本公開涉及計算機技術(shù)領(lǐng)域，提供了一種年齡回歸方法及裝置，所述方法包括：獲取包含目標人物的待識別圖片；將所述待識別圖片輸入到預(yù)置的年齡回歸模型，得到所述待識別圖片相對于參考圖片對的相對位置系數(shù)，以根據(jù)所述相對位置系數(shù)得到所述目標人物的年齡...

本公開涉及機器學(xué)習技術(shù)領(lǐng)域，提供了一種模型旁路調(diào)優(yōu)方法及裝置。該方法包括：確定用于執(zhí)行目標任務(wù)的大規(guī)模目標模型所對應(yīng)的小規(guī)模目標模型，其中，小規(guī)模目標模型和大規(guī)模目標模型為目標模型的不同版本，小規(guī)模目標模型的模型規(guī)模小于大規(guī)模目標模型的...

本公開涉及圖像處理技術(shù)領(lǐng)域，提供了一種基于對圖像進行破壞處理的圖像數(shù)據(jù)增強方法及裝置。該方法包括：獲取待數(shù)據(jù)增強的圖像數(shù)據(jù)集；利用圖像擴散模型的擴散過程對圖像數(shù)據(jù)集中的目標圖像連續(xù)多次進行破壞處理，得到目標圖像對應(yīng)的第一破壞圖像；利用圖...

本公開涉及計算機視覺技術(shù)領(lǐng)域，提供了一種雙向特征融合網(wǎng)絡(luò)、回歸預(yù)測網(wǎng)絡(luò)、訓(xùn)練方法及裝置。該雙向特征融合網(wǎng)絡(luò)包括依次連接的正向特征融合子網(wǎng)絡(luò)、反向特征融合子網(wǎng)絡(luò)以及特征融合歸一子網(wǎng)絡(luò)；正向特征融合子網(wǎng)絡(luò)用于自頂層向底層對多個不同層次的尺度...

本公開涉及計算機技術(shù)領(lǐng)域，提供了一種目標推薦方法及裝置。該方法包括：獲取當前用戶行為序列的當前用戶行為序列圖，所述當前用戶行為序列為描述當前用戶對商品進行訪問的時序的序列；將所述當前用戶行為序列圖輸入到預(yù)置的圖向量提取模型，得到所述當前...

本公開涉及計算機技術(shù)領(lǐng)域，提供了一種數(shù)據(jù)匯總方法及裝置。該方法包括：獲取用戶輸入的待匯總項目的變量修改數(shù)據(jù)，待匯總項目包括若干個項目目標，每個項目目標對應(yīng)若干個變量類別，變量修改數(shù)據(jù)為其中至少一個變量類別的修改數(shù)據(jù)；根據(jù)變量修改數(shù)據(jù)獲取...

本公開涉及人臉識別技術(shù)領(lǐng)域，提供了一種存在遮擋的人臉識別方法及裝置。該方法包括：基于殘差網(wǎng)絡(luò)構(gòu)建多尺度特征提取模塊；利用卷積層、激活層和歸一化層構(gòu)建掩碼模塊，利用掩碼模塊和激活層構(gòu)建注意力模塊；利用多尺度特征提取模塊、注意力模塊、全局平...

本公開涉及人工智能技術(shù)領(lǐng)域，提供了一種推薦模型的訓(xùn)練方法、裝置、計算機設(shè)備及計算機可讀存儲介質(zhì)。該方法可以根據(jù)不同的樣本類型設(shè)置不同的損失函數(shù)權(quán)重值，以便對所述推薦模型進行訓(xùn)練的過程中，可以減少不影響模型訓(xùn)練效果的樣本類型的訓(xùn)練推薦樣本...

本公開涉及圖像處理技術(shù)領(lǐng)域，提供了一種基于為圖像添加噪聲的圖像數(shù)據(jù)增強方法及裝置。該方法包括：獲取待數(shù)據(jù)增強的圖像數(shù)據(jù)集；利用圖像擴散模型的擴散過程為圖像數(shù)據(jù)集中的目標圖像連續(xù)多次添加噪聲，得到目標圖像對應(yīng)的第一噪聲圖像；利用圖像擴散模...

本公開涉及計算機技術(shù)領(lǐng)域，提供了用于行為稀疏場景的推薦模型訓(xùn)練方法、推薦方法及裝置。該訓(xùn)練方法包括：確定目標推薦商品；采集用戶使用線上推薦應(yīng)用時產(chǎn)生的與目標推薦商品關(guān)聯(lián)的用戶行為數(shù)據(jù)集；按照預(yù)設(shè)的數(shù)據(jù)集劃分策略，將用戶行為數(shù)據(jù)集劃分為訓(xùn)...

