-
-
公开(公告)号：CN111988673B
公开(公告)日：2023-05-23
申请号：CN202010764613.8
申请日：2020-07-31
申请人： 清华大学 , 腾讯科技(深圳)有限公司
IPC分类号： H04N21/84 , G06N3/0442 , G06N3/08
摘要： 本申请的实施例提供了一种视频描述语句的生成方法及相关设备，该方法包括：获取目标范例句的句法特征向量；根据所述句法特征向量确定所要生成视频描述语句的句法，得到句法信息；根据所述句法信息和目标视频的视频语义特征向量确定所述所要生成视频描述语句对应于所述句法的语义，得到语义信息；根据所述语义信息生成所述目标视频的视频描述语句。由此，可以实现通过选用不同的目标范例句来生成不同句法结构的视频描述语句，解决了视频描述语句句法单一的问题。
-
公开(公告)号：CN111988673A
公开(公告)日：2020-11-24
申请号：CN202010764613.8
申请日：2020-07-31
申请人： 清华大学 , 腾讯科技(深圳)有限公司
摘要： 本申请的实施例提供了一种视频描述语句的生成方法及相关设备，该方法包括：获取目标范例句的句法特征向量；根据所述句法特征向量确定所要生成视频描述语句的句法，得到句法信息；根据所述句法信息和目标视频的视频语义特征向量确定所述所要生成视频描述语句对应于所述句法的语义，得到语义信息；根据所述语义信息生成所述目标视频的视频描述语句。由此，可以实现通过选用不同的目标范例句来生成不同句法结构的视频描述语句，解决了视频描述语句句法单一的问题。
-
公开(公告)号：CN111985640A
公开(公告)日：2020-11-24
申请号：CN202010662161.2
申请日：2020-07-10
申请人： 清华大学 , 腾讯科技(深圳)有限公司
摘要： 本申请公开了一种基于强化学习的模型训练方法以及相关装置，可以应用于游戏策略模拟的过程中。通过获取预设强化学习模型和多个目标强化学习模型；然后将目标样本输入预设强化学习模型，并在强化学习环境中进行迭代计算，以得到样本集合；并从样本集合中提取经验样本，以结合目标强化学习模型建立正则化安德森目标函数；进一步的通过得到安德森系数向量确定损失函数，以对预设强化学习模型进行训练。由于在训练过程中的样本为循环使用的过程，提高了数据的利用率，进而减少了智能体与环境的交互次数，提高了强化学习模型训练的效率。
-
公开(公告)号：CN109189950B
公开(公告)日：2023-04-07
申请号：CN201811023323.7
申请日：2018-09-03
申请人： 腾讯科技(深圳)有限公司
摘要： 本发明公开了一种多媒体资源分类方法、装置、计算机设备及存储介质，属于计算机技术领域。所述方法包括：根据资源分类指令，获取待分类的多媒体资源；调用资源分类模型，所述资源分类模型包括多个资源分类模块，每个资源分类模块对应于一种多媒体资源的分类算法；将所述多媒体资源输入所述资源分类模型中，由所述资源分类模型中的每个资源分类模块分别对所述多媒体资源进行分类，得到多个第一分类结果，基于所述多个第一分类结果输出第二分类结果，所述第二分类结果为所述多媒体资源的至少一个类型。本发明通过一个模型中的多个资源分类模块进行分类，并综合结果，有效提高了多媒体资源分类的准确性。
-
公开(公告)号：CN109871736B
公开(公告)日：2023-01-31
申请号：CN201811409084.9
申请日：2018-11-23
申请人： 腾讯科技(深圳)有限公司
IPC分类号： G06F40/35 , G06F18/241 , G06F18/25 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06N3/044 , G06N3/092
