“乐康”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果156个，建议您升级VIP下载更多相关专利

[外观设计]房屋（折叠式装配建筑功能模块X型）-CN202330126628.6有效
发明人：乐康 -专利权人：研山建筑设计(上海)有限公司
申请日： 2023-03-17 - 公布日： 2023-09-05 - 主分类号： 25-02 文献下载
摘要：1.本外观设计产品的名称：房屋（折叠式装配建筑功能模块X型）。2.本外观设计产品的用途：用于快速建造的集群居住或集群公共建筑。3.本外观设计产品的设计要点：在于形状、图案与色彩的结合。4.最能表明设计要点的图片或照片：立体图。5.请求保护的外观设计包含色彩。
房屋折叠式装配建筑功能模块

[外观设计]建筑模块（箱型式装配建筑功能模块Y型）-CN202330151837.6有效
发明人：乐康 -专利权人：研山建筑设计(上海)有限公司
申请日： 2023-03-27 - 公布日： 2023-09-05 - 主分类号： 25-02 文献下载
摘要：1.本外观设计产品的名称：建筑模块（箱型式装配建筑功能模块Y型）。2.本外观设计产品的用途：用于快速建造的集群居住或集群公共建筑。3.本外观设计产品的设计要点：在于形状、图案与色彩的结合。4.最能表明设计要点的图片或照片：立体图。5.省略视图：无设计要点，省略仰视图。
建筑模块型式装配功能模块

[外观设计]房屋（板块式装配建筑功能模块O型）-CN202330151901.0有效
发明人：乐康 -专利权人：研山建筑设计(上海)有限公司
申请日： 2023-03-27 - 公布日： 2023-09-05 - 主分类号： 25-03 文献下载
摘要：1.本外观设计产品的名称：房屋（板块式装配建筑功能模块O型）。2.本外观设计产品的用途：用于快速建造的集群居住或集群公共建筑。3.本外观设计产品的设计要点：在于形状与图案的结合。4.最能表明设计要点的图片或照片：立体图。5.无设计要点，省略仰视图、后视图。
房屋板块装配建筑功能模块

[发明专利]一种自对抗神经网络模型的训练方法及相关装置-CN202310196878.6有效
发明人：乐康;张耀;曹保桂;张滨;徐大鹏 -专利权人：深圳精智达技术股份有限公司
申请日： 2023-03-03 - 公布日： 2023-07-25 - 主分类号： G06N3/094 文献下载
摘要：本申请公开了一种自对抗神经网络模型的训练方法及相关装置，用于提高卷积神经网络模型的训练速度和准确性。本申请包括：获取卷积神经网络模型；将正态分布采样数据输入生成器，生成模拟图像；将真实图像和模拟图像输入反向器中，生成第一和第二特征空间数据；根据真实图像、模拟图像、第一、第二特征空间数据和正态分布采样数据计算数据分布损失和图像像素损失；根据数据分布损失和图像像素损失计算生成器损失值和反向器损失值；判断生成器损失值和反向器损失值是否满足预设条件；若是，则确定训练完成；若否，根据生成器损失值和反向器损失值对生成器和反向器的权重值进行拟合，生成共享更新权重值，并重复进行迭代训练。
一种对抗神经网络模型训练方法相关装置

[发明专利]一种深度学习图像边缘强化的方法、相关装置及存储介质-CN202310301317.8有效
发明人：乐康;罕方平;杨硕;张滨;徐大鹏;曹保桂 -专利权人：深圳精智达技术股份有限公司
申请日： 2023-03-27 - 公布日： 2023-07-25 - 主分类号： G06T5/00 文献下载
摘要：本申请公开了一种深度学习图像边缘强化的方法、相关装置及存储介质，用于加强图像的边缘特征，使得图像特征信息更加全面。本申请方法包括：将初始特征输入至目标神经网络中，通过第一卷积模块生成至少一个分层特征；对所述分层特征进行Canny算子处理和差分处理，得到第一中间特征通过叠加模块对所述第一中间特征和所述初始特征进行通道叠加处理，得到叠加结果；通过第二卷积模块对所述叠加结果进行特征融合处理，得到第二中间特征；对所述第二中间特征进行Canny算子处理和差分处理，输出边缘信息强化后的目标特征。
一种深度学习图像边缘强化方法相关装置存储介质

