-
公开(公告)号：CN109389367B
公开(公告)日：2021-06-18
申请号：CN201811172149.2
申请日：2018-10-09
申请人： 苏州科达科技股份有限公司
摘要： 本申请涉及一种人员考勤方法、装置及存储介质，属于计算机技术领域，该方法包括：获取固定相机采集的第一场景图像；检测目标对象的第一图像在所述第一场景图像中的图像姿态；根据所述固定相机的第一相机姿态和所述图像姿态确定动态相机的第二相机姿态；通过所述动态相机以所述第二相机姿态采集第二场景图像，所述第二场景图像包括所述目标对象的第二图像；对所述第二场景图像进行人脸识别，得到所述目标对象的考勤结果；可以解决已有的考勤方式考勤效率较低的问题；提高待考勤人员的考勤效率；还可以动态规划动态相机的预置位，减少动态相机针对不同场景环境需要设置不同位置时的工作量，提高设备易部署性。
-
公开(公告)号：CN109389367A
公开(公告)日：2019-02-26
申请号：CN201811172149.2
申请日：2018-10-09
申请人： 苏州科达科技股份有限公司
摘要： 本申请涉及一种人员考勤方法、装置及存储介质，属于计算机技术领域，该方法包括：获取固定相机采集的第一场景图像；检测目标对象的第一图像在所述第一场景图像中的图像姿态；根据所述固定相机的第一相机姿态和所述图像姿态确定动态相机的第二相机姿态；通过所述动态相机以所述第二相机姿态采集第二场景图像，所述第二场景图像包括所述目标对象的第二图像；对所述第二场景图像进行人脸识别，得到所述目标对象的考勤结果；可以解决已有的考勤方式考勤效率较低的问题；提高待考勤人员的考勤效率；还可以动态规划动态相机的预置位，减少动态相机针对不同场景环境需要设置不同位置时的工作量，提高设备易部署性。
-
公开(公告)号：CN109376615A
公开(公告)日：2019-02-22
申请号：CN201811149122.1
申请日：2018-09-29
申请人： 苏州科达科技股份有限公司
CPC分类号： G06K9/00845 , G06K9/6267 , G06K9/6288 , G06N3/0454 , G06N3/08
摘要： 本申请涉及一种用于提升深度学习网络预测性能的方法、装置及储存介质，属于人工智能及计算机技术领域，该方法包括：利用预先设置的训练集对第一神经网络模型进行m轮次迭代训练；利用预先设置的验证集对训练得到的神经网络模型进行验证；基于训练得到的神经网络模型所应用的场景确定出对应的性能指标；从m轮次迭代训练得到的神经网络模型中选择确定出的性能指标达到融合标准的多个神经网络模型；获取选择的多个神经网络模型的网络参数，将多个神经网络模型的网络参数融合；将融合后的网络参数赋给第二神经网络模型得到具有融合后的网络参数的神经网络模型；不仅未增加训练模型的时间，还可以提高网络预测效率，也可以满足应用场景的不同需求。
-
公开(公告)号：CN109190620A
公开(公告)日：2019-01-11
申请号：CN201811019752.7
申请日：2018-09-03
申请人： 苏州科达科技股份有限公司
摘要： 本发明提供了一种车牌样本生成方法、系统、设备及存储介质，所述方法包括如下步骤：获取预设的车牌图像参数；根据所述车牌图像参数合成车牌图像；将所述车牌图像输入训练好的循环生成对抗网络的第一生成器中，得到输出的车牌样本。本发明解决了真实场景车牌数量太少、搜集困难、标注费时费力的问题，提出了首先根据预设的车牌图像参数进行车牌图像的合成，可以预先设定合成车牌的种类和各项参数，可以根据真实车牌的类别不平衡进行调配，生成更有利于车牌识别的合成训练样本，并且使用循环生成对抗网络进行优化的方法，使得合成车牌的标签得以保留且其风格更接近真实车牌。
-
公开(公告)号：CN109376615B
公开(公告)日：2020-12-18
申请号：CN201811149122.1
申请日：2018-09-29
申请人： 苏州科达科技股份有限公司
摘要： 本申请涉及一种用于提升深度学习网络预测性能的方法、装置及储存介质，属于人工智能及计算机技术领域，该方法包括：利用预先设置的训练集对第一神经网络模型进行m轮次迭代训练；利用预先设置的验证集对训练得到的神经网络模型进行验证；基于训练得到的神经网络模型所应用的场景确定出对应的性能指标；从m轮次迭代训练得到的神经网络模型中选择确定出的性能指标达到融合标准的多个神经网络模型；获取选择的多个神经网络模型的网络参数，将多个神经网络模型的网络参数融合；将融合后的网络参数赋给第二神经网络模型得到具有融合后的网络参数的神经网络模型；不仅未增加训练模型的时间，还可以提高网络预测效率，也可以满足应用场景的不同需求。
-
-
-
-
搜索结果
5 条记录 (耗时 0.045 秒)
