16/532 , G06F16/535 , G06F16/55 , G06K9/62 , G06V10/74 , G06V10/762
摘要： 本公开提供了一种查询图片的方法、装置、电子设备及存储介质，涉及人工智能领域，尤其涉及图像识别、大数据技术领域，可应用在智能云、智慧城市、城市安防场景下。具体实现方案为：响应于接收到待查询图片，根据待查询图片，从多个图片集合中召回M个候选图片集合，多个图片集合各自包括至少一个子集合，至少一个子集合各自包括至少一个图片；根据图片集合和子集合的对应关系，确定M个候选图片集合中的N个子集合；以及根据与N个子集合各自相对应的第一相似度和第二相似度中的至少一个，从N个子集合中确定目标子集合，作为目标图片集合；1≤M≤N，第一相似度是子集合与待查询图片之间的相似度，第二相似度是子集合与参考子集合之间的相似度。
-
公开(公告)号：CN112926319A
公开(公告)日：2021-06-08
申请号：CN202110220287.9
申请日：2021-02-26
申请人： 北京百度网讯科技有限公司
IPC分类号： G06F40/289 , G06F40/284
摘要： 本申请公开了一种领域词汇的确定方法、装置、设备以及存储介质，涉及人工智能领域，尤其涉及大数据、自然语言处理和深度学习领域。具体实现方案为：从待分析文本中提取候选领域词，并确定所述候选领域词间的拓扑关系和权重系数；根据所述拓扑关系和权重系数，确定所述候选领域词间的目标词距离；根据所述候选领域词间的目标词距离和领域核心词，从所述候选领域词中选择目标领域词。为领域词汇的确定提供了一种新思路。
-
公开(公告)号：CN112163676A
公开(公告)日：2021-01-01
申请号：CN202011090846.0
申请日：2020-10-13
申请人： 北京百度网讯科技有限公司
IPC分类号： G06N20/00
摘要： 本申请实施例公开了多任务服务预测模型训练方法、装置、设备以及存储介质，涉及机器学习、大数据技术领域。该多任务服务预测模型训练方法包括：基于用户特征样本和用户服务场景的多维度特征样本，确定用户服务特征向量样本；将用户服务特征向量样本输入至多任务服务预测模型中的深度共享网络模型，确定针对多个学习任务的用户深度共享特征样本；将针对各个学习任务达成服务的概率作为期望输出，并以各个学习任务的标签为约束，训练多任务服务预测模型，得到训练完成的多任务服务预测模型，从而将多任务学习技术应用到了长周期服务场景，统一了长周期服务场景各个转换阶段的目标之间的相关性。
-
公开(公告)号：CN116881485B
公开(公告)日：2024-07-12
申请号：CN202310728813.1
申请日：2023-06-19
申请人： 北京百度网讯科技有限公司
IPC分类号： G06F16/51 , G06F16/583 , G06V10/40 , G06V10/74 , G06V10/762
摘要： 本公开提供了一种生成图像检索索引的方法、装置、电子设备、计算机可读存储介质和计算机程序产品，涉及人工智能领域，尤其涉及图像识别、大数据技术领域，可应用在智慧城市、城市治理和应急管理场景下。实现方案为：获取第一图像和图像簇集合，其中，图像簇集合包括多个第一图像簇，每个第一图像簇被用于图像检索的索引；对第一图像进行特征提取，以得到第一图像特征；计算第一图像特征与每个第一图像簇的簇特征的第一相似度，以得到多个第一相似度；根据多个第一相似度确定图簇关系，其中，图簇关系指示第一图像与每个第一图像簇之间是否存在关联关系；以及根据第一图像特征和图簇关系更新图像簇集合，以更新每个第一图像簇的簇特征。
-
公开(公告)号：CN112529624B
公开(公告)日：2024-01-09
申请号：CN202011475769.0
申请日：2020-12-15
申请人： 北京百度网讯科技有限公司
IPC分类号： G06Q30/0202 , G06Q40/08 , G06N3/0464 , G06N3/09
摘要： 本申请实施例公开了生成业务预测模型的方法、装置、设备以及存储介质，涉及智能推荐、深度学习等人工智能技术领域。该生成业务预测模型的方法包括：获取第一样本集；从第一样本集中选取样本，训练长期模型；根据第一业务和第二业务的转化周期确定预设时间，以及将第一样本集中用户达成第二业务的数据的日期提前预设时间，得到标签集；获取第二样本集；从第二样本集中选取样本，训练短期模型；将长期模型和短期模型集成，得到第一业务预测模型，从而利用第二业务的数据对第一业务进行建模，降低对第一业务建模的样本量门槛，解决了冷启动建模困难的问题。
-
-
-
-
-
-
-
-
-
搜索结果
27 条记录 (耗时 0.031 秒)
