-
公开(公告)号：CN113435546A
公开(公告)日：2021-09-24
申请号：CN202110984978.6
申请日：2021-08-26
申请人： 广东众聚人工智能科技有限公司
IPC分类号： G06K9/62
摘要： 本发明公开了一种基于区分置信度水平的可迁移图像识别方法及系统，其首先采用源域数据训练得到源域预训练模型，利用源域模型训练得到的参数作为目标域模型的特征提取参数和分类参数，使目标域模型基于源域模型的训练参数从目标域数据中选出伪标签可信样本，并利用选出的可信样本为不可信样本赋予伪标签和权重，有效地降低了当前所有目标域图像伪标签的不确定性；最后通过带有伪标签的目标域数据和源域数据一起训练优化目标域模型，使最终得到的目标域模型的目标图像识别性能得到了极大提高，能够进行快速的迁移和有效的图像识别工作；并有效减少对于目标图像识别的标注，大量减少人力物力。
-
公开(公告)号：CN112801109A
公开(公告)日：2021-05-14
申请号：CN202110397544.6
申请日：2021-04-14
申请人： 广东众聚人工智能科技有限公司
摘要： 本发明提供了一种基于多尺度特征融合的遥感图像分割方法及系统。该方案包括对遥感卫星图像进行数据集划分，输出训练数据集、验证数据集、模型测试数据集；获取所述训练数据集中的全部的训练图像，并进行预处理，进而生成样本空间，预处理包括随机翻转、裁剪、高斯模糊和归一化处理；使用样本空间中的图像进行训练和预测，生成目标图像语义分类，并采用Focal Loss损失函数进行多尺度特征融合的遥感图像分割模型修正；将所述多尺度特征融合的遥感图像分割模型打包成可执行文件并保存为分割系统。该方案进行分割预测，并使用Focal Loss损失函数在训练过程中加大困难样本的惩罚力度，提升遥感图像分割精度。
-
公开(公告)号：CN112766619A
公开(公告)日：2021-05-07
申请号：CN202110369758.2
申请日：2021-04-07
申请人： 广东众聚人工智能科技有限公司
摘要： 本发明提供了一种商品时序数据预测方法及系统。该方案包括获得初始商品时序数据，并对所述初始商品时序数据进行预处理；根据所述标准商品时序数据获得商品时序特征，进行临近区间划分和周期区间划分，获得邻近区间高层语义信息表示和周期区间高层语义信息表示,进行拼接和特征变换，生成信息融合数据；进行季节信息数据的特征获取及处理,根据信息融合数据和季节特征数据进行拼接和特征变换，生成目标融合数据；根据所述目标融合数据进行特征变换和激活函数，预测商品的价格和销量。该方案从商品邻近性、周期性和季节性等特点出发，以GRU网络编码为基础进行多尺度注意力机制学习，实现对商品时序数据特性进行准确捕捉。
-
公开(公告)号：CN113032567B
公开(公告)日：2022-03-29
申请号：CN202110334812.X
申请日：2021-03-29
申请人： 广东众聚人工智能科技有限公司
IPC分类号： G06F16/35 , G06F40/216 , G06F40/30 , G06K9/62
摘要： 本发明公开了一种位置嵌入解释方法、装置、计算机设备及存储介质。该方法包括：获取原始数据集，并对原始数据集进行预处理；获取多个位置数据对应的多个位置；根据预处理后的原始数据集中的多个位置上下文序列，利用Skip‑gram模型学习得到多个位置嵌入向量；获得多个位置类别数据对应的多个位置类别；利用Skip‑gram模型学习得到多个位置类别嵌入向量，使多个位置嵌入向量与多个位置类别嵌入向量均位于原始向量空间中；按照预定的规则，将每个位置嵌入向量从原始向量空间转换到语义向量空间，得到每个位置嵌入向量对应的位置语义表示。该方法能够学习更多的语义信息，使每个维度的向量都有可解释性。
-
公开(公告)号：CN113536140B
公开(公告)日：2022-02-11
申请号：CN202111083715.4
申请日：2021-09-16
申请人： 广东众聚人工智能科技有限公司
IPC分类号： G06F16/9535 , G06Q50/20 , G06N3/04 , G06N3/08
摘要： 本发明涉及一种基于小样本数据的实时推荐方法，所述方法提供实时学习，实时的范围t可以根据不同应用环境进行调整。具体来说，本发明基于历史时间段t−1数据训练的模型，加入当前时间段t收集的数据，经过重训练之后对时间段t+1的用户交互进行预测。本发明从样本选取、模型测试到模型使用均利用了样本的时序特征，从而使得训练速度更快，检测精度更高，降低了异常检测误报率。
