摘要：本公开实施例提出了一种图像处理方法、装置、电子设备和计算机存储介质中，该方法包括：获取第一视频数据和第二视频数据；对所述第一视频数据中的每帧图像的人体关键点的坐标进行归一化处理，得到所述第一视频数据中每帧图像的归一化坐标信息；对所述第二视频数据中的每帧图像的人体关键点的坐标进行归一化处理，得到所述第二视频数据中每帧图像的归一化坐标信息；根据所述第一视频数据中每帧图像的归一化坐标信息、以及所述第二视频数据中每帧图像的归一化坐标信息，确定所述第一视频数据和第二视频数据的人体动作相似度。

摘要：本申请实施例提供一种匹配筛选方法、装置、电子设备和计算机可读存储介质，该匹配筛选方法包括：电子设备获取初始匹配集合，初始匹配集合来源于图像对之间的初始匹配结果；通过至少一个裁剪模块从初始匹配集合中筛选出匹配子集，匹配子集中的正确匹配比例高于初始匹配集合中的正确匹配比例，至少一个裁剪模块用于获取初始匹配集合中每条初始匹配的一致性信息；该匹配子集用于处理与图像对相关的图像任务。本申请实施例可以提高参数化变换模型处理图像任务的处理效果。

摘要：本申请实施例公开了一种时序动作提名生成方法和相关产品，该方法包括：提名生成装置利用第一局部全局编码器对原始特征序列做局部全局依赖关系提取处理，得到目标特征序列；所述目标特征序列利用多个特征向量之间的局部依赖关系和全局依赖关系得到，所述多个特征向量包含于所述原始特征序列；所述提名生成装置利用所述目标特征序列，生成目标时序动作提名；通过提取出局部的依赖关系和全局的依赖关系，能够提高生成时序动作提名的质量。

摘要：本公开实施例提供一种特征工程和图网络生成方法和装置、分布式系统，所述特征工程方法应用于分布式系统的从节点，所述方法包括：接收所述分布式系统的主节点发送的第一待处理数据；基于预先存储的图网络对所述第一待处理数据进行特征提取，得到目标特征；所述图网络为有向无环图；向所述主节点返回所述目标特征；其中，所述图网络的每个节点用于记录一个特征的信息，所述图网络的每条边用于记录一条特征提取规则的信息。

摘要：本公开提供了一种在线课堂的信息处理方法、装置、计算机设备及存储介质，包括：展示教学交互页面，所述教学交互页面包括第一教学展示区域和第二教学展示区域，所述第一教学展示区域包括至少一个子功能区域，不同的子功能区域对应不同类型的教学任务；响应针对所述至少一个子功能区域中的目标子功能区域的触发操作，在所述第二教学展示区域展示与所述目标子功能区域对应的教学任务匹配的任务页面。

摘要：本公开提供了一种任务处理方法及装置、电子设备和存储介质，方法包括：接收针对整体工作流对应的第一计算图的局部选择指令；其中，第一计算图包括处理整体工作流对应任务的至少一个操作单元和至少一个资源单元；根据局部选择指令，从显示第一计算图的画布中确定第二计算图；其中，所述第二计算图对应的工作流为所述整体工作流中的局部工作流；运行第二计算图，以完成局部工作流对应任务的工作流。

摘要：本公开提供了一种交通检测方法、装置、电子设备及存储介质，本公开首先从道路视频流中获取包括预设的兴趣区域的至少两张区域图像；之后，基于所述至少两张区域图像的拍摄时间，以及对所述至少两张区域图像的车辆的检测与跟踪，确定所述兴趣区域对应的区域平均车速信息；之后，基于所述兴趣区域的尺寸信息和所述兴趣区域内的车辆的数量，确定车辆密度信息；最后，基于所述区域平均车速信息和所述车辆密度信息，确定所述兴趣区域对应的道路拥堵信息。

摘要：本公开提供了一种交通路口检测方法、装置、电子设备及存储介质，该方法包括：获取采集的交通路口的视频帧序列；对所述视频帧序列中的视频帧进行车辆检测，得到车辆检测信息；基于所述车辆检测信息，确定所述交通路口的交通信号信息；基于所述交通路口的交通信号信息和所述车辆检测信息，确定所述交通路口的拥堵状态。

摘要：本公开提供了一种数据传输方法、系统、装置、计算设备和存储介质，其中，该方法包括：获取控制端Master发送的待传输任务；待传输任务为控制端Master对获取的目标任务进行拆分后得到的，待传输任务包括至少一个待传输文件的文件属性信息；基于文件属性信息，确定待传输任务对应的每个待传输文件的文件读取信息；利用预先设置的多个协程基于文件读取信息，分别获取与每个文件读取信息相匹配的待传输文件；利用多个协程，将待传输任务中的每个待传输文件传输到对应的目标地址。本公开实施例能够提高文件传输的速度和效率。

摘要：本公开提供了一种训练样本集生成的方法、装置、电子设备及存储介质，其中，该方法包括：获取各个未标注样本、以及基于训练样本集训练得到的目标神经网络；基于各个未标注样本、目标神经网络，确定各个未标注样本分别对目标神经网络的网络训练的预估影响程度值；从各个未标注样本中选取预估影响程度值符合预设要求的目标未标注样本；在对选取的目标未标注样本进行样本标注得到目标已标注样本的情况下，将目标已标注样本添加至训练样本集中，得到更新后训练样本集；更新后训练样本集用于对目标神经网络再次进行网络训练。本公开基于预估影响程度值实现了未标注样本的自动选取，相比人工选取的方案，更为省时省力，也降低了后续的标注成本。