公开(公告)号：CN110869936B

公开(公告)日：2024-08-27

申请号：CN201780091722.4

申请日：2017-09-29

申请人： 智加科技公司

发明人： H·郑 ,  D·W·刘 ,  小T·P·戴利

IPC分类号： G06F18/2413 ,  G06N20/00 ,  G06F18/214 ,  G06V30/19 ,  G06F18/25 ,  G06V10/98 ,  G06V10/82 ,  G06V10/94 ,  G06V30/194 ,  G06V20/56 ,  G06V10/80 ,  G05D1/00 ,  G06N3/006

摘要： 本示教涉及用于自动驾驶车辆中的原位感知的系统、方法、介质。首先，接收由配置在车辆上的多种类型的传感器连续获取的多种类型的传感器数据，其中，所述多种类型的传感器数据提供关于车辆周围情况的信息。根据至少一个模型，由所述多种类型传感器中第一类型的一个以上的传感器所获取的所述多种类型传感器数据中的第一类型，跟踪一个以上的项目，其中，所述一个以上项目出现在车辆的周围。于是，所述一个以上项目中的至少一些经由所述一个以上项目的交叉模态验证或交叉时态验证即时地被自动标记，并用于即时地对车辆中的所述至少一个模型进行本地适应。

公开(公告)号：CN114495088A

公开(公告)日：2022-05-13

申请号：CN202210142983.7

申请日：2022-02-16

申请人： 中银金融科技有限公司

发明人： 钟缘

IPC分类号： G06V20/62 ,  G06V10/25 ,  G06V10/50 ,  G06V10/44 ,  G06V10/82 ,  G06V10/80 ,  G06V10/764 ,  G06V30/18 ,  G06V30/148 ,  G06V30/194 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本公开提供的一种字符区域图像识别方法及相关设备，可应用于金融领域或其他领域，该方法可以获得待识别图像；将所述待识别图像输入至预设卷积深度置信网络模型中，获得所述预设卷积深度置信网络模型输出的第一图像特征向量；提取所述待识别图像的至少一个局部特征，获得与所述局部特征对应的第二图像特征向量；对所述第一图像特征向量和所述第二图像特征向量进行特征融合，获得第三图像特征向量；利用所述第三图像特征向量，识别所述待识别图像是否为字符区域图像。本公开通过卷积深度置信网络模型处理与图像局部特征提取，能够融合图像的深度特征和传统的图像局部特征，提高字符区域图像的识别准确率。

公开(公告)号：CN111553277B

公开(公告)日：2022-04-26

申请号：CN202010350217.0

申请日：2020-04-28

申请人： 电子科技大学

发明人： 匡平 ,  王豪爽 ,  董淑婷

IPC分类号： G06V10/774 ,  G06V10/82 ,  G06V30/194 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明属于监督学习领域，具体公开了一种引入一致性约束的中文签名鉴定方法及终端，该方法利用损失函数对中文签名鉴定全卷积网络模型进行训练，所述损失函数L包括Focal损失函数；所述损失函数L还包括与Focal损失函数共同使用的一致性约束损失函数。本发明在中文离线签名鉴定的全监督领域中创造性地运用了一致性损失，首先依赖第一组训练样本对验证签名做出正确预测，并据此通过一致性损失将验证结果信息传递至扩增的对应样本，随着模型训练时间的拉长，越来越多翻转后的样本将会得到正确预测，这也表明模型减少了背景信息的干扰，提取了更多的笔迹信息特征，从而改善了笔迹信息稀疏的难题，提高了签名鉴定率。

公开(公告)号：CN109034153B

公开(公告)日：2022-04-26

申请号：CN201810803980.7

申请日：2018-07-20

申请人： 泰康保险集团股份有限公司 ,  泰康在线财产保险股份有限公司

发明人： 马文伟 ,  王强

IPC分类号： G06V10/24 ,  G06V30/194 ,  G06T5/00

摘要： 本发明实施例公开了一种应用于图像旋转的图像保真的方法及装置，首先确定样本图像旋转后的关键信息区域的最小外接矩形为目标外接矩形，然后确定未知像素值区域，所述未知像素值区域为所述样本图像旋转后在其旋转前的图像区域中没有图像显示内容的区域，根据所述目标外接矩形与未知像素区域的位置关系，确定保真边界，最后根据确定的保真边界截取旋转后的所述关键信息区域图像作为保真样本图像。该方法及装置将旋转后引入的未知像素值区域截取在保真图像之外，获取保真样本图像，可继续用于扩充训练样本数量，丰富样本特征，提高深度学习算法模型的识别和泛化能力。

公开(公告)号：CN112132147B

公开(公告)日：2022-04-19

申请号：CN202010818346.8

申请日：2020-08-14

申请人： 浙江大学 ,  浙江宇视科技有限公司

发明人： 周迪 ,  肖海林 ,  曹广 ,  张仲非 ,  刘鹏 ,  韦文生

IPC分类号： G06V10/764 ,  G06V10/82 ,  G06V30/24 ,  G06V30/194 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于质量节点模型的学习方法，引入了基于质量节点的引力模型，以实现简约可解释了目标损失函数计算；以各类的引力大小作为分类预测结果，可准确的确定所属分类，提高分类识别准确率；并且利用小样本学习机制，利用数量较少的带标注样本进行训练，而不必对海量样本进行繁重的标注，不必应用海量新样本对卷积神经网络进行训练，大幅减少训练时间，并且在同样的训练工作量下具有更高的识别准确率。

