公开(公告)号：WO2021197332A1

公开(公告)日：2021-10-07

申请号：PCT/CN2021/084000

申请日：2021-03-30

Applicant: 支付宝（杭州）信息技术有限公司

Inventor： 熊涛

IPC: G06F21/62 ,  G06F21/602 ,  G06F21/6245 ,  G06K9/6268

Abstract: 一种保护数据隐私的图片分类方法。该方法的执行主体为数据持有方，其中存储多个隐私图片和对应的多个类别标签，该方法包括：首先，针对该多个隐私图片中任意的第一隐私图片，确定与该第一隐私图片对应的多个特征值，组成第一原始特征矩阵（210）；接着，对该第一原始特征矩阵中位于预定矩阵区域的部分特征值，进行预定变换，得到第一变换特征矩阵（220）；然后，将得到的对应于该多个隐私图片的多个变换特征矩阵，以及该多个类别标签发送至模型训练方，以使其训练出图片分类模型，用于对待分类的目标图片进行分类（230）。如此，可以同时实现保护隐私图片的数据隐私和防御针对图片分类模型的对抗攻击。

公开(公告)号：WO2021147473A1

公开(公告)日：2021-07-29

申请号：PCT/CN2020/128245

申请日：2020-11-12

Applicant: 腾讯科技（深圳）有限公司

Inventor： 黄超

IPC: A63F13/67 ,  A63F2300/6027 ,  G06K9/00664 ,  G06K9/6268

Abstract: 一种模型训练方法、内容生成方法以及相关装置，应用于基于人工智能的卡牌内容生成过程中。所述方法包括：基于多张卡牌内容的交互过程获取训练集（301）；根据卡牌内容的触发区域确定所述视频帧中的特征区域（302）；统计所述特征区域的触发情况，以生成特征向量（303）；将所述特征向量输入第一模型进行训练，以得到第二模型（304）。本方法实现了基于特征区域的模仿学习训练过程，由于特征区域为视频帧对应卡牌图像的一部分，不包含背景部分或其他干扰区域，使得模型训练过程具有针对性，减小了模型训练过程中的数据处理量，提高了模型训练效率以及准确性。

公开(公告)号：WO2021147218A1

公开(公告)日：2021-07-29

申请号：PCT/CN2020/093556

申请日：2020-05-30

Applicant: 平安科技（深圳）有限公司

Inventor： 侯晓帅 ,  李风仪 ,  南洋 ,  谢春梅 ,  王佳平

IPC: G06T7/00 ,  G06K9/62 ,  G06K9/6268 ,  G06N3/0454 ,  G06N3/08 ,  G06T2207/20024 ,  G06T2207/20081 ,  G06T2207/20084 ,  G06T2207/30084 ,  G06T5/002 ,  G06T7/0012

Abstract: 本申请涉及一种人工智能技术，揭露了一种医学影像识别检测方法，包括：获取病理图像集，对所述病理图像集进行归一化、图像降噪以及图像增强处理，得到增强病理图像集；将所述增强病理图像集输入至预先构建的病理检测模型中，通过所述病理检测模型中的正向传播得到所述增强病理图像集的权重参数，对所述权重参数进行更新直至所述病理检测模型趋于收敛，完成训练；通过训练完成后的所述病理检测模型对待检测的病理图像进行检测，并将检测结果返回给用户。本申请还提出一种医学影像识别检测装置以及一种计算机可读存储介质。本申请实现了医学影像的智能识别及检测。

公开(公告)号：WO2021139236A1

公开(公告)日：2021-07-15

申请号：PCT/CN2020/118224

申请日：2020-09-28

Applicant: 平安科技（深圳）有限公司

Inventor： 邓悦 ,  郑立颖 ,  徐亮

IPC: G06K9/62 ,  G06N3/04 ,  G06K9/6232 ,  G06K9/6268 ,  G06N3/0454 ,  G06N3/08

Abstract: 本案涉及人工智能领域，提供一种基于自编码器的异常检测方法、装置、设备及存储介质。该方法包括：将无标记样本输入至编码器进行编码，随机为获得的无标记样本特征分配标签并分别输入至正样本解码器和负样本解码器解码，并计算无标记样本的重构误差，根据重构误差修改无标记样本的标签并修改编码器和解码器的网络参数，重新输入至编码器中进行重构，重复迭代，直到无标记样本的标签不再变化，并根据无标记样本的标签确定异常样本。本申请通过自编码器迭代重构而不是建立模型的方式来异常检测，避免了预置阈值难以确定和过拟合的问题，异常检测的准确率高，适用性强。此外，本申请还涉及区块链技术，检测后样本可存储于区块链中。