本公開涉及計算機技術(shù)領(lǐng)域，提供了用于行為稀疏場景的推薦模型訓(xùn)練方法、推薦方法及裝置。該訓(xùn)練方法包括：確定目標推薦商品；采集用戶使用線上推薦應(yīng)用時產(chǎn)生的與目標推薦商品關(guān)聯(lián)的用戶行為數(shù)據(jù)集；按照預(yù)設(shè)的數(shù)據(jù)集劃分策略，將用戶行為數(shù)據(jù)集劃分為訓(xùn)...

本申請?zhí)峁┮环N模糊車牌識別方法、裝置、電子設(shè)備及存儲介質(zhì)。該方法包括：利用預(yù)定的模糊判別器對包含車牌信息的原始圖像進行邊界檢測，并依據(jù)邊界檢測結(jié)果判斷原始圖像是否為模糊圖像；當判斷為模糊圖像時，利用預(yù)定的去模糊網(wǎng)絡(luò)模塊對原始圖像進行多階...

本公開涉及文本處理技術(shù)領(lǐng)域，提供了一種改進自注意力模型的文本處理方法及裝置。該方法包括：構(gòu)建自注意力模型的嵌入層和線性層各自對應(yīng)的第一矩陣和第二矩陣；利用嵌入層對應(yīng)的第一矩陣和第二矩陣構(gòu)建嵌入層的第一旁路網(wǎng)絡(luò)，利用線性層對應(yīng)的第一矩陣和...

本公開涉及計算機視覺領(lǐng)域，提供了一種人群計數(shù)方法、裝置、電子設(shè)備及存儲介質(zhì)。該方法包括：獲取人群圖像；提取人群圖像的多尺度融合特征；對多尺度融合特征進行編碼和解碼處理，得到多個特征級別的人頭尺度密度特征；確定每一個特征級別的人頭尺度密度...

本公開涉及人工智能技術(shù)領(lǐng)域，提供了一種推薦方法、裝置、計算機設(shè)備及計算機可讀存儲介質(zhì)。該方法可以提高推薦策略模型對于目標對象對應(yīng)的目標推薦策略的預(yù)測的精準度，可以實現(xiàn)線上指標的進一步提升，以及，可以靈活的針對不同用戶和對象(例如商品)給...

本公開涉及文本處理技術(shù)領(lǐng)域，提供了一種加速文本處理模型訓(xùn)練的方法及裝置。該方法包括：獲取文本訓(xùn)練數(shù)據(jù)集，其中，文本訓(xùn)練數(shù)據(jù)集包括多條訓(xùn)練文本；基于每條訓(xùn)練文本的文本長度對多條訓(xùn)練文本進行排序，得到排序結(jié)果；基于批處理大小對排序結(jié)果中的訓(xùn)...

本公開提供一種基于在線數(shù)據(jù)處理的選型測算方法、裝置、設(shè)備及介質(zhì)。該方法包括：根據(jù)上傳的戶型數(shù)據(jù)生成選型測算對象；基于配置模板，為選型測算對象選擇相應(yīng)的配置，并獲取選型測算對象的配置對應(yīng)的測算指標數(shù)據(jù)；獲取選型測算對象內(nèi)每個戶型對應(yīng)的圖紙...

本公開涉及人工智能技術(shù)領(lǐng)域，提供了一種圖像聚類方法、裝置、電子設(shè)備及存儲介質(zhì)。該方法包括：獲取多個待聚類圖像，一個待聚類圖像為一個圖節(jié)點；提取每一個圖節(jié)點的節(jié)點特征信息；根據(jù)節(jié)點特征信息，構(gòu)建節(jié)點相似度矩陣；基于節(jié)點相似度矩陣，計算每個...

本公開涉及人臉識別技術(shù)領(lǐng)域，提供了一種人臉識別模型性能的評估方法及裝置。該方法包括：獲取第一圖片測試集、第二圖片測試集和第三圖片測試集；基于第一圖片測試集，計算人臉識別模型的人臉比對指標；基于第二圖片測試集，計算人臉識別模型的閉集人臉檢...

本公開涉及人工智能技術(shù)領(lǐng)域，提供了一種圖像分類模型的訓(xùn)練方法、裝置、計算機設(shè)備及計算機可讀存儲介質(zhì)。該方法在模型訓(xùn)練過程中僅對第一特征提示詞向量和分類器的參數(shù)進行調(diào)整，這樣不需要讓圖像分類模型中的主干網(wǎng)絡(luò)適應(yīng)新的訓(xùn)練樣本，而通過在訓(xùn)練樣...