[发明专利]一种图像的卷积方法、装置、电子设备和存储介质-CN202310029970.3有效
发明人：乐康;张耀;张滨;徐大鹏;曹保桂 -专利权人：深圳精智达技术股份有限公司
申请日： 2023-01-10 - 公布日： 2023-07-25 - 主分类号： G06V10/82 文献下载
摘要：本申请公开了一种图像的卷积方法、装置、电子设备和存储介质，用于提高卷积神经网络模型的训练效果。本申请卷积方法包括：获取卷积单元和输入特征图像；将输入特征图像进行区块划分，生成具有多个区块窗口的第一和第二区块特征图像；通过区块像素注意力生成模块为第一和第二区块特征图像的区块窗口进行注意力计算，生成第一和第二区块注意力特征图像；将第一、第二区块特征图像、第一和第二区块注意力特征图像输入特征卷积模块；对第一区块特征图像上的像素点进行卷积处理，生成第一卷积图像；对第二区块特征图像上的像素点进行卷积处理，生成第二卷积图像；将第一和第二卷积图像进行通道维度交错叠加操作和卷积操作，生成目标卷积图像。
一种图像卷积方法装置电子设备存储介质

[发明专利]一种自注意力的计算方法、装置、电子设备和存储介质-CN202310196058.7有效
发明人：乐康;张耀;张滨;徐大鹏;曹保桂 -专利权人：深圳精智达技术股份有限公司
申请日： 2023-03-03 - 公布日： 2023-07-25 - 主分类号： G06V10/82 文献下载
摘要：本申请公开了一种自注意力的计算方法、装置、电子设备和存储介质，用于降低自注意力计算量。本申请计算方法包括：将输入特征图像进行区块划分，生成区块特征图像；为区块特征图像进行自注意力计算，生成区块注意力特征图像；对输入特征图像进行深度可分离卷积，生成N张金字塔分层图像；对N张金字塔分层图像进行区块划分和自注意力计算，生成N张金字塔区块注意力图像；将第N层金字塔区块注意力图像、第N‑1层金字塔区块注意力图像、第N‑2至1层金字塔区块注意力图像和区块注意力特征图像依次进行双线性插值操作，生成第一自注意力图像。
一种注意力计算方法装置电子设备存储介质

[发明专利]一种卷积神经网络模型的剪枝方法、装置、设备和介质-CN202211479732.4在审
发明人：乐康;张耀;张滨;徐大鹏;曹保桂 -专利权人：深圳精智达技术股份有限公司
申请日： 2022-11-24 - 公布日： 2023-06-13 - 主分类号： G06N3/0464 文献下载
摘要：本申请公开了一种卷积神经网络模型的剪枝方法、装置、设备和介质，用于提高剪枝效率。本申请剪枝方法包括：获取输入特征图像和卷积神经网络模型；将输入特征图像输入卷积神经网络模型的特征提取模块；通过特征提取模块中的N个卷积核对原始图像进行图像特征处理，将N个卷积核对应的N个特征通道进行通道融合，生成输出特征图；将输出特征图输入卷积神经网络模型的注意力生成模块；通过注意力生成模块分析输出特征图，分别为N个特征通道生成N个注意力向量；根据N个注意力向量分别计算N个特征通道的注意力值；根据N个特征通道的注意力值对特征提取模块中的N个卷积核做剪枝处理。
一种卷积神经网络模型剪枝方法装置设备介质