摘要： 本发明公开了一种自然语言描述信息的生成方法及装置。其中，该方法包括：通过多个自然语言描述模型对媒体资源进行处理，得到多个第一特征向量，其中，多个第一特征向量对应多种特征类型，多个自然语言描述模型中每个自然语言描述模型用于根据输入信息生成自然语言描述信息，自然语言描述信息用于通过自然语言表示自然语言描述模型的输入信息；对多个第一特征向量进行融合，得到第二特征向量；根据第二特征向量生成目标自然语言描述信息，其中，目标自然语言描述信息用于通过自然语言表示媒体资源。本发明解决了相关技术中为媒体资源生成的自然语言描述信息对媒体资源描述的准确性较低的技术问题。
-
公开(公告)号：CN109934775B
公开(公告)日：2022-12-27
申请号：CN201811384682.5
申请日：2018-11-20
申请人： 腾讯科技(深圳)有限公司
摘要： 本发明实施例公开了一种图像处理、模型训练、方法、装置和存储介质；本发明实施例可以获取待处理模糊图像、以及所述待处理模糊图像对应的模糊核；获取所述模糊核对应的分解矩阵；根据所述分解矩阵对反卷积网络模型中卷积层的参数进行设置，得到设置后反卷积网络模型，所述反卷积网络模型由样本模糊核、样本模糊核的广义矩阵分解结果、样本模糊核对应的样本模糊图像训练而成；所述卷积层与所述分解矩阵对应；根据所述设置后反卷积网络模型对所述待处理模糊图像进行去模糊处理，得到去模糊后图像；该方案可以提升去模糊效率和效果。
-
公开(公告)号：CN109960747B
公开(公告)日：2022-12-16
申请号：CN201910263207.0
申请日：2019-04-02
申请人： 腾讯科技(深圳)有限公司
IPC分类号： G06F16/783
摘要： 本申请实施例提供了一种视频描述信息的生成方法、视频处理方法、相应的装置。该视频描述信息的生成方法包括：获取待描述视频对应的帧级别视频特征序列；根据视频特征序列，生成待描述视频的全局词性序列特征；根据全局词性序列特征及视频特征序列，生成待描述视频的自然语言描述信息，本申请实施例能够有效地从视频数据中提取出自然语言对应的全局词性序列特征，用于引导生成准确的自然语言描述，提高视频描述的能力。
-
公开(公告)号：CN110555337B
公开(公告)日：2022-12-06
申请号：CN201810542990.X
申请日：2018-05-30
申请人： 腾讯科技(深圳)有限公司
IPC分类号： G06V20/20 , G06V10/774 , G06V10/82 , G06N3/08
摘要： 本申请实施例公开了一种指示对象的检测方法、装置以及相关设备，其中，该方法包括：获取给定图像和给定自然语句，根据指示对象检测模型，对上述给定图像和给定自然语句进行处理，得到给定自然语句描述的指示对象在给定图像中的位置坐标。上述指示对象检测模型为是以图像和自然语句作为输入，直接以自然语句所描述的指示对象在图像中的位置坐标为输出的端到端的神经网络，该指示对象检测模型是通过端到端训练方式，对整个神经网络的参数进行整体训练优化而得到的模型，该指示对象检测模型具有更好的整体检测性能，因此，利用该指示对象检测模型检测指示对象，能够保证检测结果的准确性。
-
公开(公告)号：CN109508584B
公开(公告)日：2022-12-02
申请号：CN201710833668.8
申请日：2017-09-15
申请人： 腾讯科技(深圳)有限公司
IPC分类号： G06V10/764 , G06V20/40 , G06F16/75 , G06F16/9535
摘要： 本申请公开了一种信息处理的方法，包括：获取待处理视频；根据时间特征采样规则对待处理视频进行采样，并获取至少一个视频帧特征序列，时间特征采样规则为时间特征与视频帧特征序列之间的对应关系；通过第一神经网络模型对至少一个视频帧特征序列进行处理，得到每个视频帧特征序列的特征表达结果；通过第二神经网络模型对至少一个视频帧特征序列的特征表达结果进行处理，得到至少一个视频帧特征序列所对应的预测结果，预测结果用于确定待处理视频的类别。本申请还提供一种服务器。本申请在对视频进行分类的过程中，还考虑到视频在时间维度上的特征变化，从而能够更好地表达视频内容，提高视频分类的准确率，提升视频分类的效果。
-
-
-
-
-
-
-
-
-
搜索结果
176 条记录 (耗时 0.074 秒)
