-
公开(公告)号：CN107729932B
公开(公告)日：2019-07-26
申请号：CN201710935207.1
申请日：2017-10-10
申请人： 杭州智微信息科技有限公司
CPC分类号： G06K9/4652 , G06K9/6267 , G06T7/13 , G06T2207/10061 , G06T2207/30008
摘要： 本发明公开了一种骨髓细胞标记方法和系统，其中，方法包括：通过图像处理算法对标本图像进行处理标记得到得到轮廓细胞图像；再将轮廓细胞图像输入预设分类模型中，得到分类细胞图像和对应的分类细胞信息；通过根据预设类别对获取的颜色信息进行分类，得到分类颜色信息；最后，根据分类细胞信息提取对应的名称信息和分类颜色信息对分类细胞图像进行组合标记，并展示组合标记后的可视图。本发明对处理得到的分类细胞图像根据对应的名称信息和分类颜色信息进行组合标记，即在标记细胞的名称信息的同时，还标记这类细胞的分类颜色信息；实现了每一类细胞都有特定且不重复的颜色标记，不仅易于阅读，而且避免命名冲突，方便查阅。
-
公开(公告)号：CN108399409B
公开(公告)日：2019-06-18
申请号：CN201810055063.5
申请日：2018-01-19
申请人： 北京达佳互联信息技术有限公司
CPC分类号： G06K9/342 , G06K9/6256 , G06K9/6267
摘要： 本发明实施例提供了一种图像分类方法、装置及终端，其中所述方法包括：通过卷积神经网络确定图像对应的图像特征向量；其中，所述图像对应有文字描述信息；通过嵌入网络对所述文字描述信息进行处理，得到文字特征向量；将所述图像特征向量和文字特征向量拼接，得到图文特征向量；调用深度神经网络，根据所述深度神经网络依据所述图像特征向量、文字特征向量以及所述图文特征向量，确定所述图像对应的分类。通过本发明实施例提供的图像分类方法，能够提升图像分类的准确性。
-
公开(公告)号：CN105103164B
公开(公告)日：2019-06-04
申请号：CN201480017169.6
申请日：2014-03-17
申请人： 皇家飞利浦有限公司
发明人： T·H·施特勒 , J·威斯 , I·韦希特尔-施特勒
CPC分类号： G06T7/73 , G06K9/46 , G06K9/52 , G06K9/6205 , G06K9/6267 , G06T3/00 , G06T7/0012 , G06T7/168 , G06T7/75 , G06T2200/04 , G06T2207/10136 , G06T2207/20061 , G06T2207/20076 , G06T2207/20081 , G06T2207/20112 , G06T2207/30048
摘要： 一种图像处理装置及相关的方法。所述装置(PP)包括输入端口(IN)、分类器(CLS)和输出端口(OUT)。所述输入端口能够接收由成像器(USP)在视场(FoV)处采集到的对象的图像。所述图像记录所述对象的与所述成像器的视场(FoV)相对应的姿态。所述分类器(CLA)被配置为使用所述对象的几何模型来从预定义的候选姿态的集合中确定被记录在所述图像中的所述对象的所述姿态。所述输出端口(OUT)被配置为输出描述所确定的姿态的姿态参数。
-
公开(公告)号：CN109791666A
公开(公告)日：2019-05-21
申请号：CN201780059965.X
申请日：2017-07-12
申请人： 特里弗股份有限公司
CPC分类号： G06Q30/0246 , A63F13/335 , A63F13/577 , A63F13/61 , A63F13/71 , G06K9/52 , G06K9/6215 , G06K9/6267 , G06Q30/0277 , G06Q50/01 , G06T7/0004 , G06T7/60 , G06T15/20 , G06T2200/04 , G06T2207/30108
摘要： 使用各种实施例，描述了方法和系统来实现基于目标的广告植入平台。在一个实施例中，公开了一种基于广告主的目标在三维(3D)在线环境中显示广告的方法和系统。计算设备接收广告主的目标。在一个实施例中，广告主目标包括确定何时停止向3D在线环境中的用户显示品牌智能对象(BSO)，该目标包括参与规则。计算设备可以进一步确定广告主的目标是否已经由用户实现，该确定包括评估用户参与分数(UES)并将UES与广告主的参与规则进行比较。如果用户实现(或满足)广告主的目标，则在预定的时间段BSO不会显示给用户。
-
公开(公告)号：CN109697528A
公开(公告)日：2019-04-30
申请号：CN201811566804.2
申请日：2018-12-19
申请人： 平安科技(深圳)有限公司
CPC分类号： G06Q10/04 , G06K9/6256 , G06K9/6267
摘要： 本申请涉及人工智能领域，尤其是一种营收数据预测方法、装置、计算机设备和存储介质。所述方法包括：接收待预测时间以及待预测企业标识，并获取与所述待预测企业标识对应的第一历史营收数据；将所述第一历史营收数据输入至预测单模型中得到第一单模型预测结果；根据所述第一单模型预测结果以及第一历史营收数据构建目标模型选择特征；将所述目标模型选择特征输入至模型分类器中得到所述预测单模型对应的权重；根据所述第一单模型预测结果以及对应的所述权重计算得到预测营收数据。采用本方法能够营收数据的预测准确性。
