-
公开(公告)号：CN115146761B
公开(公告)日：2024-09-06
申请号：CN202210582258.1
申请日：2022-05-26
申请人： 腾讯科技(深圳)有限公司
IPC分类号： G06V10/82 , G06V10/774
摘要： 本申请公开一种缺陷检测模型的训练方法和相关装置，获取训练数据集和元数据集，训练数据集中包括第一产品图像和第一产品图像的噪声标签，元数据集中包括第二产品图像和第二产品图像的干净标签。基于第二产品图像和第二产品图像的干净标签构建目标损失函数，并以目标损失函数最小为目标对标签纠正网络进行训练，在以目标损失函数最小为目标对标签纠正网络进行训练的过程中，利用训练得到的标签纠正网络对噪声标签进行不断的纠正得到目标标签，目标标签相对于噪声标签来说更加准确，故可以根据第一产品图像和更加准确的目标标签训练得到缺陷检测模型。从而提高缺陷检测模型训练的准确性，进而提高缺陷检测模型的准确性、可靠性。
-
公开(公告)号：CN115100524A
公开(公告)日：2022-09-23
申请号：CN202210761154.7
申请日：2022-06-30
申请人： 腾讯科技(深圳)有限公司
IPC分类号： G06V20/10 , G06V10/764 , G06V10/774 , G06V10/77 , G06V10/82 , G06V10/26 , G06V10/30
摘要： 本申请实施例公开了一种道路地物识别的方法以及相关装置，用于多光谱遥感图像中的道路地物的识别场景中，利于遥感影像行业的应用落地，而且降低应用成本，并极大地提升识别过程中的分类精度。该方法可应用于云技术、人工智能、智慧交通、辅助驾驶等各种场景。该方法包括：获取待识别的多光谱遥感图像；对待识别的多光谱遥感图像进行预处理，得到第一图像；将第一图像作为N个目标基分类模型的输入，以获取N个目标基分类模型针对第一图像进行预测得到的N个第一分类结果；将N个第一分类结果作为目标集成分类模型的输入，得到目标分类结果，目标分类结果用于指示所述待识别的多光谱遥感图像中道路地物的分类情况。
-
公开(公告)号：CN112904390A
公开(公告)日：2021-06-04
申请号：CN202110050662.X
申请日：2021-01-14
申请人： 腾讯科技(深圳)有限公司
IPC分类号： G01S19/42
摘要： 本申请涉及一种定位方法、装置、计算机设备和存储介质。所述方法涉及人工智能的定位与地图构建技术，所述方法包括：获取目标设备观测到的实时卫星状态信息；获取所述目标设备当前所处区域对应的参考卫星状态信息；确定所述实时卫星状态信息与所述参考卫星状态信息之间的差异；根据所述差异确定所述目标设备当前所处区域的卫星信号遮挡程度；基于所述卫星信号遮挡程度确定所述目标设备当前的定位信息。采用本方法能够提高定位准确率。
-
公开(公告)号：CN112327340B
公开(公告)日：2021-04-13
申请号：CN202110011939.8
申请日：2021-01-06
申请人： 腾讯科技(深圳)有限公司
摘要： 本申请实施例提供了一种终端定位精度评估方法、装置、设备以及介质，该方法涉及导航定位技术，可以应用在电子地图中，该方法包括：获取卫星导航星历，获取移动终端与卫星之间的初始伪距观测值，根据初始伪距观测值和卫星导航星历，确定卫星对应的卫星位置和卫星钟差；根据卫星位置、卫星钟差、移动终端对应的终端位置和终端钟差，对初始伪距观测值进行筛选，得到目标伪距观测值；根据目标伪距观测值和终端位置，构建移动终端与卫星之间的伪距观测矩阵；根据伪距观测矩阵对终端位置进行评估，确定终端位置对应的位置精度指标；位置精度指标用于表征移动终端的定位精度。采用本申请实施例，可以提高移动终端的位置评估准确性。
-
公开(公告)号：CN116451405A
公开(公告)日：2023-07-18
申请号：CN202210018525.2
申请日：2022-01-07
申请人： 腾讯科技(深圳)有限公司
IPC分类号： G06F30/20 , G06Q50/04 , G06F111/04 , G06F111/06
摘要： 本申请公开了一种数据处理方法、装置、设备和存储介质，该方法包括：分别根据第一求解约束条件求解每个次优化模型，得到N个元素被混合处理后对应的N个剩余量阈值；遍历N个元素中的第i个元素，基于当前遍历的第i个元素对应的剩余量阈值和第i个元素的当前可用量确定M个第二求解约束条件；根据第一求解约束条件、历史第二求解约束条件集和第i个元素对应的M个第二求解约束条件求解主优化模型得到M个求解结果；从第i个元素对应的M个第二求解约束条件对应的混合信息中选取目标混合信息；当N个元素均被遍历时，输出每次遍历得到的目标混合信息。本申请将多目标问题转化为多个单目标问题，并求解出多套满意解，能有效地提升混合效率。
-
公开(公告)号：CN106161415A
公开(公告)日：2016-11-23
申请号：CN201510224038.1