公开(公告)号：WO2021128846A1

公开(公告)日：2021-07-01

申请号：PCT/CN2020/105759

申请日：2020-07-30

Applicant: 深圳壹账通智能科技有限公司

Inventor： 卢宁 ,  徐国强

IPC: G06F21/32 ,  G06F3/011 ,  G06K9/00288 ,  G06K9/6247 ,  G06K9/6256 ,  G06K9/6268

Abstract: 一种电子文件的控制方法、装置、计算机设备及存储介质，所述方法包括：通过采集实时视频流（S201），进而从实时视频流中，获取包含当前用户的面部图像的图像集合，并按照预设方式，从实时视频流中获取动作帧集合（S202），再将图像集合中的面部图像与预设的人脸图像进行对比，得到权限校验结果（S203），在每次进行电子文件的控制之前，快速校验电子文件控制的安全性，在权限校验结果为校验通过时，通过训练好的AU检测网络，对动作帧集合进行动作识别，得到目标动作（S204），并从预设的指令集中，获取目标动作对应的指令，作为目标指令（S205），对电子文件执行目标指令（S206），这种将获取到的帧图像同时进行权限校验和动作确认的方式，实现快速进行电子文件的控制，提高了电子文件控制的效率。

公开(公告)号：WO2021128704A1

公开(公告)日：2021-07-01

申请号：PCT/CN2020/090292

申请日：2020-05-14

Applicant: 华南理工大学

Inventor： 蔡毅 ,  李泽婷

IPC: G06F16/35 ,  G06K9/6268

Abstract: 一种基于分类效用的开集分类方法，包括步骤：输入数据集，并对数据集进行预处理；采用特征提取器将数据转换为特征；采用训练集的特征训练一个可增量学习少样本分类器；对于一条新数据，对其进行预处理后采用特征提取器提取特征；将新数据的特征输入到分类器中，寻找已知类别中分类分数最高的一个类别，并计算分类效用；将新数据单独作为一个类别，采用新数据的特征计算其分类效用；比较已知类别与新类别情况下的分类效用大小，更新分类器；重复提取特征并计算分类效用的步骤，增加分类器处理的类别数据。该方法解决了开集分类中的未知类别数据识别和新类别的引入问题，并结合增量学习来学习新类别，增强分类器。

公开(公告)号：WO2021122446A1

公开(公告)日：2021-06-24

申请号：PCT/EP2020/085953

申请日：2020-12-14

Applicant: KWS SAAT SE & CO. KGAA

Inventor： BAUER, Christoph ,  FRITZSCH, Christoph ,  DAHL, Ludmilla ,  JEBSEN, Christian

IPC: G06K9/00 ,  G06K9/62 ,  G06K2009/4657 ,  G06K9/4652 ,  G06K9/6256 ,  G06K9/6268

Abstract: The invention relates to a computer-implemented method comprising: - acquiring (406) first training images (108) using a first image acquisition technique (104), each first training image depicting a plant-related motive; - acquiring (402) second training images (106) using a second image acquisition technique (102), each second training image depicting the motive depicted in a respective one of the first training images; - automatically assigning (404) at least one label (150, 152, 154) to each of the acquired second training images; - spatially aligning (408) the first and second training images which are depicting the same one of the motives into an aligned training image pair; - training (410) a machine-learning model (132) as a function of the aligned training image pairs and the labels, wherein during the training the machine-learning model (132) learns to automatically assign one or more labels (250, 252, 254) to any test image (205) acquired with the first image acquisition technique which depicts a plant-related motive; and - providing (412) the trained machine-learning model (132).

公开(公告)号：WO2020042771A1

公开(公告)日：2020-03-05

申请号：PCT/CN2019/095449

申请日：2019-07-10

Applicant: 北京嘉楠捷思信息技术有限公司

Inventor： 刘敏丽 ,  张楠赓

IPC: G06K9/62 ,  G06K9/6268 ,  G06N3/04 ,  G06N3/0454

Abstract: 一种图像识别处理方法和装置。该方法包括：获取原始图像数据、卷积神经网络配置参数和卷积神经网络运算参数，原始图像数据包括M个像素点数据 (101)；由卷积神经网络运算模块(2)根据卷积神经网络配置参数和卷积神经网络运算参数对所述原始图像数据进行卷积神经网络运算，其中，卷积神经网络运算模块(2)包括N个并行设置的运算组件(21)，每个运算组件(21)包括依次连接的卷积运算单元(22)、批处理运算单元(23)和激活运算单元(24)，所述N个运算组件(21)分别对所述原始图像数据中的N个像素点数据同时进行卷积运算、批处理运算和激活运算，N为小于或等于M的正整数(102)。所述方法提升了图像识别处理的实时性。