-
公开(公告)号：CN109686110A
公开(公告)日：2019-04-26
申请号：CN201910044950.7
申请日：2019-01-17
申请人： 蜂寻(上海)信息科技有限公司
CPC分类号： G08G1/04 , G06K9/00771 , G06K9/6256 , G06K9/6267 , G08G1/141
摘要： 本发明的目的是提供一种车位空满状态判别方法及设备，本发明针对每个车库场景的环境条件(光照、色度、角度等)，具体在每个项目中，进行针对性的特征库的学习，每一个摄像头节点对采集的视频图像进行预处理、模型匹配、车位判断、结果生成，最终完成对车位空满状态的识别和判断，将最终所得车位特征样本库总集作为项目车场图形识别法所需要的特征样本库，可以节约车位空满状态方案的成本，提高车库管理的管理效率，提升车位空满状态的准确率。
-
公开(公告)号：CN109685131A
公开(公告)日：2019-04-26
申请号：CN201811561862.6
申请日：2018-12-20
申请人： 斑马网络技术有限公司
IPC分类号： G06K9/62
CPC分类号： G06K9/6267 , G06K9/6256
摘要： 本发明实施例提供一种汽车车机系统异常识别方法及装置，通过在汽车车机系统运行过程中采集对屏幕的检测图像，将所述检测图像输入至预设的人工智能模型，并获取所述人工智能模型输出的对所述检测图像的分类结果，其中所述分类结果包括异常图像或正常图像，所述人工智能模型根据异常样本图像训练得到的，根据所述检测图像的分类结果判断所述汽车车机系统是否存在异常，能够实现对汽车车机系统的运行过程的自动化监控，以及可以自动判断汽车车机系统在运行过程中是否存在异常，无需工作人员对汽车车机系统的运行过程进行监控，简化工作人员的操作流程，并提高测试效率。
-
公开(公告)号：CN109685125A
公开(公告)日：2019-04-26
申请号：CN201811537184.X
申请日：2018-12-14
申请人： 大连海事大学
CPC分类号： G06K9/6256 , G06K9/6267 , G06K9/66
摘要： 本发明提供一种基于频繁传感器事件序列的日常行为特征挖掘及计算方法，包括：识别模型训练和行为识别测试两阶段；识别模型训练包括：通过设置的多个非入侵式传感器采集居民日常行为按照时间顺序连续地触发的传感器事件序列；对采集到的传感器事件序列进行预处理，预处理将传感器事件序列分割为多个以日常行为为单位的子序列；挖掘频繁出现的传感器事件序列，作为居民日常行为的特征；计算居民日常行为在特征上的取值。本发明克服了预定义特征和离散特征的缺点，使用频繁序列模式挖掘方法全面有效地挖掘到居民日常行为的连续特征，并且提出了特征值的计算算法，因此从理论上讲，使用本发明挖掘出的特征将显著地提升居民日常行为的精确率和召回率。
-
公开(公告)号：CN109685102A
公开(公告)日：2019-04-26
申请号：CN201811348841.6
申请日：2018-11-13
申请人： 平安科技(深圳)有限公司
CPC分类号： G06K9/6256 , G06K9/6267 , G06K2209/053 , G06T7/0012 , G06T2207/10081 , G06T2207/20081 , G06T2207/20084 , G06T2207/30096
摘要： 本发明实施例公开了一种胸部病灶图像分类方法、装置、计算机设备及存储介质，包括：获取包括胸部病灶图像的病例图片；将所述病例图像输入到预设的胸部病灶图像分类模型中；根据所述胸部病灶图像分类模型输出的分类结果，得到所述病例图片表征的疾病名称。由于胸部病灶图像分类模型在训练时，采用已经确诊或治愈的疾病图片，进行训练使其具有了判断同类型图片中疾病名称的能力，且胸部病灶图像分类模型对图像表征的疾病判断能够代表本领域内的普遍判断结果。因此，通过胸部病灶图像分类模型能够避免疾病诊断时，仅仅依靠单个或者部分医护人员的经验判断的局限，使疾病的判断结果符合本领域内的通识标准，能够有效的提高疾病诊断的准确率。
-
公开(公告)号：CN109685067A
公开(公告)日：2019-04-26
申请号：CN201811596891.6
申请日：2018-12-26
申请人： 江西理工大学
CPC分类号： G06K9/342 , G06K9/6256 , G06K9/6267
摘要： 本发明公开了一种基于区域和深度残差网络的图像语义分割方法。基于区域的语义分割方法使用多尺度提取相互重叠的区域，可识别多种尺度的目标并得到精细的物体分割边界。基于全卷积网络的方法使用卷积神经网络自主学习特征，可以针对逐像素分类任务进行端到端训练，但是这种方法通常会产生粗糙的分割边界。本发明将两种方法的优点结合起来：首先使用区域生成网络在图像中生成候选区域，然后将图像通过带扩张卷积的深度残差网络进行特征提取得到特征图，结合候选区域以及特征图得到区域的特征，并将其映射到区域中每个像素上；最后使用全局平均池化层进行逐像素分类。本发明还使用了多模型融合的方法，在相同的网络模型中设置不同的输入进行训练得到多个模型，然后在分类层进行特征融合，得到最终的分割结果。在SIFT FLOW和PASCAL Context数据集上的实验结果表明本发明算法具有较高的平均准确率。
-
-
-
-
-
-
-
-
-
搜索结果
2198 条记录 (耗时 0.024 秒)