[发明专利]一种图像的池化方法、装置、电子设备和存储介质-CN202310032417.5在审
发明人：乐康;张耀;张滨;徐大鹏;曹保桂 -专利权人：深圳精智达技术股份有限公司
申请日： 2023-01-10 - 公布日： 2023-06-06 - 主分类号： G06T3/40 文献下载
摘要：本申请公开了一种图像的池化方法、装置、电子设备和存储介质，用于提高卷积神经网络模型的训练效果。本申请池化方法包括：获取池化单元；获取输入特征图像；将输入特征图像进行区块划分，生成第一和第二区块特征图像；通过区块像素注意力生成模块为第一和第二区块特征图像的区块窗口进行注意力计算，生成第一和第二区块注意力特征图像；将第一、第二区块特征图像、第一和第二注意力图像输入特征池化模块；对第一区块特征图像上的像素点进行筛选池化处理，生成第一池化图像；对第二区块特征图像上的像素点进行筛选池化处理，生成第二池化图像；将第一和第二池化图像进行通道维度交错叠加操作和卷积操作，生成目标池化图像。
一种图像方法装置电子设备存储介质

[发明专利]一种特征图像的卷积方法及装置-CN202211479737.7在审
发明人：乐康;张耀;张滨;徐大鹏;曹保桂 -专利权人：深圳精智达技术股份有限公司
申请日： 2022-11-24 - 公布日： 2023-04-18 - 主分类号： G06N3/0464 文献下载
摘要：本申请公开了一种特征图像的卷积方法和装置，用于提高卷积神经网络模型的训练效果。本申请卷积方法包括：获取卷积单元，所述卷积单元包括注意力生成模块和特征卷积模块；获取输入特征图像，所述输入特征图像为输入卷积神经网络模型中进行训练中的图像；将所述输入特征图像输入注意力生成模块中，生成注意力特征图像，所述注意力特征图像上有所述输入特征图像上像素点的注意力值；将所述输入特征图像和所述注意力特征图像输入特征卷积模块；使用所述特征卷积模块并根据所述注意力特征图像中的注意力值对所述输入特征图像上的像素点进行卷积处理，生成卷积数据。
一种特征图像卷积方法装置

[发明专利]一种缺陷数据集的生成模型的训练方法及相关装置-CN202211498083.2有效
发明人：乐康;张耀;张滨;徐大鹏;曹保桂 -专利权人：深圳精智达技术股份有限公司
申请日： 2022-11-28 - 公布日： 2023-04-07 - 主分类号： G06T7/00 文献下载
摘要：本申请公开了一种缺陷数据集的生成模型的训练方法及相关装置，用于提高缺陷图像的获取效率和图像质量。本申请训练方法包括：获取卷积神经网络模型和缺陷类型标签；通过生成器和缺陷类型标签生成模拟缺陷图像；通过真假判别器生成第一真假判别值和第二真假判别值；通过类别判别器生成第一类别判别值和第二类别判别值；根据第一、第二真假判别值、第一和第二类别判别值计算第一、第二和第三损失值；判断第一、第二和第三损失值是否满足预设条件；若满足条件，则确定卷积神经网络模型训练完成；若不满足条件，则根据第一、第二和第三损失值更新生成器的权值，根据第二、第三损失值分别更新真假判别器和类别判别器权值。
一种缺陷数据生成模型训练方法相关装置

[发明专利]一种数据的层次化标准化方法、装置和电子设备-CN202310196060.4在审
发明人：乐康;张耀;张滨;徐大鹏;曹保桂 -专利权人：深圳精智达技术股份有限公司
申请日： 2023-03-03 - 公布日： 2023-03-31 - 主分类号： G06N3/0464 文献下载
摘要：本申请公开了一种数据的层次化标准化方法、装置和电子设备，用于提高数据标准化的精准度。本申请层次化标准化方法包括：获取初始卷积神经网络模型和B个批次的训练样本集合；根据B个批次的训练样本集合的各个维度的关联度在初始卷积神经网络模型的每一个卷积层前设置层次化标准化层；将B个批次的训练样本集合输入初始卷积神经网络模型中；通过HW标准化层对B个批次的训练样本集合在HW维度进行独立标准化处理；通过批次标准化层对B个批次的训练样本集合在批次B维度进行独立标准化处理；将经过两次独立标准化处理的B个批次的训练样本集合输入初始卷积神经网络模型进行训练，直到训练完成得到目标卷积神经网络模型。
一种数据层次标准化方法装置电子设备