-
公开(公告)号：CN112801063B
公开(公告)日：2021-07-20
申请号：CN202110386075.8
申请日：2021-04-12
申请人： 广东众聚人工智能科技有限公司
摘要： 本发明公开了一种神经网络系统和基于神经网络系统的图像人群计数方法。所述神经网络系统用于预测待预测人群图像的人群密度，包括：共享编码器，用于提取待预测人群图像的多尺度融合信息X’；密度特征预测分支，与所述共享编码器连接，用于获取所述待预测人群图像的S个密度特征图；像素级多尺度注意力分支，与所述共享编码器连接，用于获取所述待预测人群图像的S个注意力掩码；融合模块，与所述密度特征预测分支和所述像素级多尺度注意力分支连接，用于将所述S个密度特征图和所述S个注意力掩码进行融合。本发明考虑了像素级别的人群密度信息，并且融合了多尺度信息，提高了人群计数的精度。
-
公开(公告)号：CN112766619B
公开(公告)日：2021-07-20
申请号：CN202110369758.2
申请日：2021-04-07
申请人： 广东众聚人工智能科技有限公司
摘要： 本发明提供了一种商品时序数据预测方法及系统。该方案包括获得初始商品时序数据，并对所述初始商品时序数据进行预处理；根据所述标准商品时序数据获得商品时序特征，进行邻近区间划分和周期区间划分，获得邻近区间高层语义信息表示和周期区间高层语义信息表示,进行拼接和特征变换，生成信息融合数据；进行季节信息数据的特征获取及处理,根据信息融合数据和季节特征数据进行拼接和特征变换，生成目标融合数据；根据所述目标融合数据进行特征变换和激活函数，预测商品的价格和销量。该方案从商品邻近性、周期性和季节性等特点出发，以GRU网络编码为基础进行多尺度注意力机制学习，实现对商品时序数据特性进行准确捕捉。
-
公开(公告)号：CN113033424A
公开(公告)日：2021-06-25
申请号：CN202110334827.6
申请日：2021-03-29
申请人： 广东众聚人工智能科技有限公司
摘要： 本发明涉及一种基于多分支视频异常检测方法，所述方法包括：步骤S1：对视频样本作变化以增加视频样本的数量；步骤S2：构建异常检测模型，进行模型训练；步骤S3：进行多分支异常检测模型的测试；步骤S4：用多分支异常检测模型进行异常检测。本发明从样本选取、模型测试到模型使用均利用了视频样本的时序特征，从而使得训练速度更快，检测精度更高，降低了异常检测误报率。
-
公开(公告)号：CN113505861A
公开(公告)日：2021-10-15
申请号：CN202111040907.7
申请日：2021-09-07
申请人： 广东众聚人工智能科技有限公司
IPC分类号： G06K9/62
摘要： 本发明公开了一种基于元学习和记忆网络的图像分类方法及系统，首先学习得到图像原始特征表示；设置一个记忆网络模块，记忆网络模块中的每一个记忆块对应保存着相应类别的元知识；将图像原始特征表示分别与记忆块进行计算得到读参数,利用读参数从记忆块中获得图像最终特征表示；将图像最终特征表示映射到所有记忆块上，计算得到其在每一个记忆块对应类别上的概率值，根据概率值的大小判断其所属分类。本发明通过设计与类别一一对应的记忆块并构成记忆网络模块，每一个记忆块对应相应类别的元知识，同时通过共享记忆块的模式，学习类别间的元知识信息，从而当同类图像对其操作时起到辅助作用的同时抑制其他类图像在该类上的表现，实现更好的预测。
-
公开(公告)号：CN112819841B
公开(公告)日：2021-09-28
申请号：CN202110298488.0
申请日：2021-03-19
申请人： 广东众聚人工智能科技有限公司
摘要： 本发明公开了一种人脸区域分割方法、装置、计算机设备及存储介质。该方法包括：获取平均人脸模板，获取图像质量需求描述图谱；获取多幅高分辨率人脸图像，构建当前人脸图像的边界域多维数据体；对每个边界域多维数据体进行像素级手工标注；选择分类器模型，以标注后的多个边界域多维数据体为数据集，对所述分类器模型进行训练；获取待分割的高分辨率人脸图像，构建当前人脸图像的边界域多维数据体；利用所述训练好的分类器模型，对所述待分割的高分辨率人脸图像的边界域多维数据体进行分割。本发明使人脸区域分割更具有针对性、分割结果更加准确，并最大可能保留感兴趣子区域的局部丰富的细节信息。
-
-
-
-
-
-
-
-
-
搜索结果
27 条记录 (耗时 0.033 秒)
