公开(公告)号：CN114037876B

公开(公告)日：2024-08-13

申请号：CN202111546892.1

申请日：2021-12-16

申请人： 马上消费金融股份有限公司

发明人： 吕永春 ,  朱徽 ,  周迅溢 ,  曾定衡

IPC分类号： G06V10/764 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0895

摘要： 本发明公开了一种模型优化方法和装置，用以解决由于半监督学习的监督信息不足而导致图像分类模型训练效果差的问题。包括：获取图像分类模型的训练样本，训练样本包括有标签样本和无标签样本，无标签样本包括有伪标签样本；将有标签样本和有伪标签样本作为伪监督对比学习样本输入图像分类模型，以确定伪监督对比学习损失，伪监督对比学习损失根据图像分类模型的特征提取网络对有标签样本和有伪标签样本提取的特征确定；根据伪监督对比学习损失优化图像分类模型。本方案利用伪标签进行对比表示学习，能从特征提取网络提取的特征维度优化损失函数，使损失函数更准确地表达模型损失，从而有效丰富监督信号，优化模型训练效果。

公开(公告)号：CN114120044B

公开(公告)日：2024-07-19

申请号：CN202111489645.2

申请日：2021-12-08

申请人： 马上消费金融股份有限公司

发明人： 陈圣 ,  曾定衡 ,  王洪斌 ,  周迅溢

IPC分类号： G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/772 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

摘要： 本申请提供一种图像分类方法、图像分类网络训练方法、装置及电子设备，图像分类方法，包括：获取待分类图像；将待分类图像输入目标图像分类网络中进行分类，得到目标分类结果；其中，目标图像分类网络包括第一卷积层、加权融合模块、第一相加层、第二卷积层以及分类层，第一卷积层的输入包括待分类图像，第一卷积层的输出还与第一相加层的输入连接。即采用一个目标图像分类网络进行分类即可，目标图像分类网络的结构复杂度较低，可减少分类花费的时间，从而可提高图像分类效率。

公开(公告)号：CN117671549A

公开(公告)日：2024-03-08

申请号：CN202210987670.1

申请日：2022-08-17

申请人： 马上消费金融股份有限公司

发明人： 赵幸福 ,  周迅溢 ,  蒋宁 ,  吴海英

IPC分类号： G06V20/40 ,  G06V40/16 ,  G06V10/774

摘要： 本申请涉及图像处理技术领域，具体涉及一种唇动检测方法和唇动检测装置，以及计算机可读存储介质和电子设备，解决了传统的唇动检测方法泛化能力弱且鲁棒性差的问题。本申请的唇动检测方法基于当前图像帧中目标用户的参照唇距，确定目标用户的唇动检测结果，参照唇距是基于唇距和唇距的参照距离之间的相对关系确定的，所以参照唇距是一个相对值。当拍摄角度发生变化时，唇距和唇距的参照距离会同时变小或同时变大，因此，基于唇距和唇距的参照距离之间的相对关系确定的参照唇距变化不大，甚至是没有变化。即，参照唇距不易受到拍摄角度、拍摄距离等因素的影响，从而提高了唇动检测方法的鲁棒性。

公开(公告)号：CN117541770A

公开(公告)日：2024-02-09

申请号：CN202210904226.9

申请日：2022-07-29

申请人： 马上消费金融股份有限公司

发明人： 吕永春 ,  朱徽 ,  周迅溢 ,  蒋宁 ,  吴海英

IPC分类号： G06V10/25 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06V40/10 ,  G06N3/0464

摘要： 本申请提供一种数据增强方法、装置及电子设备，数据增强方法包括：获取N张原始图像以及N个背景图像集，一张原始图像对应一个背景图像集，N为大于1的整数，任一背景图像集中包括至少一张背景图像；根据M个目标检测网络，对N张原始图像中每张原始图像进行目标检测，获得每张原始图像的M个目标检测框，M为大于1的整数；确定每张原始图像的第一检测框，原始图像的第一检测框为通过原始图像的M个目标检测框确定的检测框；对每张原始图像中第一检测框对应的区域以及原始图像对应的背景图像集中至少一张背景图像进行融合，得到每张原始图像对应的至少一张增强图像。这样，可以提高数据增强效果。

公开(公告)号：CN117523218A

公开(公告)日：2024-02-06

申请号：CN202210857077.5

申请日：2022-07-20

申请人： 马上消费金融股份有限公司

发明人： 吕永春 ,  朱徽 ,  周迅溢 ,  蒋宁 ,  吴海英

IPC分类号： G06V10/44 ,  G06V10/764 ,  G06V10/772 ,  G06V10/82 ,  G06N3/0895 ,  G06N3/096

摘要： 本申请公开了一种标签生成、图像分类模型的方法、图像分类方法及装置。所述标签生成方法包括：分别通过教师模型和学生模型对无标签图像进行分类识别得到教师模型和学生模型各自对应的分类参考信息；每个模型对应的分类参考信息均包括无标签图像所包含的N个检测对象及每个检测对象属于多个类别中每个类别的概率；基于教师模型对应的分类参考信息确定每个类别在教师模型对应的检测对象数量，及基于学生模型对应的分类参考信息确定每个类别在学生模型对应的检测对象数量；基于每个类别在教师模型及学生模型对应的检测对象数量确定每个类别的概率阈值；基于教师模型对应的分类参考信息和每个类别的概率阈值，为学生模型生成无标签图像对应的伪标签。

