内容提供者
物品识别方法、模型训练方法以及装置.pdf
2023-06-14
10金币
1.1MB
30页
兴朝****45
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共30页，到这已经超出免费预览范围，如果喜欢就直接下载吧～
相关资料
物品识别方法、模型训练方法以及装置.pdf
本申请实施例提供一种物品识别方法、模型训练方法、装置、电子设备以及存储介质，涉及互联网和深度学习技术领域，包括：获取各待识别物品的各自对应的目标图片信息，将各目标图片信息输入至识别模型，生成与各待识别物品各自对应的识别结果，识别模型包括卷积层和聚类层，聚类层用于对卷积层输出的各目标图片特征进行聚类处理，各目标图片特征是由卷积层根据各目标图片信息进行卷积处理生成的，识别结果表征各待识别物品是否满足预先设置的物品需求，通过增加对由卷积层输出的各目标图片特征进行聚类处理，而通过聚类处理，避免了采用逐一的方式进行
2023-06-14
10
1.1MB
特征识别模型训练方法、物品特征识别方法及装置.pdf
本公开提供了一种特征识别模型训练方法、物品特征识别方法及装置。该训练方法包括：获取物品样本数据集，物品样本数据集中包括多条物品样本，将每条物品样本中的物品图像数据、用于描述物品的文本数据和物品风格数据分别输入初始模型的图像特征提取层、文本特征提取层和风格特征提取层，分别输出物品图像特征、文本特征和风格特征；将物品图像特征和文本特征输入初始模型的特征组合层，输出物品组合特征；将物品组合特征和风格特征输入初始模型的匹配层，输出匹配结果；根据匹配结果和风格标签调整初始模型的模型参数，得到训练完成的特征识别模型。
2023-06-14
10
1.2MB
神经网络模型训练方法以及装置、人脸识别方法.pdf
本申请公开了一种神经网络模型训练方法以及装置、人脸识别方法。该方法包括采集图像数据；生成三维虚拟数据并保存渲染过程中的训练数据；按照训练集和诊断集，训练得到卷积神经网络模型；对训练得到的所述卷积神经网络模型进行诊断，评估该模型在每一个维度下的性能得到变量与性能的对应关系，并且在所述性能无法满足预设需求时根据该变量对应的指标重新生成三维数据；根据所述重新生成三维数据，再进行模型训练直到诊断结果达到预期要求。本申请解决了相关场景下人脸识别精度不高的技术问题。通过本申请优化人脸识别神经网络模型训练，提高模型在实
2024-01-06
10
655KB
模型训练方法、人脸识别方法、装置以及计算机存储介质.pdf
本申请提出一种模型训练方法、人脸识别方法、装置以及计算机可读存储介质，所述模型训练方法包括：提取人脸图像的人脸特征；将人脸特征输入待训练模型的热力图输出网络，获取人脸特征的核心关键点热力图；获取核心关键点热力图的人脸关键点偏移坐标；按照核心关键点热力图和真实人脸核心点，获取第一损失值；按照人脸关键点偏移坐标和真实人脸关键点偏移坐标，获取第二损失值；基于第一损失值和所述第二损失值对所述待训练模型进行训练。通过上述方法，使得待训练模型既能有热力图对核心点的准确估计优势，又有使用回归网络回归关键点时能够保留人脸
2023-05-25
10
2.2MB
目标重识别模型的训练方法以及目标重识别方法和装置.pdf
本公开提出一种目标重识别模型的训练方法以及目标重识别方法和装置，涉及计算机技术领域。在本公开中，利用训练图像的各个局部区域所对应的空域特征所构成的空域特征矩阵对全卷积神经网络进行训练，并根据损失函数来优化全卷积神经网络，得到目标重识别模型。在目标重识别时，利用目标重识别模型可以获取待识别图像的各个局部区域所对应的空域特征所构成的空域特征矩阵，利用待识别图像的每个空域特征(即局部特征)去匹配候选图像的各个空域特征，再根据待识别图像的所有空域特征与候选图像的匹配度综合确定待识别图像与候选图像的匹配度，在待识别
2023-06-14
10
1.3MB