申请日：2015-05-05
申请人： 腾讯科技(深圳)有限公司 , 北京邮电大学
摘要： 本发明公开了一种信息处理方法及移动群智感知应用(MCS)平台，其中，所述方法包括：MCS平台接收MCS任务发起方所发布的满足预设规则的MCS任务；所述MCS平台公布所述MCS任务，所述MCS任务包含m个细分的子任务；m为大于零的正整数；所述MCS平台与MCS任务参与方采用第一传输协议进行针对所述子任务的通信交互，保护所述接收方的隐私不被所述发送方所知道；所述MCS平台与所述MCS任务参与方采用第一验证机制对针对所述子任务的通信交互进行验证，从验证通过的用户中寻找目标用户，以通过所述目标用户能最大限度增加高效完成的所述子任务的数量。
-
公开(公告)号：CN117009560A
公开(公告)日：2023-11-07
申请号：CN202211430258.6
申请日：2022-11-15
申请人： 腾讯科技(深圳)有限公司
IPC分类号： G06F16/532 , G06F16/583 , G06F16/58 , G06V10/26 , G06V10/74 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/084
摘要： 本申请公开了一种图像处理方法、装置、设备及计算机存储介质，涉及图像语义分割技术领域，该方法利用数量极少的训练样本以及图像级的文本标签，使模型具备对该类别物体的像素级分割能力的解决方案，其在第一阶段，依靠视觉‑语言预训练模型，可以由类别标签文本生成支撑图像的较为粗糙的初始掩膜，在第二阶段，依靠相互迭代优化的机制，可以将支撑图像和查询图像的粗糙掩膜不断优化，从而可以降低小样本分割任务中，对支撑样本像素级标注的依赖，依靠类别文本即可对支撑图像进行分割，进一步减少了对新类别训练标签的依赖，有助于减少标注工作量。
-
公开(公告)号：CN116977256A
公开(公告)日：2023-10-31
申请号：CN202310110319.9
申请日：2023-01-30
申请人： 腾讯科技(深圳)有限公司
摘要： 本申请涉及计算机领域，特别涉及了人工智能领域，提供了一种缺陷检测模型的训练方法、装置、设备及存储介质。该方法包括：以获得的参考点为中心，删除原始样本图像中可能存在严重缺陷的区域，生成相应的候选样本图像，再对候选样本图像进行缺陷检测，得到第二检测标签集，并基于第二检测标签集与标签调制得到的第二实际标签集，调整缺陷检测模型的模型参数。使得模型在训练阶段能够学习到表示轻微缺陷的有效特征，拥有抵抗噪声数据干扰的能力，减弱噪声样本带来的影响，进而获得鲁棒性高、泛化能力佳、性能强的目标缺陷检测模型。
-
公开(公告)号：CN116362363A
公开(公告)日：2023-06-30
申请号：CN202111617110.9
申请日：2021-12-27
申请人： 腾讯科技(深圳)有限公司
IPC分类号： G06Q10/04 , G06F16/2458 , G06F16/28 , G06N3/0442 , G06N3/0464 , G06N3/096 , G06N3/063 , G06Q50/26
摘要： 本申请涉及云技术领域，提供了一种水质预测方法、装置、设备及存储介质。该方法包括：获取目标区域内每个地点采集的第一历史监测数据集，每个第一历史监测数据集包含了来自不同数据源的第一历史监测数据，通过浅层特征提取，得到了表征周边地点采集的同一数据类型的第一历史监测数据，对相应地点的水质情况的影响程度的类内关联特征，再通过深层特征提取，从各个类内关联特征中提取到水质预测特征，该特征表征各个地点在各个历史阶段中采集的第一历史监测数据集，以及相应周边地点在各个历史阶段中采集的第一历史监测数据集，对预测相应地点在未来阶段的水质情况的影响程度。因考虑到数据的空间相关性与时间相关性，大大提高了水质预测准确率。
-
公开(公告)号：CN115146761A
公开(公告)日：2022-10-04
申请号：CN202210582258.1
申请日：2022-05-26
申请人： 腾讯科技(深圳)有限公司
IPC分类号： G06N3/04 , G06N3/08 , G06V10/774 , G06V10/82
摘要： 本申请公开一种缺陷检测模型的训练方法和相关装置，获取训练数据集和元数据集，训练数据集中包括第一产品图像和第一产品图像的噪声标签，元数据集中包括第二产品图像和第二产品图像的干净标签。基于第二产品图像和第二产品图像的干净标签构建目标损失函数，并以目标损失函数最小为目标对标签纠正网络进行训练，在以目标损失函数最小为目标对标签纠正网络进行训练的过程中，利用训练得到的标签纠正网络对噪声标签进行不断的纠正得到目标标签，目标标签相对于噪声标签来说更加准确，故可以根据第一产品图像和更加准确的目标标签训练得到缺陷检测模型。从而提高缺陷检测模型训练的准确性，进而提高缺陷检测模型的准确性、可靠性。
-
-
-
-
-
-
-
-
-
搜索结果
27 条记录 (耗时 0.044 秒)
