-
公开(公告)号：CN109429194A
公开(公告)日：2019-03-05
申请号：CN201710707048.X
申请日：2017-08-17
申请人： 浙江大学 , 腾讯科技(深圳)有限公司
摘要： 本发明是关于一种移动感知网络中的参考节点位置确定方法及装置。该方法包括：获取在各个备选参考位置处模拟部署参考节点的情况下，各个数据采集节点之间的数据相交点；根据各个数据采集节点之间的数据相交点生成相交点连接图，相交点连接图用于指示各个数据采集节点之间的边；根据相交点连接图，从各个备选参考位置中确定出真实部署所述参考节点的位置。通过上述方法，在确定真实部署参考节点的位置时，根据移动节点的数据采集情况，从可以部署参考节点的各个备选参考位置中确定出真实部署参考节点的位置，使得参考节点的部署能够尽量的满足移动节点的数据校准需求，从而提高移动感知网络中的数据校准效果。
-
公开(公告)号：CN109429194B
公开(公告)日：2020-12-11
申请号：CN201710707048.X
申请日：2017-08-17
申请人： 浙江大学 , 腾讯科技(深圳)有限公司
摘要： 本发明是关于一种移动感知网络中的参考节点位置确定方法及装置。该方法包括：获取在各个备选参考位置处模拟部署参考节点的情况下，各个数据采集节点之间的数据相交点；根据各个数据采集节点之间的数据相交点生成相交点连接图，相交点连接图用于指示各个数据采集节点之间的边；根据相交点连接图，从各个备选参考位置中确定出真实部署所述参考节点的位置。通过上述方法，在确定真实部署参考节点的位置时，根据移动节点的数据采集情况，从可以部署参考节点的各个备选参考位置中确定出真实部署参考节点的位置，使得参考节点的部署能够尽量的满足移动节点的数据校准需求，从而提高移动感知网络中的数据校准效果。
-
公开(公告)号：CN108399414B
公开(公告)日：2021-06-01
申请号：CN201710069595.X
申请日：2017-02-08
申请人： 南京航空航天大学 , 腾讯科技(深圳)有限公司
摘要： 一种样本选择方法及装置，属于度量学习技术领域。所述方法包括：从未标注样本集中选取n组样本对，每一组样本对包括两个样本，每一个样本包括p种模态的数据；对于每一组样本对，计算样本对包括的一个样本的每一种模态的数据和另一个样本的每一种模态的数据之间的部分相似度，得到p×p个部分相似度；根据p×p个部分相似度计算样本对包括的两个样本之间的整体相似度；获取p×p个部分相似度与整体相似度之间的差异程度；从n组样本对中选择符合预设条件的样本对作为训练样本。本发明通过选择高质量的训练样本训练度量模型，能够用更少的训练样本训练出更高精度的度量模型。
-
公开(公告)号：CN109492214A
公开(公告)日：2019-03-19
申请号：CN201710813362.6
申请日：2017-09-11
申请人： 苏州大学 , 腾讯科技(深圳)有限公司
IPC分类号： G06F17/27
摘要： 本发明提供一种属性词识别方法及装置，包括：获取评论语料的名词词表；获取上下位关系矩阵，所述上下位关系矩阵为种子词与种子词的下位词的上下位关系的矩阵；根据所述上下位关系矩阵及所述名词词表中的各词，确定所述名词词表中各词的预测上位词向量，所述预测上位词向量为所述上下位关系矩阵与词的词向量的乘积；根据各词的所述预测上位词向量确定种子词的属性词。该方法及装置，仅需通过少量人力资源确定种子词，而无需通过大量的人力资源，便可以确定与种子词相关的属性词，从而降低了人力资源消耗量。本发明还提供一种与上述属性词识别方法及装置对应的属性词的层次构建方法及装置，以及一种计算机设备及计算机存储介质。
-
公开(公告)号：CN109696954A
公开(公告)日：2019-04-30
申请号：CN201710987005.1
申请日：2017-10-20
申请人： 中国科学院计算技术研究所 , 腾讯科技(深圳)有限公司
CPC分类号： G06F3/013 , G06K9/00604
摘要： 本发明涉及一种视线追踪方法、装置、设备和存储介质，包括：获取眼睛图像；确定所述眼睛图像中瞳孔成像点在屏幕的立体坐标系中的坐标、以及光源经角膜反射在所述眼睛图像中形成的光源成像点在所述立体坐标系中的坐标；根据所述瞳孔成像点的坐标和光源成像点的坐标确定光轴方向；按照与所述眼睛图像匹配的光视轴方向角度差以及所述光轴方向，确定视轴方向；根据所述视轴方向，确定在所述屏幕上的凝视点位置。本申请的方案提高了所确定的凝视点位置的准确性。
-
公开(公告)号：CN109492214B
公开(公告)日：2023-09-19
申请号：CN201710813362.6
申请日：2017-09-11
申请人： 苏州大学 , 腾讯科技(深圳)有限公司
IPC分类号： G06F40/284
摘要： 本发明提供一种属性词识别方法及装置，包括：获取评论语料的名词词表；获取上下位关系矩阵，所述上下位关系矩阵为种子词与种子词的下位词的上下位关系的矩阵；根据所述上下位关系矩阵及所述名词词表中的各词，确定所述名词词表中各词的预测上位词向量，所述预测上位词向量为所述上下位关系矩阵与词的词向量的乘积；根据各词的所述预测上位词向量确定种子词的属性词。该方法及装置，仅需通过少量人力资源确定种子词，而无需通过大量的人力资源，便可以确定与种子词相关的属性词，从而降低了人力资源消耗量。本发明还提供一种与上述属性词识别方法及装置对应的属性词的层次构建方法及装置，以及一种计算机设备及计算机存储介质。
-
公开(公告)号：CN109696954B
公开(公告)日：2021-05-07
申请号：CN201710987005.1
申请日：2017-10-20
申请人： 中国科学院计算技术研究所 , 腾讯科技(深圳)有限公司
摘要： 本发明涉及一种视线追踪方法、装置、设备和存储介质，包括：获取眼睛图像；确定所述眼睛图像中瞳孔成像点在屏幕的立体坐标系中的坐标、以及光源经角膜反射在所述眼睛图像中形成的光源成像点在所述立体坐标系中的坐标；根据所述瞳孔成像点的坐标和光源成像点的坐标确定光轴方向；按照与所述眼睛图像匹配的光视轴方向角度差以及所述光轴方向，确定视轴方向；根据所述视轴方向，确定在所述屏幕上的凝视点位置。本申请的方案提高了所确定的凝视点位置的准确性。
-
公开(公告)号：CN108399414A
公开(公告)日：2018-08-14
申请号：CN201710069595.X
申请日：2017-02-08
申请人： 南京航空航天大学 , 腾讯科技(深圳)有限公司
摘要： 一种样本选择方法及装置，属于度量学习技术领域。所述方法包括：从未标注样本集中选取n组样本对，每一组样本对包括两个样本，每一个样本包括p种模态的数据；对于每一组样本对，计算样本对包括的一个样本的每一种模态的数据和另一个样本的每一种模态的数据之间的部分相似度，得到p×p个部分相似度；根据p×p个部分相似度计算样本对包括的两个样本之间的整体相似度；获取p×p个部分相似度与整体相似度之间的差异程度；从n组样本对中选择符合预设条件的样本对作为训练样本。本发明通过选择高质量的训练样本训练度量模型，能够用更少的训练样本训练出更高精度的度量模型。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.05 秒)