公开(公告)号：CN117292440A

公开(公告)日：2023-12-26

申请号：CN202210660276.7

申请日：2022-06-13

申请人： 马上消费金融股份有限公司

发明人： 高亮 ,  王洪斌 ,  周迅溢 ,  曾定衡

IPC分类号： G06V40/40 ,  G06V40/16 ,  G06V10/26 ,  G06V10/28 ,  G06V10/74 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

摘要： 本说明书实施例提供了图像活体检测方法及装置，其中，一种图像活体检测方法，包括：对待检测图像进行语义分割处理，得到所述待检测图像中介质图像块对应的第一掩码图像；对所述待检测图像进行生物特征检测，得到所述待检测图像中生物特征图像块的边界信息；基于所述边界信息对所述待检测图像进行像素处理，得到所述生物特征图像块对应的第二掩码图像；基于所述第一掩码图像和所述第二掩码图像，对所述介质图像块和所述生物特征图像块进行重叠度计算，得到重叠度；根据所述重叠度确定所述待检测图像的活体检测结果。采用本申请实施例可提升图像活体检测的精确度。

公开(公告)号：CN116978129A

公开(公告)日：2023-10-31

申请号：CN202210408463.6

申请日：2022-04-19

申请人： 马上消费金融股份有限公司

发明人： 高亮 ,  蒋宁 ,  王洪斌 ,  周迅溢 ,  吴海英 ,  曾定衡

IPC分类号： G06V40/40 ,  G06V40/16 ,  G06N3/084 ,  G06V10/82

摘要： 本申请实施例提供了一种活体检测模型的训练方法、活体检测方法及装置，获取样本图像对应的多个子样本图像；活体检测模型包括：多个活体检测子模型，样本图像包括样本人脸对应的图像区域；子样本图像包括样本图像中不同区域的子样本图像，每个子样本图像用于训练一个对应子样本图像的活体检测子模型；将子样本图像输入至对应的活体检测子模型，进行模型训练，得到训练后的活体检测模型，由于活体检测模型包含侧重于对不同区域的欺诈痕迹识别的多个子模型，这样在利用该活体检测模型进行活体检测时，能够提高活体检测准确率，从而实现精准地对假体人脸图像进行有效拦截。

公开(公告)号：CN116863259A

公开(公告)日：2023-10-10

申请号：CN202210283805.6

申请日：2022-03-21

申请人： 马上消费金融股份有限公司

发明人： 吕永春 ,  朱徽 ,  周迅溢 ,  曾定衡

IPC分类号： G06V10/774 ,  G06V10/25

摘要： 本申请实施例公开了一种目标检测模型的训练方法、装置、计算机设备及存储介质，本申请实施例通过将第一图像样本输入预训练的检测模型，输出对应的第一目标检测结果；根据第一目标检测结果与第一图像样本携带的标签数据确定第一目标损失函数；将第二图像样本分别输入教师检测模型以及学生检测模型，输出对应的第二目标检测结果以及第三目标检测结果确定第二目标损失函数；基于第一目标损失函数和第二目标损失函数对学生检测模型的第一网络参数进行更新；根据更新后的第一网络参数更新教师检测模型的第二网络参数，不断对第二网络参数更新，直至满足迭代条件停止，将训练得到的教师检测模型确定为目标检测模型。极大的提升了数据处理的效率。

公开(公告)号：CN116824194A

公开(公告)日：2023-09-29

申请号：CN202210259085.X

申请日：2022-03-16

申请人： 马上消费金融股份有限公司

发明人： 吕永春 ,  朱徽 ,  王洪斌 ,  周迅溢 ,  曾定衡

IPC分类号： G06V10/764 ,  G06V10/774

摘要： 本申请公开了一种图像分类模型的训练方法、图像处理方法及装置，用于实现利用有限的有标签图像，训练得到更高预测准确率的图像分类模型以及准确预测图像类别。所述训练方法包括：将样本集输入图像分类模型的第一分类器，输出样本集中的图像的预测类别嵌入向量，样本集包括无标签图像和有标签图像；将样本集输入图像分类模型的第二分类器，输出样本集中的图像的预测类别编码；基于样本集中的图像的预测类别嵌入向量及预测类别编码以及样本集的标签信息，确定图像分类模型的总预测损失，标签信息包括有标签图像的类别标签及标签嵌入向量，类别标签为有标签图像的真实类别信息的编码；基于总预测损失，调整第一分类器和第二分类器各自的网络参数。

公开(公告)号：CN114821404B

公开(公告)日：2023-07-25

申请号：CN202210370142.1

申请日：2022-04-08

申请人： 马上消费金融股份有限公司

发明人： 王淳 ,  曾定衡 ,  周迅溢 ,  王洪斌 ,  蒋宁

IPC分类号： G06V20/40 ,  G06V40/16 ,  G06T17/00 ,  G06N3/045 ,  G06N3/092

摘要： 本申请实施例公开了一种信息处理方法、装置、计算机设备及存储介质，本申请实施例通过获取目标视频；提取每一帧的人脸图像得到第一目标图像特征；将第一目标图像特征分别输入第一目标预设网络模型、第二目标预设网络模型和第三目标预设网络模型，输出第一目标表情系数、第一目标姿态系数以及第一目标光照系数；将第一目标图像特征分别输入第四目标预设网络模型和第五目标预设网络模型，输出第一目标身份系数和第一目标纹理系数；输出根据先验知识得到的第一目标身份特征和第一目标纹理特征与第一目标图像特征进行拼接，得到第一目标特征；将第一目标特征输入目标预设头部网络模型，输出第二目标表情系数，极大提升了提取的表情系数的准确性。