[发明专利]一种特征图像的池化方法和装置-CN202211479625.1在审
发明人：乐康;张耀;张滨;徐大鹏;曹保桂 -专利权人：深圳精智达技术股份有限公司
申请日： 2022-11-24 - 公布日： 2023-03-28 - 主分类号： G06V10/82 文献下载
摘要：本申请公开了一种特征图像的池化方法和装置，用于提高卷积神经网络模型的训练效果。本申请池化方法包括：获取池化单元，所述池化单元包括像素注意力生成模块和特征池化模块；获取输入特征图像，所述输入特征图像为输入卷积神经网络模型中进行训练中的图像；将所述输入特征图像输入像素注意力生成模块中，生成注意力特征图像，所述注意力特征图像上有所述输入特征图像上像素点的注意力值；将所述输入特征图像和所述注意力特征图像输入特征池化模块；使用所述特征池化模块并根据所述注意力特征图像中的注意力值对所述输入特征图像上的像素点进行筛选池化处理，生成池化数据。
一种特征图像方法装置

[发明专利]一种缺陷图像的生成方法、装置、电子设备和存储介质-CN202211352935.7有效
发明人：乐康;张耀;曹保桂 -专利权人：深圳精智达技术股份有限公司
申请日： 2022-11-01 - 公布日： 2023-03-24 - 主分类号： G06T5/00 文献下载
摘要：本申请公开了一种缺陷图像的生成方法、装置、电子设备和存储介质，用于提高图像的获取效率和图像质量。本申请生成方法包括：获取缺陷图像与缺陷图像对应的类型标签，根据缺陷图像和类型标签生成原始图像；获取卷积神经网络模型，卷积神经网络模型包含编码器、隐空间和解码器；将原始图像输入卷积神经网络模型中，通过编码器获取原始图像的缺陷标签特征；将缺陷标签特征输入隐空间，通过隐空间为缺陷标签特征生成隐空间参数，隐空间参数为缺陷图像的条件概率分布；通过重参数化技术对隐空间参数进行采样，生成正态分布数据，正态分布数据遵循缺陷图像的条件概率分布；将正态分布数据和类型标签输入解码器，通过解码器生成目标图像。
一种缺陷图像生成方法装置电子设备存储介质

[发明专利]一种Mura缺陷图像数据集的生成方法和生成装置-CN202211256617.0有效
发明人：乐康;张耀;曹保桂 -专利权人：深圳精智达技术股份有限公司
申请日： 2022-10-14 - 公布日： 2023-01-31 - 主分类号： G06V10/774 文献下载
摘要：本申请实施例公开了一种Mura缺陷图像数据集的生成方法，用于无需输入，就可生成大量与真实缺陷图像差距小的生成缺陷图像。本申请实施例方法包括：获取训练样本集，所述训练样本集为存在多张相同mura缺陷类型的训练样本图像；建立mura缺陷生成模型，所述mura缺陷生成模型包含特征提取部分、图像重构部分、多个Norm_conv_down模块和Norm_conv_up模块；从所述训练样本集中依次选取训练样本输入mura缺陷生成模型进行训练，确定训练好的mura缺陷生成模型为目标生成模型；通过所述目标生成模型输出与所述训练样本mura缺陷类型相同的图像，以生成mura缺陷图像数据集。
一种 mura 缺陷图像数据生成方法装置

1
2
3
4
5
6
7
8
9
10
11
下一页»
尾页
共 156 条