摘要：本申请实施例公开了一种时序信号预测方法、装置、电子设备及存储介质。本申请实施例通过获取当前时间点的当前时序信号，并将该当前时序信号分别输入至目标网络中多个模型结构互不相同的预测模型中，得到各预测模型输出的预测结果，随后根据各预测模型对应的模型权重，对相应的预测结果进行加权处理，并基于加权处理后的多个预测结果，确定下一时间点的预测时序信号。本方案提出基于模型组合的时序信号预测方案，有效提升了不同模型结合后的整体预测效果。

摘要：本申请提供了一种基于人工智能的图像检索方法、装置、电子设备及计算机可读存储介质；方法包括：获取待检索图像的第一维度的图像特征和第二维度的图像特征，以及第一图像集合中每个参考图像的第一维度的图像特征和第二维度的图像特征；对待检索图像的第一维度的图像特征与第一图像集合中每个参考图像的第一维度的图像特征进行匹配，得到对应的第一匹配度，并基于第一匹配度从第一图像集合中选取目标数量的参考图像，以形成第二图像集合；对待检索图像的第二维度的图像特征与第二图像集合中每个参考图像的第二维度的图像特征进行匹配，得到对应的第二匹配度，并基于第二匹配度确定待检索图像的图像检索结果。

摘要：本发明实施例公开了一种对象识别方法、装置、电子设备和计算机可读存储介质；本申请实施例在获取待识别对象的手部图像，并在手部图像中识别出候选掌纹区域后，提取候选掌纹区域中多个尺度的掌纹检测区域的图像，以作为掌纹检测图像，然后，对掌纹检测图像进行频域转换，得到频谱信息，并在频谱信息中提取出频域特征，在掌纹检测图像中提取出时域特征，并将掌纹检测图像的时域特征与频域特征进行融合，得到每一掌纹检测图像的目标掌纹特征，然后，基于目标掌纹特征对待识别对象进行识别，得到待识别对象的识别结果；该方案可以提升对象识别的准确率。

摘要：本申请公开了一种表情识别方法、装置、电子设备及存储介质。本申请的实施例的方法可应用于云技术、人工智能、智慧交通、辅助驾驶等各种场景。该方法包括：获取待识别人脸视频；将待识别人脸视频输入表情识别模型，得到待识别人脸视频属于不同表情类别的概率；基于待识别人脸视频属于不同表情类别的概率，确定概率最高的表情类别，作为待识别人脸视频的表情识别结果。本申请中，根据一致性指标以及损失值确定的调整参数可以准确的指示了初始模型对样本人脸视频的学习趋势，可以加强初始模型对困难样本的学习，减弱初始模型对噪声样本的学习，从而可以保证训练得到的表情识别模型可以对困难样本准确的表情识别能力以及表情识别结果的准确率。

摘要：本申请公开了一种表情识别方法、装置、电子设备及存储介质。本申请的实施例的方法可应用于云技术、人工智能、智慧交通、辅助驾驶等各种场景。该方法包括：获取待识别人脸视频；将待识别人脸视频输入表情识别模型，得到待识别人脸视频属于不同表情类别的概率；基于待识别人脸视频属于不同表情类别的概率，确定概率最高的表情类别，作为待识别人脸视频的表情识别结果。本申请中，根据一致性指标以及损失值确定的调整参数可以准确的指示了初始模型对样本人脸视频的学习趋势，可以加强初始模型对困难样本的学习，减弱初始模型对噪声样本的学习，从而可以保证训练得到的表情识别模型可以对困难样本准确的表情识别能力以及表情识别结果的准确率。

摘要：本申请实施例公开了一种基于多脸部的换脸检测方法和相关装置，应用于人工智能，对包括多个脸部的待检测图像进行脸部检测处理，得到N个预测脸部区域和预测脸部区域的脸部置信度，N≥2；过滤N个预测脸部区域中脸部置信度小于预设置信度的脸部区域得到多个候选脸部区域；通过多个候选脸部区域的预设特征值和预设特征值对应的预设阈值，过滤多个候选脸部区域得到M个目标脸部区域，预设特征值用于表示候选脸部区域的相对重要程度，M＜N；对M个目标脸部区域进行换脸检测处理，得到M个目标脸部区域的预测换脸概率；通过M个目标脸部区域的预测换脸概率，确定待检测图像的预测换脸结果。该方法提升检测待检测图像是否存在脸部换脸的准确度。

摘要：本申请公开了一种特征表示生成方法、装置、设备、介质及程序产品，涉及机器学习领域。该方法包括：对呈现长尾分布状态的多个样本数据进行特征提取后得到多个样本特征表示，其中包括与第二样本数据对应的长尾数据特征表示；基于样本类别标签对应的样本特征表示的特征分布情况，获取每个样本类别标签分别对应的原型特征表示，并根据长尾数据特征表示与多个原型特征表示之间的特征相似度，对多个原形特征表示进行融合，得到用于扩充大数量类别的目标特征表示。通过以上方式，不仅扩充了大数量类别对应的特征表示，也能够有效缓解多个样本数据分布不均衡的问题。本申请可应用于云技术、人工智能、智慧交通等各种场景。

摘要：本申请的实施例公开了一种视频检测方法、装置、设备、介质及产品，该方法包括：提取待检测视频的多个视频片段；根据各视频片段中目标特征的运动信息提取各视频片段对应的局部特征，局部特征用于表征视频片段的时序不一致性；对多个视频片段分别对应的局部特征进行融合处理，得到待检测视频的全局特征；根据全局特征检测待检测视频中的目标特征的真伪概率，以得到待检测视频的检测结果。本申请实施例的技术方案可以提高视频检测的准确性。

摘要：本申请的实施例公开了一种时间序列数据的补全方法、相关设备及存储介质，该方法包括：对初始时间序列数据进行特征提取处理得到初始特征序列数据；对初始特征序列数据进行分频分解处理，得到初始高频序列数据和初始低频序列数据；调用扩散模型对初始低频序列数据、初始高频序列数据和原始高斯噪声进行逆向扩散处理，得到缺失噪声；基于缺失噪声和原始高斯噪声得到缺失序列数据；根据缺失序列数据对初始时间序列数据进行数据补全处理，得到补全后的时间序列数据。本申请实施例的技术方案可以准确地预测时间序列数据中缺失的序列值，以对时间序列数据进行精准补全。

摘要：本申请公开了一种焊缝宽度识别方法、装置、电子设备及存储介质，涉及人工智能技术领域，该方法包括：获取目标焊接对象焊接过程中的多种目标焊接信号；对每种目标焊接信号进行多尺度采样处理，得到每种目标焊接信号对应的目标多尺度信号；将目标多尺度信号输入焊缝宽度识别网络，在焊缝宽度识别网络中进行跨尺度跨维度特征提取的基础上，识别目标焊接对象对应的目标焊缝宽度信息。利用本申请提供的技术方案可以更全面有效的提取焊接特征，在保证焊缝宽度预测适用场景的广泛性的基础上，提升焊缝宽度识别的准确性。

摘要：本公开提供了一种掌纹识别方法、相关装置和介质。该掌纹识别方法包括：获取目标手掌图像；从所述目标手掌图像中获取目标基准点；基于所述目标基准点，在所述目标手掌图像中获取目标区域；在所述目标区域中，获取多个目标子区域，多个所述目标子区域互不重叠；基于多个所述目标子区域的第一特征，获取所述目标区域的第二特征；基于所述目标区域的所述第二特征，获取所述目标手掌图像的掌纹识别结果。本公开实施例提高了掌纹识别的准确性。本公开实施例可应用于生物特征识别、机器学习等领域。