公开(公告)号：CN114241237A

公开(公告)日：2022-03-25

申请号：CN202111505672.4

申请日：2021-12-10

申请人： 安阳师范学院

发明人： 郭安 ,  刘国英 ,  李邦 ,  张展 ,  焦清局 ,  刘永革

IPC分类号： G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/44 ,  G06V30/194 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明涉及一种基于图像的甲骨片正反面自动识别方法，分类器训练阶段，选取符合要求的甲骨图像，经过预处理后作为两个独立分类器。实时分类阶段，将符合要求的待分类甲骨图像导入分类器一，当满足分类条件时，根据分类器一的输出指派给甲骨片分类标签；当不满足分类器一的分类条件时，将待分类图分割后获得若干图像碎片，将符合要求的图像碎片依次输入分类器二得到其对应的分类结果，利用权重投票算法，对待分类图像指派分类结果。本发明在解放劳动力的同时也增加分类的客观性。

公开(公告)号：CN114170605A

公开(公告)日：2022-03-11

申请号：CN202111500948.X

申请日：2021-12-09

申请人： 上海妙一生物科技有限公司

发明人： 赵洪杰

IPC分类号： G06V30/148 ,  G06V30/413 ,  G06V30/416 ,  G06V30/194 ,  G06N3/04 ,  G06N3/08

摘要： 本发明涉及一种临床试验方案的信息提取方法和装置，其中，该方法包括：对临床试验方案文档进行版面分析，识别出页眉、页脚、正文、表格以及图片的位置信息；根据所述位置信息将页眉和页脚部分进行舍弃、对表格部分进行框架主体结构的识别、并对正文部分以及表格部分的文字内容进行OCR识别；将OCR识别后得到的信息与所述图片进行信息整合；对整合后的信息进行信息提取，并将得到的关键信息进行输出。通过本申请，解决了相关技术中临床试验方案解读的准确度和效率较低的问题，实现了提高临床试验方案解读的准确度和效率的技术效果。

公开(公告)号：CN108629324B

公开(公告)日：2022-03-08

申请号：CN201810450571.3

申请日：2018-05-11

申请人： 武汉拓睿传奇科技有限公司

发明人： 夏勇

IPC分类号： G06V40/20 ,  G06V30/194

摘要： 本发明公开了一种基于深度学习的步态模拟系统，包括中央处理模块，所述中央处理模块与数据程序提取模块实现双向连接，且数据程序提取系统与联网信息数据库实现双向连接，所述数据程序提取模块包括提取指令处理模块、程序组模识别模块、程序组模分析模块和程序组模发送模块，所述提取指令处理模块的输出端与程序组模识别模块的输入端连接，涉及步态模拟技术领域。该基于深度学习的步态模拟系统和方法，大大提高了步态模拟系统的智能化程度，实现了通过联网大数据使整个步态模拟系统能够进行深度学习，达到了对外界识别的不同步态进行智能学习和模仿的目的，从而大大方便了人们使用步态模拟设备进行步态矫正或康复训练。

公开(公告)号：CN114120345A

公开(公告)日：2022-03-01

申请号：CN202010902717.0

申请日：2020-09-01

申请人： 中国移动通信有限公司研究院 ,  中国移动通信集团有限公司

发明人： 刘清晨

IPC分类号： G06V30/413 ,  G06V30/194 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种信息提取方法、装置、设备及存储介质。其中，所述方法包括：采集表格图像；利用预设第一网络模型，对所述表格图像中表格区域进行分割和定位，得到至少两个单元格；针对所述至少两个单元格中每个单元格，结合预设第二网络模型，确定相应单元格中的文本行；利用预设第三网络模型，对所述至少两个单元格中的文本行分别进行识别，得到识别文本；确定所述至少两个单元格对应的表格结构，并利用所述表格结构和所述识别文本，形成表格信息。

公开(公告)号：CN110472548B

公开(公告)日：2022-03-01

申请号：CN201910732178.8

申请日：2019-08-08

申请人： 中国科学技术大学

发明人： 李厚强 ,  周文罡 ,  魏承承

IPC分类号： G06V40/20 ,  G06V20/40 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06V30/194 ,  G06N3/04

摘要： 本发明公开了一种基于语法分类器的视频连续手语识别方法及系统，方法包括：将获取到的原始手语视频切分为多个视频段，基于残差连接的三维卷积神经网络对各个视频段进行时空域特征提取，对提取到的时空域特征利用双向长短时记忆网络进行上下文学习，得到手语视频的特征；采用最大池化层对视频的特征做全局池化，得到原始手语视频的特征向量；基于特征向量，采用单词分类器模块给出句子中每个单词对应的置信度分数，采用元组分类器模块给出句子中每个多元组的置信度分数；基于单词分类器模块给出的句子中每个单词对应的置信度分数和元组分类器模块给出的句子中每个多元组的置信度分数，确定出手语识别结果。本发明能够提高手语识别性能。